Científicos crean una IA de gestión de carteras de criptomonedas entrenada con datos de la cadena

Un par de investigadores de la Universidad de Tsukuba, en Japón, han creado recientemente un sistema de gestión de carteras de criptomonedas basado en inteligencia artificial que utiliza datos de la cadena para su entrenamiento, el primero de este tipo, según los científicos.

Llamado CryptoRLPM, abreviatura de “Cryptocurrency reinforcement learning portfolio manager”, el sistema de inteligencia artificial (IA) utiliza una técnica de entrenamiento llamada “aprendizaje por refuerzo” para implementar datos de la cadena en 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 formación basándose en señales de recompensa.

CryptoRLPM aplica la retroalimentación de la RL en toda su arquitectura. El sistema está estructurado en cinco unidades primarias que trabajan juntas para procesar información y gestionar carteras estructuradas.

Estos módulos incluyen una unidad de alimentación de datos, una unidad de refinamiento de datos, una unidad de agente de cartera, una unidad de negociación en vivo y una unidad de actualización de agentes.

Una vez desarrollado, los científicos probaron CryptoRLPM asignándole tres carteras. La primera contenía sólo Bitcoin (BTC) y Storj (STORJ), la segunda mantenía BTC y STORJ añadiendo Bluzelle (BLZ), y la tercera mantenía las tres junto con 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 en comparación con una evaluación de referencia del rendimiento estándar del mercado a través de tres métricas: tasa de rentabilidad acumulada (AAR), tasa de rentabilidad diaria (DRR) y ratio Sortino (SR).

AAR y DRR son medidas de un vistazo de 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 respecto al rendimiento de referencia:

“Específicamente, CryptoRLPM muestra al menos una mejora del 83,14% en ARR, al menos una mejora del 0,5603% en DRR, y al menos una mejora del 2,1767 en SR, en comparación con la línea base Bitcoin.”

Relacionado: DeFi se une a la IA: ¿puede esta sinergia ser el nuevo objetivo de las adquisiciones tecnológicas?