L’intelligenza artificiale (AI) sta cambiando il modo in cui vengono scambiate le crypto e i mercati tradizionali, eppure quattro dei più importanti analisti concordano che premia la competenza più che sostituirla. Il vero vantaggio dell’AI nel trading crypto deriva ancora dai dati accurati e dal giudizio umano.
Charles Edwards di Capriole Investments e Julio Moreno di CryptoQuant definiscono l’AI un acceleratore per le ricerche serie. Benjamin Cowen e Michael van de Poppe, intervenuti in un panel separato, giungono alla stessa conclusione anche dalla scrivania del trader.
Quattro analisti, una conclusione
L’analisi on-chain e gli strumenti AI sono passati dall’essere di nicchia al diventare fondamentali nella ricerca crypto. Due panel di BeInCrypto hanno raccolto quattro analisti che li utilizzano ogni giorno.
Edwards ha fondato Capriole Investments, un hedge fund quantitativo su Bitcoin (BTC). Moreno è Head of Research presso CryptoQuant. Cowen e van de Poppe sono analisti di mercato indipendenti e molto seguiti.
Intervenendo al Market Intelligence Council, Edwards ha spiegato in dettaglio che l’AI sposta le opportunità verso chi si applica davvero.
“Penso che anche l’AI renda quel… campo di gioco più opportunistico per determinate persone.”
In un panel separato, van de Poppe ha chiarito chiaramente il limite.
“Non diventerai un grande trader se non lo eri già prima.”
Dove l’AI già aiuta
I vantaggi più evidenti emergono nella ricerca di routine. Ora, l’AI comprime in pochi minuti attività che prima richiedevano ore.
Edwards ha indicato proprio la rapidità dell’analisi come principale vantaggio.
“Gli strumenti a disposizione per farlo sono molto più potenti e… oggi è possibile svolgere queste attività molto più rapidamente con l’AI.”
Van de Poppe ha mostrato quanto sia diventato semplice: ha costruito un portafoglio crypto di esempio utilizzando un chatbot e feed di dati gratuiti. Strumenti come gli agenti AI ora raccolgono dati di mercato in tempo reale su richiesta.
“Puoi costruire un portafoglio e una dashboard di criptovalute in cinque minuti solo con API gratuite.”
Perché l’AI ha ancora bisogno dell’essere umano
La velocità non è sinonimo di abilità. Van de Poppe ha fatto notare che il suo portafoglio AI ha trascurato importanti aspetti contestuali.
“Non ha creato un paniere di crypto non correlate… non ha inserito nessuna componente macroeconomica.”
Ha spiegato in dettaglio che il giudizio colma questa lacuna.
“Qui entrano in gioco la conoscenza, l’esperienza e l’intuizione umana… cose che l’agente AI o il modello LLM non hanno.”
Ha anche messo in guardia dal considerare l’AI come una bacchetta magica. Questo strumento non fornirà “una sorta di magia che crea un loop infinito di denaro”. Un’avvertenza ben allineata alle opinioni diffuse sul mercato, dove pochi esperti sostengono bot di trading completamente automatici.
Moreno ha affermato che le istituzioni si fidano dei dati ma continuano costantemente a testarli.
“Si fidano, ma verificano molto e monitorano costantemente che i dati restino rilevanti.”
Dentro i modelli
I fondi professionali trattano l’AI come un’infrastruttura, non come una sfera di cristallo. Edwards ha costruito la sua azienda su grandi modelli testati.
“Costruiamo centinaia di metriche e utilizziamo anche centinaia di altre fonti di dati per sviluppare modelli completi… Combinando tecniche on-chain e macro-dati per molti anni per costruire modelli di trading.”
Il Macro Index di Capriole riflette proprio questo approccio. L’azienda combina oltre 60 metriche on-chain, macro e azionarie in un unico modello basato su machine learning. La maggior parte delle piattaforme dati pubblica migliaia di metriche, ma i modelli richiedono ancora una selezione accurata.
Cowen sta costruendo il suo bot da zero.
“Al momento tutto ciò che fa il bot è ripetere quello che dico io. È quasi come una versione AI di me stesso.”
Evita di allenare il modello con output AI di bassa qualità per prevenire il degrado del modello stesso.
“Non voglio che usi le sciocchezze prodotte dall’IA già esistenti per creare altre sciocchezze con l’IA”
Van de Poppe gestisce il suo fondo nello stesso modo. L’IA scrive la base dei suoi algoritmi di trading, ma una persona continua a indirizzarla, altrimenti rischia di “continuare a lavorare su elementi sbagliati per il tuo sistema”.
I Dati Dietro i Modelli
Ogni modello dipende dai dati su cui si basa. Moreno ha offerto l’esempio più incisivo di vantaggio sui dati.
“Ad esempio, loro scambieranno azioni di aziende di mining invece di aspettare il tuo rapporto trimestrale: tu stai monitorando in tempo reale quello che davvero stanno minando.”
La network hashrate fornisce uno di questi segnali in tempo reale. Tiene traccia di quanta potenza di calcolo i miner dedicano ogni giorno a Bitcoin.
Lo stesso metodo si applica agli exchange azionari. Le azioni di aziende di mining di Bitcoin recentemente hanno attirato una nuova attenzione poiché la spesa per infrastrutture legata all’IA sta aumentando. Julio Moreno prosegue:
“Anche alcuni exchange di crypto hanno iniziato a essere negoziati in borsa, quindi puoi monitorare i volumi di scambio per valutare i ricavi.”
Cowen ha aggiunto che la qualità dei dati decide il risultato. Lui dà valore ai dati raccolti prima dell’era dell’IA.
“I dati precedenti al 2022 per certi versi sono realmente molto preziosi, perché si tratta di informazioni raccolte prima che tutta questa roba sull’IA fosse anche solo arrivata.”
Sia per le istituzioni che per i trader retail, la lezione resta valida. L’IA riduce il lavoro manuale e amplia l’accessibilità, ma il vantaggio va a chi dispone di dati puliti e ha il discernimento per guidare il modello. Mano a mano che l’adozione cresce, quel discernimento diventa il vero fattore distintivo.
