Artificiell intelligens (AI) förändrar hur man handlar med krypto och traditionella marknader, men fyra ledande analytiker säger att AI belönar kompetens, inte ersätter den. Det är fortfarande rena data och mänskligt omdöme som ger fördel vid AI-handel med krypto.
Charles Edwards från Capriole Investments och Julio Moreno från CryptoQuant kallar AI för en förstärkare för seriös forskning. Benjamin Cowen och Michael van de Poppe, som deltog i en annan panel, kom fram till samma slutsats från sitt trading-skrivbord.
Fyra analytiker, en slutsats
On-chain-analys och AI-verktyg har gått från att vara nischade till att bli vanliga i kryptoforskning. Två paneler från BeInCrypto samlade fyra analytiker som använder dessa varje dag.
Edwards grundade Capriole Investments, en kvantitativ Bitcoin (BTC) hedgefond. Moreno är forskningschef på CryptoQuant. Cowen och van de Poppe är välkända, oberoende marknadsanalytiker.
Under Market Intelligence Council sade Edwards att AI gör det möjligt för de som verkligen arbetar att hitta fler möjligheter.
“Jag tycker att AI också gör spelplanen mer möjlighetsrik för vissa personer.”
På en annan panel satte van de Poppe gränsen tydligt.
“Du blir inte en duktig handlare om du inte redan var skicklig från början.”
Där AI redan hjälper
De tydligaste vinsterna syns vid rutinmässig forskning. AI gör nu uppgifter som förr tog timmar väldigt snabbt.
Edwards lyfte fram snabbare analys som den största fördelen.
“Verktygen för att göra detta är mycket kraftfullare och… nu kan man göra det mycket snabbare med AI.”
Van de Poppe visade hur enkelt detta har blivit. Han skapade en provportfölj i krypto med en chatbot och fria dataflöden. Verktyg som AI-agenter kan nu hämta aktuell marknadsdata direkt vid behov.
“Du kan bygga en portfölj och en dashboard av kryptovalutor på fem minuter med bara fria API:er.”
Varför AI fortfarande behöver en människa
Snabbhet är inte samma sak som skicklighet. Van de Poppe påpekade att hans AI-portfölj saknade viktig kontext.
“Den skapade inte en korg av okorrelerade kryptovalutor… den tog inte med några makrofaktorer.”
Han menar att omdöme fyller ut detta tomrum.
“Här kommer människans kunskap, erfarenhet och intuition in… Något som AI-agenten eller LLM:en inte har.”
Han varnade också för att se AI som magi. Verktyget kommer inte att ge “någon slags magi som skapar ett oändligt penningflöde”. Den försiktigheten speglar marknaden, där få experter stöder helautomatiserad trading.
Moreno sade att institutioner litar på data men testar den hela tiden.
“De litar på datan men kontrollerar ofta och följer ständigt upp för att se om datan fortfarande är relevant.”
Inuti modellerna
Professionella fonder ser AI som infrastruktur, inte som en kristallkula. Edwards byggde sitt företag runt stora, testade modeller.
“Vi skapar hundratals mått och använder hundratals datakällor för att bygga omfattande modeller… Vi kombinerar on-chain-teknisk analys och makrodata i flera år för att ta fram handelsmodeller.”
Caprioles Macro Index visar detta. Företaget samlar över 60 olika on-chain-, makro- och aktiemått i en maskininlärningsmodell. De flesta dataplattformar publicerar tusentals mått, men modeller måste fortfarande byggas noggrant.
Cowen bygger nu sin egen bot från grunden.
“Just nu upprepar boten bara det jag själv säger. Det är nästan som en AI-version av mig.”
Han undviker att träna på lågkvalitativ AI-output för att förhindra att modellen försämras.
“Jag vill inte att den ska använda AI-avfall som redan finns för att skapa mer AI-avfall”
Van de Poppe sköter sin fond på samma sätt. AI skriver grunden till hans handelsalgoritmer, men en människa styr alltid, annars fortsätter AI att “arbeta med saker som är dåliga för ditt system”.
Datan bakom modellerna
Alla modeller bygger på den data som finns under. Moreno visar tydligast vad ett datamässigt försprång innebär.
“De handlar till exempel med gruvaktier. I stället för att vänta på din kvartalsrapport följer du faktiskt i realtid vad de bryter.”
Nätverkets hashrate ger en sådan realtidssignal. Den visar hur mycket beräkningskraft gruvarbetare lägger på Bitcoin varje dag.
Samma metod gäller för aktiebörser. Bitcoin-miner aktier får mer uppmärksamhet när AI-infrastrukturkostnader ökar. Julio Moreno fortsätter:
“Vissa kryptobörser har också börjat handlas på aktiemarknaden, så du kan följa handelsvolymen för att uppskatta intäkterna.”
Cowen la till att datakvalitet avgör resultatet. Han värdesätter uppgifter från före AI-eran.
“Data före 2022 är på vissa sätt riktigt värdefull eftersom det var data innan allt med AI kom hit.”
För både institutioner och småsparare gäller samma sak. AI minskar arbetsbördan och ger fler tillgång, men fördelen går till de med ren data och förmågan att styra modellen. När allt fler börjar använda AI blir omdömet den verkliga skillnaden.
