دانشمندان هوش مصنوعی مدیریت پورتفولیوی رمزنگاری را ایجاد کردند که با داده های زنجیره ای آموزش دیده بود

به گزارش پایگاه خبری ارز دیجیتال موبو ارز،

به گفته محققان، CryptoRLPM اولین سیستم هوش مصنوعی مبتنی بر یادگیری تقویتی است که از معیارهای زنجیره ای برای مدیریت پورتفولیو استفاده می کند.

دو محقق از دانشگاه تسوکوبا در ژاپن اخیراً یک سیستم مدیریت سبد ارزهای دیجیتال مبتنی بر هوش مصنوعی ساخته اند که از داده های زنجیره ای برای آموزش استفاده می کند. دانشمندان می گویند این اولین در نوع خود است.

سیستم هوش مصنوعی که CryptoRLPM نامیده می شود، مخفف «مدیر پورتفولیوی یادگیری تقویت ارزهای دیجیتال» است، از یک تکنیک آموزشی به نام «یادگیری تقویتی» برای پیاده سازی داده های زنجیره ای در مدل ها استفاده می کند.

یادگیری تقویتی (RL) یک پارادایم بهینه سازی است که در آن یک سیستم هوش مصنوعی با محیط خود (در این مورد، یک نمونه کار ارزهای دیجیتال) در تعامل است و آموزش خود را بر اساس سیگنال های پاداش به روز می کند.

CryptoRLPM بازخورد RL را در سراسر معماری خود اعمال می کند. این سیستم از پنج واحد اصلی تشکیل شده است که برای پردازش اطلاعات و مدیریت یک پورتفولیوی ساختاریافته با هم کار می کنند.

این ماژول ها شامل واحد تغذیه داده، واحد پالایش داده، واحد عامل پورتفولیو، واحد تجارت زنده و واحد به روز رسانی نماینده است.

اسکرین‌شات بررسی پیش‌چاپ ۲۰۲۳، هوانگ، تاناکا، «یک سیستم مبتنی بر یادگیری تقویت‌پذیر مقیاس‌پذیر با استفاده از داده‌های زنجیره‌ای برای مدیریت سبد ارزهای دیجیتال»

پس از توسعه، دانشمندان سه نمونه کار را برای آزمایش به CryptoRLPM اختصاص دادند. اولی فقط حاوی بیت کوین (BTC) و Storj (STORJ) است، دومی حاوی BTC و STORJ است و Bluzelle (BLZ) را اضافه می کند، و سومی شامل هر سه با Chainlink (LINK) است.

آزمایش‌ها در سه مرحله مختلف (آموزش، اعتبارسنجی، آزمون پس‌آزمون) از اکتبر 2020 تا سپتامبر 2022 انجام شد.

محققان CryptoRLPM را با ارزیابی‌های پایه عملکرد بازار استاندارد از طریق سه معیار مقایسه کردند: «نرخ بازده انباشته» (AAR)، «نرخ بازده روزانه» (DRR)، و «نسبت سورتینو» (SR).

AAR و DRR در یک نگاه اندازه گیری میزان از دست دادن یا به دست آوردن دارایی در یک دوره زمانی مشخص هستند، در حالی که SR بازده تعدیل شده با ریسک دارایی را اندازه گیری می کند.