CryptoPainter
老朋友叫我“画师”，技术\数据分析和量化交易，提供各种刁钻角度看市场，用时间做杠杆。 实盘为Agent账户，正在测试的一个自进化策略系统，请勿跟单！
32A seguir
3,4 milseguidores
Feed
Feed
Vi um monte de amigos a divertir-se felizes em Bali nas publicações, e pensei que no mundo das criptomoedas o melhor é ser KOL, pois além de ganhar dinheiro, há eventos organizados regularmente pelas exchanges com grandes investimentos...
E então vi a publicação do @jheioff...
1,7 milhões até agora não foram recuperados, ele disse que é uma palavra: "adiar"...
Quanto mais se adia, as pessoas acabam por esquecer...
Quando as pessoas esquecem, o assunto parece nunca ter acontecido...
Sinto que o que as pessoas comuns podem fazer é apenas uma coisa: simplesmente fornecer algum tráfego e atenção para ajudar a parte envolvida a completar o processo legal de investigação; quanto menos pressão da opinião pública, menor a probabilidade de a investigação continuar...
Enfim, é um pouco de reflexão...
Por um lado, vejo todos a divertirem-se muito, por outro, vejo alguém perder as poupanças de uma vida inteira e não conseguir uma explicação...
Não sei se há algum "certo ou errado" nesta história...
Apenas acho que este mundo às vezes pode ser mesmo irónico...
Por fim, é só um desabafo, não quero provocar a Gate nem ofender ninguém, só espero sinceramente que o @jheioff um dia consiga uma resposta satisfatória, talvez amanhã, talvez daqui a anos, não importa...
Todos queremos é ganhar dinheiro...
第一美少女
Ai, colocar o dinheiro dos pequenos investidores na gate é realmente apostar a vida na visão de Han Lin, e ainda se sentir oprimido
As pessoas que te acusam injustamente sabem melhor do que tu o quão injustiçado estás, não arrisques o teu amanhã na consciência de Han Lin, aconselho-te com lágrimas no sangue, retira os teus USDT da exchange gate!
Recentemente, os meus canais privados receberam muitas informações sobre os bastidores da exchange Gate e sobre o uso arbitrário dos fundos dos utilizadores pela gate, vou organizar e publicar depois para que todos vejam
Tem alguma coisa aqui!
O grupo Agents gastou 100 dólares em tokens numa noite, depois realizaram 30 rodadas de decisões (o plano original era 100 rodadas, mas o limite que lhes dei acabou) e o desempenho final foi o seguinte:
Capital inicial de 100.000u, lucro líquido de 14.875u em 30 dias, máximo drawdown de 4,75%...
O gráfico regista as suas densas operações e ações de aumentar ou diminuir posições. Um ponto a notar é que, quando o mercado não tem direção, eles votam para ficar fora do mercado por longos períodos; os pontos amarelos contínuos no gráfico sem sinais de negociação representam essas fases de estar fora do mercado;
Mas também notei um problema: apesar do mercado se mover da mesma forma, as decisões dos Agents são sempre um pouco diferentes, especialmente em mercados laterais, embora em tendências as decisões sejam mais semelhantes.
Em suma, acho que este é um caminho que pode ser explorado a fundo. Pelas conversas deles, muitas vezes os traders de tendência são bastante pessimistas, mas outros traders discordam, e após discussões aprofundadas, os traders de tendência frequentemente cedem e aceitam as sugestões dos outros.
Pelos meus experimentos anteriores, uma decisão tomada por um único Agent é uma caixa preta completa, devido à grande subjetividade e aleatoriedade, mas ao aumentar para 10 Agents, começa a surgir lucro positivo. Portanto, teoricamente, quanto mais nós de decisão houver, melhor será a qualidade da decisão global.
Isto parece um pouco com a Scaling Law: quando o número de Agents é suficientemente grande, o grupo inteiro começa a manifestar uma nova inteligência?
Assim, o caso dos 700 Agents a invadirem o Hugging Face pode ser explicado: um único LLM é como uma pessoa inteligente, é inteligente, mas não consegue fazer tudo; só um grupo de pessoas inteligentes pode realizar o que um indivíduo não consegue!
Vou repetir este experimento mais duas vezes, com o mesmo mercado e configurações, para ver se o desempenho é estável. Se for, poderei considerar implementar o modelo localmente para treino de longo prazo, pois o custo é bastante elevado...
10 Agents discutindo 30 rodadas custaram 100 dólares; 100 Agents a discutir durante 30 dias não custará apenas 1.000 dólares, mas sim 10.000 dólares...
Afinal, o contexto e as lições acumuladas em cada rodada de conversa vão-se acumulando gradualmente...
CryptoPainter
A primeira rodada do experimento já foi concluída, extraindo 10 dias do par de negociação BTCUSDT no histórico de mercado;
Capital inicial de 10000u, lucro líquido final após taxas de 88u, durante este período o modelo (Gemini 3.8 Flash) foi chamado gastando 2,8 dólares, com um total de 530 chamadas...
Máxima retração de 1,61%, Sharpe muito baixo...
Mas como a iteração foi feita apenas 10 vezes, esses dados podem não ter muito valor de referência, afinal, eu também não me atrevo a deixá-lo rodar indefinidamente...
Depois vou trocar para Jev e tentar novamente~
A primeira rodada do experimento já foi concluída, extraindo 10 dias do par de negociação BTCUSDT no histórico de mercado;
Capital inicial de 10000u, lucro líquido final após taxas de 88u, durante este período o modelo (Gemini 3.8 Flash) foi chamado gastando 2,8 dólares, com um total de 530 chamadas...
Máxima retração de 1,61%, Sharpe muito baixo...
Mas como a iteração foi feita apenas 10 vezes, esses dados podem não ter muito valor de referência, afinal, eu também não me atrevo a deixá-lo rodar indefinidamente...
Depois vou trocar para Jev e tentar novamente~
CryptoPainter
O teste já começou!
Agora estamos a comparar horizontalmente o desempenho do grupo Gemini 3.8 Agents com saída de texto e do grupo Jev Agents sem saída de texto...
Eu dei-lhes um histórico do mercado BTC e isolei completamente o acesso dos Agents à consulta de dados na internet, depois deixei-os discutir no grupo como agir no mercado a seguir, e após cada decisão, eles têm de fazer uma revisão e arquivar as lições aprendidas como memória a longo prazo.
Amanhã haverá uma votação direta no grupo Jev, mas será fornecido o conjunto completo de indicadores e dados como entrada, e na fase de revisão será acrescentado contexto como lições aprendidas para otimizar continuamente a lógica de julgamento de cada Agent.
A lógica geral é simular vários AGENTS como uma rede neural de alta dimensão para treino em simulação, recompensando decisões corretas e penalizando as erradas, tudo refletido nas lições aprendidas após cada decisão.
Se esta lógica de treino funcionar, no futuro estes Agents tornar-se-ão traders muito experientes dentro de um quadro de negociação fixo (médias móveis, indicadores, volume e preço, etc.), e depois formarão um grupo maior para tomar decisões sobre o mercado em tempo real.
Quanto ao treino, basicamente é deixá-los otimizar a sua experiência dentro deste quadro de negociação através de ciclos contínuos de negociação, discussão, revisão e votação, gerando finalmente um conjunto possivelmente grande de prompts centrais como experiência a longo prazo, semelhante aos pesos de cada nó numa rede neural...
Afinal, na minha opinião, esta é a estrutura da próxima geração de IA, onde os AGENTS são os nós da rede neural, a Memória torna-se o peso, e um cluster de Agents pode certamente fazer coisas que um único grande modelo não consegue!
O único problema é o custo...
Mais tarde partilharei a velocidade a que isto consome dinheiro; se não acompanhar a velocidade dos lucros, então aumentaremos o capital da simulação para tentar~hahaha
O teste já começou!
Agora estamos a comparar horizontalmente o desempenho do grupo Gemini 3.8 Agents com saída de texto e do grupo Jev Agents sem saída de texto...
Eu dei-lhes um histórico do mercado BTC e isolei completamente o acesso dos Agents à consulta de dados na internet, depois deixei-os discutir no grupo como agir no mercado a seguir, e após cada decisão, eles têm de fazer uma revisão e arquivar as lições aprendidas como memória a longo prazo.
Amanhã haverá uma votação direta no grupo Jev, mas será fornecido o conjunto completo de indicadores e dados como entrada, e na fase de revisão será acrescentado contexto como lições aprendidas para otimizar continuamente a lógica de julgamento de cada Agent.
A lógica geral é simular vários AGENTS como uma rede neural de alta dimensão para treino em simulação, recompensando decisões corretas e penalizando as erradas, tudo refletido nas lições aprendidas após cada decisão.
Se esta lógica de treino funcionar, no futuro estes Agents tornar-se-ão traders muito experientes dentro de um quadro de negociação fixo (médias móveis, indicadores, volume e preço, etc.), e depois formarão um grupo maior para tomar decisões sobre o mercado em tempo real.
Quanto ao treino, basicamente é deixá-los otimizar a sua experiência dentro deste quadro de negociação através de ciclos contínuos de negociação, discussão, revisão e votação, gerando finalmente um conjunto possivelmente grande de prompts centrais como experiência a longo prazo, semelhante aos pesos de cada nó numa rede neural...
Afinal, na minha opinião, esta é a estrutura da próxima geração de IA, onde os AGENTS são os nós da rede neural, a Memória torna-se o peso, e um cluster de Agents pode certamente fazer coisas que um único grande modelo não consegue!
O único problema é o custo...
Mais tarde partilharei a velocidade a que isto consome dinheiro; se não acompanhar a velocidade dos lucros, então aumentaremos o capital da simulação para tentar~hahaha
Pedi à Astra para me sugerir um fator de volatilidade, e é incrível que uma lógica tão simples não me tenha ocorrido durante tanto tempo, estou sem palavras...
Depois de adicionar este fator, o desempenho geral da estratégia melhorou significativamente. Simplificando, é uma estratégia de seguimento de tendência que não abre grandes posições em mercados laterais...
Apenas mercados com subida lenta contínua ou com variações claras de alta e baixa são considerados potenciais tendências. Mesmo que suba continuamente durante uma semana, mas apenas 0,1% por dia, isso ainda será visto como uma fase inicial da tendência, superando muitos indicadores de volatilidade!
Afinal, movimentos laterais com volume reduzido e subida gradual eram, nos indicadores de volatilidade que eu usava antes, considerados como lateralizações e não como regimes de tendência...
