Binabago ng artificial intelligence (AI) ang paraan ng pag-trade sa crypto at tradisyonal na mga market, pero ayon sa apat na top analysts, mas nabibigyan ng reward ang mga marunong talaga kaysa sa napapalitan ng AI. Kahit advanced na ang AI sa crypto trading, malaking factor pa rin ang malinis na data at human judgment.
Sina Charles Edwards ng Capriole Investments at Julio Moreno ng CryptoQuant, naniniwalang parang accelerator ang AI para sa mga seryosong researcher. Sina Benjamin Cowen at Michael van de Poppe, sa ibang panel naman, pareho din ang napansin pagdating sa trading desk.
Apat na Analysts, Isang Konklusyon
Dati, pang-makipot lang ang on-chain analytics at AI tools sa crypto research, pero ngayon, gamit na gamit na ‘to. Sa loob ng dalawang BeInCrypto panels na ‘to, apat na analysts ang nag-share ng experience nila gamit ang AI araw-araw.
Si Edwards nagtatag ng Capriole Investments, isang quantitative Bitcoin (BTC) hedge fund. Si Moreno naman ay Head of Research sa CryptoQuant. Sina Cowen at van de Poppe, mga independent market analysts na madaming followers.
Sa Market Intelligence Council, sinabi ni Edwards na binabago ng AI kung sino talaga ang mas may chance na umasenso basta willing mag-trabaho.
“Sa tingin ko ang AI rin ngayon… mas binibigyan ng opportunity ang mga talagang nagsusumikap.”
Sa isang panel pa, derechahang sinabi ni van de Poppe kung hanggang saan lang ang AI.
“Hindi ka agad magiging magaling na trader kung dati ka nang hindi marunong mag-trade.”
Mga Sitwasyon Kung Saan Malaking Tulong na ang AI
Pinaka obvious ang tulong ng AI sa mga paulit-ulit na research na dati ang tagal gawin. Ngayon, ilang minuto na lang ‘yung dati ay inaabot ng ilang oras.
Para kay Edwards, ang pinaka advantage talaga ay yung mas mabilis ang analysis.
“Mas malakas na ang mga tools ngayon para gawin ‘yan… at mas mabilis na itong gawin dahil sa AI.”
Pinakita rin ni van de Poppe kung gaano na kadali gamitin ang ganitong tech. Gumawa siya ng sample crypto portfolio gamit lang chatbot at free na data feeds. May mga tool tulad ng AI agents na pwede kang kumuha ng live market data anytime na kailangan mo.
“Pwede ka nang gumawa ng portfolio at crypto dashboard sa loob lang ng five minutes gamit lang mga free na API.”
Bakit Kailangan Pa Rin ng Human ang AI
Iba pa rin ang speed sa galing. Napansin ni van de Poppe na may mga kulang ang ginawang AI portfolio niya lalo na pagdating sa context.
“Hindi ito gumawa ng basket ng mga uncorrelated na cryptos… wala ring mga macro factors doon.”
Para sa kanya, judgment pa rin ng tao ang bumubuo sa butas na ‘yan.
“Diyan papasok ang knowledge, experience, at intuition ng tao na wala sa AI agent o LLM.”
Sinabi rin niya na huwag ituring na parang magic ang AI. Hindi ito ‘yung tool na magdadala ng “automatic unlimited na pera.” Ganito rin ang sinasabi sa market — halos walang expert ang tumataya sa mga trading bot na walang supervision ng tao.
Para kay Moreno, naniniwala ang mga institution sa data pero lagi pa rin nilang tini-test.
“Oo, nagtitiwala sila pero lagi nilang sinesecure at tinitingnan kung relevant pa ba ang data.”
Sa Loob ng Mga Modelong Ginagamit ng Pros
Para sa mga pro fund, parang infrastruktura lang ang AI — hindi ito parang crystal ball na hulaan lahat. Kay Edwards, bumuo siya ng company niya gamit ang malalaking at tested na models.
“Gumagawa kami ng daan-daang metrics at gumagamit pa ng daan-daang data sources para buuin ang mga comprehensive na models… Pinagsasama namin ang onchain technicals at macro data sa matagal na panahon para gumawa ng trading models.”
‘Yan din ang ipinapakita ng Macro Index ng Capriole. Pinagsasama nila ang lagpas 60 on-chain, macro, at equities metrics sa isang machine-learning model. Karamihan ng mga data platform libo-libo ang metrics, pero kailangan pa rin itong piliin at suriin nang mabuti para mag-work talaga ang models.
Si Cowen naman, gumagawa ng sarili niyang trading bot mula umpisa.
“Sa ngayon, inuulit lang ng bot yung mga sinasabi ko. Para siyang AI version ko.”
Iniiwasan niyang sanayin sa mabababa ang kalidad ng AI output para hindi bumagsak ang performance ng model.
“Ayoko na gumamit lang ng AI slop na nagkalat diyan para lang gumawa pa ng mas maraming AI slop”
Ganitong approach din ang ginagamit ni Van de Poppe sa fund niya. Ginagamit ng AI para gumawa ng base ng trading algorithms niya, pero laging tao pa rin ang nagko-control kung saan patungo ang trading — kasi kung pababayaan mo lang, AI ang patuloy na “gagawa ng mga bagay na di talaga swak sa sistema mo.”
Ang Data sa Likod ng Mga Model
Lahat ng trading model, naka-depende talaga sa data na pinagmumulan nito. Naging sobrang klaro ni Moreno sa pag-share ng example kung paano makakuha ng edge gamit ang data.
“Halimbawa, ‘yung ibang traders imbes na maghintay ng quarterly report, diretsong sinusubaybayan ang mga mining stocks at real time nila tine-check kung gaano karami talaga ang namimina.”
Isa sa mga real-time na signal ay yung network hashrate. Dito tinitingnan kung gaano kalakas na computing power ang ginagamit ng mga miners everyday para sa Bitcoin.
Parehong style din ina-apply sa equity exchanges. Ang mga stocks ng Bitcoin miners nagiging matunog uli habang patuloy tumataas ang AI infrastructure spending. Tuloy pa ni Julio Moreno:
“May mga crypto exchanges din na nag-umpisa nang i-trade sa stock exchange, kaya kung gusto mo, pwede mong bantayan ang trading volume nila para masilip kung magkano kita nila.”
Sinabi rin ni Cowen na ang kalidad ng data talaga ang nagde-decide kung ano magiging result. Mas pinapahalagahan niya yung mga record bago pa pumasok ang AI boom.
“Ang data bago mag-2022, sobrang valuable talaga sa ibang paraan kasi yun ‘yung panahon na wala pa lahat ng AI hype.”
Para sa mga institution at pati na rin sa mga retail trader, parehong lesson din: Pinapadali ng AI ang trabaho at mas marami ang access, pero yung tunay na lamang, napupunta pa rin sa may malinis na data at may proper na judgment sa pag-steer ng model. Habang mas dumadami ang gumagamit ng AI, yung galing sa pag-interpret at pag-control pa rin ang pinaka-nagpapalakas sa mga operator.
