Il “Momento iPhone” del Machine Learning per le Cripto Si Avvicina Mentre gli Agenti AI Operano sul Mercato

Il trading potenziato dall'IA non ha ancora raggiunto un "momento iPhone", quando tutti porteranno con sé un gestore di portafoglio algoritmico basato sull'apprendimento per rinforzo in tasca, ma qualcosa di simile è in arrivo, affermano gli esperti.

In effetti, la potenza dell’IA incontra il suo limite di fronte all’arena dinamica e competitiva dei mercati finanziari. A differenza di un agente IA istruito da infiniti cicli di auto a guida autonoma per riconoscere con precisione i segnali stradali, nessuna quantità di dati e modelli potrà mai prevedere il futuro.

Ciò rende la raffinazione dei modelli di trading AI un processo complesso e impegnativo. La misura del successo è stata tipicamente valutare il profitto e la perdita (P&L). Tuttavia, i progressi nel modo di personalizzare gli algoritmi stanno generando agenti che apprendono continuamente a bilanciare rischio e rendimento di fronte a una moltitudine di condizioni di mercato.

Consentire metriche aggiustate per il rischio come il Rapporto di Sharpe per informare il processo di apprendimento moltiplica la sofisticazione di un test, ha affermato Michael Sena, direttore marketing presso Recall Labs, una società che ha gestito circa 20 arene di trading AI, dove una comunità presenta agenti di trading AI, e tali agenti competono per un periodo di quattro o cinque giorni.

“Quando si tratta di analizzare il mercato alla ricerca di alpha, la prossima generazione di sviluppatori sta esplorando la personalizzazione e la specializzazione degli algoritmi, tenendo conto delle preferenze degli utenti,” ha dichiarato Sena in un'intervista. “Essere ottimizzati per un rapporto particolare e non solo per il P&L lordo è più in linea con il modo in cui operano le principali istituzioni finanziarie nei mercati tradizionali. Quindi, guardare a elementi come, qual è stato il tuo massimo drawdown, quanto era il tuo valore a rischio per generare questo P&L?”

Facendo un passo indietro, una recente competizione di trading sulla piattaforma decentralizzata Hyperliquid, coinvolgendo diversi modelli linguistici di grandi dimensioni (LLM), come GPT-5, DeepSeek e Gemini Pro, ha in qualche modo stabilito il punto di riferimento riguardo alla posizione dell'IA nel mondo del trading. A questi LLM è stato fornito lo stesso prompt e hanno eseguito autonomamente, prendendo decisioni. Tuttavia, secondo Sena, non sono stati particolarmente efficaci, superando di poco le performance del mercato.

“Abbiamo preso i modelli di intelligenza artificiale utilizzati nel contest Hyperliquid e abbiamo permesso alle persone di presentare i propri agenti di trading che avevano costruito per competere contro quei modelli. Volevamo vedere se gli agenti di trading sono migliori rispetto ai modelli fondamentali, grazie a quella specializzazione aggiuntiva,” ha dichiarato Sena.

I primi tre posti nella competizione di Recall sono stati occupati da modelli personalizzati. “Alcuni modelli non erano redditizi e hanno registrato performance inferiori, ma è diventato evidente che agenti di trading specializzati, che prendono questi modelli e applicano logiche aggiuntive, inferenze, fonti di dati e altri elementi, stanno sovraperformando l’IA di base,” ha dichiarato.

La democratizzazione del trading basato sull'IA solleva questioni interessanti riguardo a se ci sarà ancora qualche alfa da coprire se tutti utilizzano lo stesso livello di tecnologia di apprendimento automatico sofisticato.

“Se tutti utilizzano lo stesso agente e quell'agente esegue la stessa strategia per tutti, non si rischia una sorta di auto-crollo?” ha detto Sena. “L'alpha che rileva scompare perché cerca di eseguirla su larga scala per tutti gli altri?”

Ecco perché coloro che sono nella posizione migliore per beneficiare del vantaggio che il trading AI porterà saranno alla fine coloro che dispongono delle risorse per investire nello sviluppo di strumenti personalizzati, ha dichiarato Sena. Come nella finanza tradizionale, gli strumenti di più alta qualità che generano il maggior alpha non sono solitamente pubblici, ha aggiunto.

“Le persone vogliono mantenere questi strumenti il più possibile riservati, perché vogliono proteggere quell’alpha,” ha dichiarato Sena. “Hanno pagato molto per ottenerlo. Lo avete visto con i fondi hedge che acquistano set di dati. Lo potete vedere con gli algoritmi proprietari sviluppati dagli uffici di famiglia.”

«Penso che il punto magico sarà quando esisterà un prodotto che funziona da gestore di portafoglio, ma l'utente avrà ancora voce in capitolo nella propria strategia. Potranno dire: ‘Questo è il mio modo di fare trading e questi sono i miei parametri, implementiamo qualcosa di simile, ma migliorandolo.’»