Un par de investigadores de la Universidad de Tsukuba, Japón, acaban de crear un sistema de gestión de carteras de inversión en criptomonedas basado en inteligencia artificial que utiliza datos on-chain para entrenarse, el primero de este tipo según los científicos.
Bautizado como CryptoRLPM, abreviatura de "Cryptocurrency reinforcement learning portfolio manager", el sistema de IA utiliza una técnica de formación denominada "aprendizaje por refuerzo" para incorporar datos on-chain a su modelo.
El aprendizaje por refuerzo (RL) es un paradigma de optimización en el que un sistema de IA interactúa con su entorno -en este caso, una cartera de criptomonedas- y actualiza su entrenamiento basándose en señales de recompensa.
CryptoRLPM aplica la retroalimentación del aprendizaje por refuerzo en toda su arquitectura. El sistema está estructurado en cinco unidades primarias que trabajan conjuntamente para procesar información y gestionar carteras estructuradas.
Estos módulos incluyen una Unidad de Alimentación de Datos, una Unidad de Perfeccionamiento de Datos, una Unidad de Agente de Cartera, una Unidad de Negociación en Tiempo Real y una Unidad de Actualización de Agentes.
Una vez desarrollado, los científicos probaron CryptoRLPM asignándole tres carteras. La primera contenía únicamente Bitcoin (BTC) y Storj (STORJ), la segunda mantuvo BTC y STORJ añadiendo Bluzelle (BLZ), y la tercera mantuvo las tres más Chainlink (LINK).
Los experimentos se llevaron a cabo durante un periodo comprendido entre octubre de 2020 y septiembre de 2022 con tres fases distintas (formación, validación y backtesting).
Los investigadores midieron el éxito de CryptoRLPM comparándolo con una evaluación de referencia del rendimiento estándar del mercado a través de tres métricas: "tasa de rentabilidad acumulada" (TCA), "tasa de rentabilidad diaria" (TDR) y "ratio Sortino" (RS).
La TCA y el TDR miden a simple vista cuánto ha perdido o ganado un activo en un periodo de tiempo determinado y el SR mide la rentabilidad ajustada al riesgo de un activo.
Según el documento de investigación preimpreso de los científicos, CryptoRLPM demuestra mejoras significativas con respecto al rendimiento de referencia:
"En concreto, CryptoRLPM muestra al menos una mejora del 83.14% en TCA, al menos una mejora del 0.5603% en TDR, y al menos una mejora del 2.1767 en SR, en comparación con la referencia de Bitcoin".
Aclaración: La información y/u opiniones emitidas en este artículo no representan necesariamente los puntos de vista o la línea editorial de Cointelegraph. La información aquí expuesta no debe ser tomada como consejo financiero o recomendación de inversión. Toda inversión y movimiento comercial implican riesgos y es responsabilidad de cada persona hacer su debida investigación antes de tomar una decisión de inversión.
Sigue leyendo:
- Una herramienta de inteligencia artificial de Mastercard ayudará a los bancos a luchar contra el fraude
- Google lanza una inteligencia artificial para luchar contra el blanqueo de capitales tras el éxito de la prueba de HSBC
- Robot dirige como invitado a la Orquesta Sinfónica Nacional de Corea
- Intuit introduce modelos lingüísticos propios de gran tamaño para el sector fintech con GenOS
- Inflection AI recauda USD 1.300 millones en financiación por parte de Microsoft y NVIDIA
- Cámara de Representantes de los Estados Unidos prohíbe a sus miembros utilizar todos los chatbots de IA excepto ChatGPT Plus
- Las acciones de mineras de Bitcoin superan a BTC en el 2023, pero varios datos on-chain sugieren una posible desaceleración