Transcription
Így építhetsz kripto kereskedési botot mesterséges intelligencia segítségével, hogy megpróbálhasd legyőzni a piacot az emberi érzelmek teljes eltávolításával a kereskedésből. Nos, rengeteg kereskedési stratégia létezik, amelyeket az emberek esküvel vallanak, de legtöbbjük valójában nem működik, amikor visszatesztelik őket. Tehát mi lenne, ha mesterséges intelligenciát használhatnál a kereskedési stratégiák felépítéséhez, teszteléséhez és érvényesítéséhez, az idő töredéke alatt? Tekintettel arra, hogy az olyan eszközök, mint a Claude, hihetetlenül jók kódírásban, azon gondolkodtam, hogy felhasználhatom-e őket egy olyan stratégia visszatesztelésére, amelyet a legtöbb kereskedő teljesen fordítottnak gondolna. És a videóban bemutatott stratégia az, hogy akkor vásárolunk, amikor az RSI magas, és akkor adunk el, amikor az RSI alacsony. Tehát a teljes ellentéte annak, amit mindenki tanít neked, és meg fogom mutatni, hogyan építettem fel pontosan, és hogy valóban pénzt hozott-e hosszú távon. Vajon ez a fordított RSI stratégia valóban működik a kriptóban? Vajon a mesterséges intelligencia valóban képes szilárd visszatesztelő kódot írni? És vajon valóban használhatnád ezt az előny megszerzésére? Nos, több mint egy évtizede kódolok, és amit megtanultam, az az, hogy A, a legnépszerűbb kereskedési stratégiák nem élik túl a megfelelő visszatesztelést. B, a mesterséges intelligencia teljesen megváltoztatta, milyen gyorsan tudjuk ezeket a dolgokat felépíteni. És C, ha nem tudod, mit keress, a mesterséges intelligencia ír neked kódot, ami tökéletesnek tűnik, de valójában hatalmas hibákat rejt, amelyek felrobbantják a számládat. És azok az emberek, akik képesek ezeket a hibákat felismerni, azok fognak a leginkább előrelépni. Tehát ezen a ponton a videót két részre fogom bontani, és az első résszel kezdődik, amely a szükséges eszközök, amelyekre szükséged lesz ennek elvégzéséhez, ami nyilvánvalóan a mesterséges intelligencia és egy kódolási környezet. Tehát a mesterséges intelligencia terén én személy szerint a Claude-ot használom a legtöbbet. Pontosabban a Claude kódot, ha kódolási asszisztensként használom, és ez messze a legjobb modell jelenleg a kontextus megértésében és a tiszta kód írásában, de nyugodtan kísérletezz, minden héten egy új modell válik jobbá, tehát ha ezt a videót egy hónap múlva nézed, teljesen más lehet, azonban nyugodtan nézd meg a Gemini, a Chat GBT stb. Most pedig a kódolási környezet terén elsősorban itt tudod futtatni a kódot, hogy az végrehajtódjon. Használhatod a Visual Studio Code-ot, amely teljesen ingyenes, és amit a legtöbb fejlesztő használ, vagy használhatsz valamit, amit Cursor-nak hívnak, ami valójában a Visual Studio Code mesterséges intelligenciával beépített változata. A lényeg itt azonban az, hogy már nem kell fejlesztőnek lenned ahhoz, hogy elkezd. A mesterséges intelligencia írhat kódot neked, de ami a legfontosabb, meg kell értened, mit csinál valójában a kód, és erre való ez a videó. Tehát vágjunk bele a stratégiába, amely a felszínen abszolút nem értelmes. Általában minden kereskedési kurzus, minden YouTube videó, minden könyv ugyanazt mondja az RSI-ről. Vásárolj, amikor alacsony, például 30-nál, és adj el, amikor 70 fölött van, ami azt jelenti, hogy túlvásárolt. Mi a teljes ellentétét tesszük. Akkor fogunk long pozíciót nyitni, amikor az RSI 70 fölé emelkedik, és akkor fogunk kilépni, amikor az RSI 30 alá esik, és talán még shortolni is fogunk. Most gondolhatod, mi a fenéért csinálod ezt? Miért mész a teljes ellentétes irányba? Nos, ez azért van, mert a kriptó egy lendületvezérelt piac. Amikor az RSI valójában túlvásároltságot jelez, az gyakran azt jelenti, hogy egy hatalmas trend éppen most kezdődik. Gondolj minden Bitcoin ralira. Mire az RSI eléri a 70-et, a mozgás az esetek többségében még csak félig van kész. A hagyományos RSI megközelítés inkább egy átlag-visszafordulási stratégia, igaz? Tehát eladsz, amikor túlvásárolt, majd visszavásárolod, amikor alulvásárolt. De mivel a kriptó trendjei meglehetősen erősek, a lendületes stratégiák sokkal jobban megragadják ezeket a trendeket, és gyakran magasabb P&L-t eredményezhetnek, mint egy átlag-visszafordulási stratégia. Tehát a logika nagyon egyszerű. Hadd magyarázzam el utoljára. Amikor az RSI 70 fölé emelkedik, long pozíciót nyitunk. Amikor az RSI 30 alá esik, kilépünk. És ha shortolni fogunk, akkor 30 alá lépünk be, és 70 fölé lépünk ki. Tehát hadd magyarázzam el a kódot, amit valójában írtam ehhez. Hét fő szakasza van. Végigvezetem mindegyiken, hogy megértsd, és azt is tudd, mit kérdezz a mesterséges intelligenciától, amikor például a saját visszatesztelődet építed. Tehát az első szakasz a függőségek. Ezek elsősorban csak könyvtárak, amelyekre a kódnak szüksége van a futtatáshoz. Például szabványosakat használunk. Használjuk a pandas-t az adatkezeléshez, a numpy-t a matekhoz, az fn-t a portfólió statisztikákhoz, a map plot lib-et a grafikonokhoz, és a binance-t a valós piaci adatok lekéréséhez. És valószínűleg az utolsó a legfontosabb. Azoknak a visszateszteléseknek a száma, amelyeket láttam, ahol az emberek mesterséges intelligenciát használnak egy adott stratégia visszatesztelésére, és a mesterséges intelligencia valójában teljesen hamis adatokat hoz létre, mert ha például megkérdezed a mesterséges intelligenciát, hogy "hé, szeretnék visszatesztelni, tudod, ezt az adott stratégiát", és nem adsz neki kontextust arról, hogy milyen piacról, milyen adatokból, milyen kódnyelven kell lekérni, akkor valójában csak olyat fog létrehozni, ami első látásra tetszeni fog neked, ami általában egy jól kinéző, jobbra tartó hozamgörbe lesz, és teljesen hamis adatokat fog használni, amelyeket generált, vagy ami még rosszabb, nagyon alacsony minőségű adatokat használ, amelyek valójában nem lesznek hasznosak számodra. Tehát nagyjából olyan, mintha véletlenszerű adatokat használnál. Tehát ez vezet a második szakaszhoz, az adatletöltéshez. Ez a Binance-ból közvetlenül tölti le a történelmi gyertyaadatokat. Tehát miért használjuk a Binance-t? A kriptopiacon a Binance rendelkezik a legmagasabb likviditású adatokkal, ami azt jelenti, hogy a legnagyobb a volumen. És általában az igazi árfolyam megszerzéséhez olyan piacra van szükséged, amelynek a legnagyobb a volumene. Tehát természetesen más tőzsdékről is lekérhetnénk, de általában manapság a Binance rendelkezik a legnagyobb volumennel. Egy dolgot még beépítettem a szkriptbe: a gyorsítótárazást. Miután letöltöttem az adatokat, alapvetően azt jelentette, hogy CSV fájlba menti, vagy adatbázisba is mentheted. Tehát nem kell minden alkalommal megnyomnod az API-t a szkript futtatásához. Ezt a fajta dolgot a mesterséges intelligencia gyakran elfelejti, hacsak nem utasítod igazán, hogy adja hozzá. Ez eseti alapon fog működni, de különösen, ha napi vagy óránkénti adatokat használsz, nagyon hasznos lehet CSV-ként menteni, mert ez azt jelenti, hogy a következő visszatesztelés sokkal gyorsabb, mert kéznél vannak az adatok. Tehát a harmadik szakasz az RSI számítás. Itt válik kissé érdekessé a dolog. Valójában kétféle vagy két általános módja van az RSI kiszámításának. Van az SMA módszer és a Wilder simító módszere. A legtöbb ember valójában nem ismeri a különbséget ezek között, és a mesterséges intelligencia gyakran csak az alapértelmezettet ajánlja, ami néha téves lehet. Tehát mindkettőt teszteltem, és később ebben a videóban megmutatom az eredményeket erre az adott stratégiára. Tehát mindenképpen maradj velünk. A negyedik szakasz a jelgenerálás. Ez a mag. Amikor az RSI 70 fölé emelkedik, long pozíciót nyitunk. Amikor 30 alá esik, kilépünk. A kritikus dolog itt azonban a jövőbe tekintés torzításának megelőzése. Elcsúsztatott adatokat használok, így a stratégia csak a befejezett sávokat látja. Soha nem lép be az aktuális sávon. Ez az egyik legnagyobb hiba, amit a mesterséges intelligencia általában elkövet, és alapvetően olyan kódot ír, amely véletlenül belenyúl a jövőbe, és a visszatesztelés hihetetlennek tűnik, mert olyan sávokat használ, amelyek még nem fejeződtek be teljesen. Egy másik gyors tipp a mesterséges intelligencia használatakor: ha például megkérdezed a mesterséges intelligenciát, hogy "építs nekem egy RSI visszatesztet", akkor meg fogja csinálni, és futni fog, de valószínűleg lesznek benne bizonyos hibák. Valószínűleg nem lesz díjmodellje. Valószínűleg lesz jövőbe tekintő torzítása, attól függően, hogyan utasítottad. És néha még téves RSI számítás is lehet, vagy nem lesznek helyes adatok. Mint fentebb említettem, a hozam valószínűleg csodálatos lesz, de teljesen hamisak lesznek. A javítás erre az, hogy adjunk a mesterséges intelligenciának egy bevált sablont, amiből dolgozhat, ahelyett, hogy a nulláról építenénk. És pontosan itt jön a képbe a Crypto Momentum Group. Sablonokat, stratégia ötleteket kínálunk, és segítünk az ötlettől a teljesen új visszateszt felépítésén át az élő végrehajtásig, még akkor is, ha soha nem kódoltál. Segítünk felépíteni az első élő kripto algódat. És ha érdekel ez, nyugodtan kattints a leírásban található linkre további információkért. Most pedig a következő rész a költségmodellezés. Ez az, ami általában elválasztja a haszontalan visszatesztet egy valóditól. És ez az, amit a legtöbb youtuber kihagy, amikor visszateszteléseket mutatnak egy adott stratégiáról. Bemutatnak egy stratégiát, amely például 500% hozamot ér el, és teljesen elfelejtik, hogy a kereskedés pénzbe kerül. A kódomban négyféle költséget használok. Vannak a maker és a taker díjak, amelyeket nyilvánvalóan a saját tőzsdékről kell lekérned, de ebben a példában csak a Binance alapértelmezett díját használom. És ennek az az oka, hogy minden alkalommal, amikor belépsz és kilépsz, pénzbe kerül. Tehát ezt figyelembe kell venned. A csúszást is belefoglalom, és ez azért van, mert amikor piaci megbízást adsz le, ritkán kapod meg a látott pontos árat. Az én visszatesztelésemben mindig feltételezem, hogy a csúszás ellenem fog dolgozni. Bár nyilvánvalóan az élőben ez nem mindig lesz így. Mindig inkább pesszimista vagyok egy visszateszteléssel, mintsem hogy jobbnak tűnjenek, mert a legtöbb esetben, amikor élőben fogod használni, még több dolog lesz, amit talán nem vettél figyelembe. Végül, és szinte mindenki elfelejti ezt, a finanszírozási kamatok. Tehát természetesen, ha per-t használsz a kriptóban, ami lényegében olyan, mint a határidős kereskedés, fizetned kell az adott pozícióért, ha tőkeáttételt használsz, akkor a legtöbb esetben negatív finanszírozási kamatokat fogsz kapni, amikor shortolsz. Tehát ezt figyelembe kell venned, ha shortolsz vagy longolsz a saját stratégiádban. A legtöbb visszatesztelés teljesen figyelmen kívül hagyja ezt, és ez tönkreteheti egy stratégia jövedelmezőségét, mert meglehetősen nagy költséget jelenthet a számla méretétől függően. Hogy egy kis betekintést adjak, a visszatesztelésemben erre az adott stratégiára körülbelül 1300 dollárba került az egész élettartama alatt, egy 1000 dolláros számlán futtatva. És ez valódi pénz, amit fizetned kell, ami nyilvánvalóan most nem tűnik soknak, de ha a stratégia nem lenne nyereséges, például, akkor ez pénz, ami csak kijön a számládról, csak azért, mert néhány kereskedést kötöttél. Ha ezt nem modellezed, a visszatesztelésed valószínűleg hazudik neked. Tehát győződj meg róla, hogy tartalmazza a költségeket. Tehát most térjünk rá arra, amit mindenki várt. Mik az eredmények erre az adott stratégiára? Először a long pozíciókra vonatkozó eredményeket nézzük meg. Mint láthatjuk, meglehetősen nyereséges. Van benne némi volatilitás, de BTC-n és ETH-n 2017 augusztusa és 2026 februárja között, mindössze 1000 dollárral kezdve, 4 órás időkeretben, az RSI SMA módszere 1000 dollárt körülbelül 9500 dollárra változtatott, körülbelül 30% éves hozammal. Sharpe-rátája 0,65 volt, és a maximális drawdown 60% volt, ami elég magas. Nem rossz. De nézzük meg a másik módszert is. Ez a második hozamgörbe, amely a Wilder RSI módszert használja. 1000 dollárt 54 000 dollárra és 600 dollárra változtatott. Körülbelül 60% éves hozama volt, 0,96 Sharpe-rátája, és a maximális drawdown valójában kissé jobb volt, 57%. Az egyetlen különbség e két hozamgörbe között az RSI kiszámításának módja. Míg ez a mozgás sokkal kevésbé reaktív, kevesebb kereskedést generál. 157 kereskedés volt szemben a 454-gyel az SMA módszerrel, de minden egyes kereskedés sokkal több trendet ragadott meg. És kevesebb költségünk is volt rajta. Ez pontosan az a fajta dolog, amit a mesterséges intelligencia nem fog elmondani neked, hacsak nem tudod, hogyan kérdezz, vagy ha más tudást fogyasztasz, mint csak azt, hogy a mesterséges intelligenciát kérd meg, hogy készítsen neked egy visszatesztet. Most pedig nézzük meg az érzékenységi hőtérképeket. Ez csak egy robusztussági módszer, amit szeretek használni. Ezt paraméterérzékenységnek is nevezik. Látni akarjuk, mennyire érzékenyek ezek a paraméterek a stratégia jövedelmezőségének megváltoztatására. Mint láthatjuk ebben a példában, minden küszöbértéket látunk a long belépési küszöbértékre és a long kilépési küszöbértékre. Minél mélyebb a kék, annál jobb az eredmény, és minél sárgább, annál rosszabb az eredmény, nagyrészt. Tehát, mint láthatjuk, szinte mind nyereséges, tehát nem válik veszteségessé, de nyilvánvalóan a jövedelmezőség nagyon változó. Ideális esetben sima átmenetet szeretnél látni. Ideális esetben egyértelmű édes pontot szeretnél látni, amely nem esik szét, ha néhány ponttal eltolod a paramétereket. Ha a legjobb eredmény például egyetlen sötét pixel ebben, és aztán sárga veszi körül, az általában nem fog élőben működni, és valószínűleg a zajhoz van illesztve. De ahogy itt láthatjuk, valójában van egy széles jövedelmezőségi tartományunk a 70-78 belépési és a 20-30 kilépési tartományban a longoknál. Tehát nem olyan sima, mint amennyire szeretném. De egy dolgot érdemes szem előtt tartani, hogy mivel a Binance-ra és a teljes tőkére vonatkozóan mérjük, az esés súlyosabb lesz, mert nyilvánvalóan, ahogy kevesebb kereskedést kötsz, kevésbé valószínű, hogy annyi abszolút hozamod lesz. Ez nem mindig van így, de például, ha 157 kereskedést kötsz szemben mindössze 20 kereskedéssel egy 90-es RSI használatával, nagyon valószínűtlen, hogy megközelítheted a másik paraméter végső teljes tőkéjét. Tehát egy másik módja ennek variálásának a Sharpe-ráta használata. Rengeteg különböző metrikát nézhetsz, de úgy gondoltam, ez egy nagyszerű példa lenne, ahol megvitathatom az előnyeit és hátrányait. De összességében örülünk, hogy nem egyetlen paraméterkombináció működik. És valamilyen tartományt látunk a 76 körül a csúcs jövedelmezőség szempontjából. És még mindig működik 70-nél. Tehát van egy elfogadható tartománya. Nem a legjobb, de azt mondanám, hogy most már elég jó. Egy másik dolog, amit figyelembe kell venni, hogy ebben az adott stratégiában, ha minden egyes kereskedésnél teljes tőkét használtam volna, láthatod, hogy a kilépési görbe meglehetősen hihetetlen lesz. Körülbelül 1000 dollárról 262 000 dollárra emelkedik ugyanebben az időszakban. És ez long és short is. Az előző példa csak longokat használt. Tehát, míg sokan közültek valószínűleg ezt nézik, és azt gondolják: "hé, minden egyes kereskedésnél teljes portfóliót fogok használni." Reálisan nézve, a volatilitás mennyisége, amit elszenvedsz ebben az adott stratégiában, elviselhetetlen lesz, különösen, ha az egész számládat beleteszed. Tudod, képzeld el, hogy van 32 000 dollárod, és beteszed, és beteszel 15 000 dollárt egy adott kereskedésbe, és 15 000 dollárt egy másik kereskedésbe. És ez az, amit sokszor, hacsak nem tudod, hogyan kell utasítani, vagy nem tudod, mit keress. Sokszor a mesterséges intelligencia feltételezi, hogy minden egyes kereskedésnél teljes allokációt fogsz használni, ami sokkal exponenciálisabbá teszi a hozamgörbét. De reális, hogy valóban kereskedj vele? Ez rajtad múlik, és a piac likviditásától is függ. Nyilvánvalóan a BTC és az ETH könnyen elbírja ezt a számla méretet. De ha valami sokkal kevésbé likvidet kereskednék, az nagy kihívást jelentene. Tehát végül, hogyan javíthatnánk ezt? Nos, ne feledd, ez csak BTC-n és ETH-n fut. Bővítheted a top 50 tokenre lendület alapján. Lehetnek a top piaci kapitalizációjú érmék, és az eredmények valószínűleg sokkal jobbak és simábbak lennének, mert diverzifikálsz több lendületes jelzés között. Tehát a videó célja nem az, hogy adjak neked egy stratégiát, amit másolhatsz és beilleszthetsz, és vakon kereskedhetsz vele. Az, hogy megmutassam, hogy a mesterséges intelligenciával és a megfelelő sablonokkal az ötlettől az érvényesített visszatesztelésig órák alatt juthatsz el, hetek helyett. És ami még fontosabb, tudod, mit keress, így a mesterséges intelligencia által írt kód valójában a valóságot tükrözi. És ha szeretnél hozzáférni a használt sablonokhoz, stratégia ötletekhez, és segítséget szeretnél az első élő algó felépítéséhez, nézd meg a Crypto Momentum Group-ot, mivel ebben a csoportban hozzáadok egy verziót ebből a stratégiából a kóddal együtt. Egyébként remélem, élvezted ezt a videót, és sok más ingyenes videóm is van erről.