Đại lý AI thực sự có lãi bằng cách đầu cơ vào tiền xu: 100 U biến thành 200.000 U sau 8 ngày

Gần đây, hệ thống giao dịch Đại lý AI "Lana" đã trở nên phổ biến. Chỉ mất 8 ngày để chuyển đổi 100 U thành 200.000 U. Tính đến ngày 16 tháng 4, tổng số dư tài khoản đã vượt quá 250.000 U.

Theo tác giả Lana (@lanaaielsa), lý do xây dựng hệ thống giao dịch này rất đơn giản.

Trong thị trường giá lên BSC vào tháng 10 năm ngoái, một người bạn xung quanh anh ấy đã đầu tư 100.000 U để theo đuổi câu chuyện làm giàu, và cuối cùng mất gần như toàn bộ số tiền đó trong thời gian thị trường thoái lui. 10.000 U cuối cùng được chuyển vào chuỗi để tiếp tục giao dịch cũng đều trở về 0 và sau đó thoát khỏi thị trường. Khi cuộc thảo luận về tiền thay thế đã diễn ra gần đây, ông đánh giá rằng nó có thể bước vào một giai đoạn thị trường tạo lập thị trường (MM) mới. Vì không quen với giao dịch thứ cấp và phân tích K-line nên anh đã chọn xây dựng hệ thống giao dịch với sự trợ giúp của AI: Yêu cầu Claude viết kịch bản, nắm bắt các bài đăng nóng của Binance Square và các loại tiền tệ được thảo luận thường xuyên, đồng thời kết hợp danh sách tăng giá để sàng lọc các mục tiêu giao dịch biến động. Hệ thống ban đầu áp dụng mức dừng lỗ 20%, sau đó tối ưu hóa nó thành mức lỗ cố định là mức dừng lỗ 200 U và chỉ đi theo xu hướng theo một hướng duy nhất. Đồng thời, Lana cũng chịu trách nhiệm công bố hồ sơ giao dịch của công ty trên Binance Square, tạo ảnh chụp màn hình doanh thu và tài khoản vận hành.

Có vẻ đơn giản. Nhưng tôi đã nghiên cứu kỹ và thấy rằngLana không chỉ là một tập lệnh đặt lệnh tự động đơn giản mà còn là một hệ điều hành có logic giao dịch riêng.

La Na kinh doanh và đạt được lợi nhuận như thế nào?

1. Có logic lựa chọn giá thầu nghiêm ngặt

Từ hồ sơ giao dịch, Lana không dự đoán các điều kiện thị trường mà chỉ theo dõi chúng, tức là thị trường có xu hướng, tập trung vào việc nắm bắt các loại tiền tệ đã được tung ra. Các mục tiêu liên quan bao gồm: Binance Life, RAVE, ORDI, BASED, TRUMP, SIREN, 1000SATS, 1000RATS, EIGEN, PIXEL, EDGE, BAN, ASTER, AIA, FIGHT, GENIUS, CL, BTC, GIGGLE, HYPE, BLESS, PUMP, HEMI, CFX.

Tiêu chí sàng lọc có thể được chia đại khái thành ba cấp độ:

Đầu tiên là mức dư luận. Lana sẽ nắm bắt số lượng bài viết, tần suất thảo luận và chiều hướng cảm xúc của Binance Square để tìm kiếm những loại tiền tệ được nhắc đến nhiều lần trong thời gian ngắn.

Thứ hai là lớp giá. Chỉ khi các loại tiền tệ được lớp dư luận lọc ra đồng thời xuất hiện trong danh sách tăng và có những biến động đáng kể thì việc sàng lọc tiếp theo mới được kích hoạt. Bằng chứng là xác suất xảy ra một thị trường xu hướng.

Cuối cùng, bằng cách quan sát các thay đổi về OI (vị trí), chúng tôi sàng lọc các loại tiền tệ có "vị thế tăng nhưng giá chưa phản ánh đầy đủ" để xác định xem có đủ kinh phí để triển khai sớm hay không.

2. Có các tiêu chuẩn dừng lỗ rõ ràng

Trong những ngày đầu hoạt động của Lana, mức dừng lỗ cố định 20% đã được áp dụng và sau đó được tối ưu hóa thành "Số tiền lỗ cố định", tức là, bất kể quy mô của vị thế, mức lỗ tối đa của mỗi giao dịch được kiểm soát ở mức khoảng 200 U.

Đánh giá từ lịch sử giao dịch, hầu hết các khoản lỗ đều tập trung ở phạm vi này. Nhưng cũng có những lệnh vượt quá tiêu chuẩn dừng lỗ. Ví dụ, GENIUS từng có khoản lỗ thả nổi hơn 6880 U nhưng vẫn chưa đóng vị thế. Lana giải thích: "Vì GENIUS là một loại tiền tệ mới nên sự biến động của loại tiền mới tương đối lớn nên mức dừng lỗ rất rộng được đặt ra. Trong giai đoạn đầu, đòn bẩy thường là 500 U tương ứng với 200. Sau này, khi vị thế trở nên lớn hơn, nó bắt đầu mở 10k hoặc 25k. Đối với các vị trí, số tiền dừng lỗ tương ứng sẽ cao hơn."

3. Có một tiêu chuẩn chốt lời linh hoạt

Không giống như lệnh dừng lỗ, hệ thống này không đặt điểm chốt lời cố định. Nó chủ yếu xác định xem có nên tiếp tục giữ vững thông qua đánh giá định kỳ hay không, chẳng hạn như đánh giá lại xác suất tăng và giảm của mục tiêu hiện tại theo định kỳ. Có thể hiểu là nó liên tục đặt ra câu hỏi: Nếu bây giờ tôi không có vị thế thì liệu tôi có còn mua nó không?

Đánh giá từ dữ liệu lịch sử của các giao dịch, phần lớn lợi nhuận tập trung ở một số loại tiền tệ, chẳng hạn như "Binance Life", "RAVE", "ORDI", v.v., trong khi hầu hết các giao dịch khác đều kết thúc với khoản lỗ nhỏ hoặc lợi nhuận nhỏ.

Bạn có tìm thấy nó không? Lana không kiếm tiền trên mỗi lệnh mà kiếm tiền trên một số lượng nhỏ lệnh để kiếm được lợi nhuận khổng lồ và phần lớn các lệnh đều có lệnh dừng lỗ nghiêm ngặt.

Huấn luyện La Na như thế nào? Phương pháp này có thể tái sử dụng được không?

1. Dữ liệu cung cấp tạo nên xu hướng

Nguyên mẫu chiến lược ban đầu của hệ thống này xuất phát từ quan sát của Lana về hành vi của một số ví trên Hyperliquid nhằm duy trì khả năng sinh lời ổn định lâu dài. Do đó, một trong những dữ liệu quan trọng nhất được cung cấp cho AI là hành vi giao dịch từ ví thông minh trên Hyperliquid, cho phép AI học cách kiếm tiền thông qua các giao dịch một cách có hệ thống. Đồng thời, AI sẽ được cung cấp một số chỉ số hợp đồng cơ bản và một số dữ liệu trên chuỗi. Cho phép AI hình thành khuôn khổ riêng bằng cách hiểu hoạt động của các ví này.

Tất nhiên, ngoài dữ liệu hành vi trên chuỗi, hệ thống cũng sẽ liên tục thu thập dư luận và dữ liệu thị trường dưới dạng bổ sung:

• Mật độ thảo luận và nội dung hấp dẫn của Binance Plaza;
• Danh sách tăng trưởng và biến động giá cả;
• Những thay đổi về OI và các chỉ số hợp đồng cơ bản khác.

2. Khung thiết lập và sửa đổi đối thoại

Sau khi để AI học các kỹ thuật vận hành cơ bản, bước tiếp theo không phải là thu thập thêm thông tin mà là cách sàng lọc và hạn chế thông tin này, tức là thiết lập một khuôn khổ ra quyết định rõ ràng cho AI.

Đánh giá từ cách sử dụng, logic phán đoán của hệ thống này không được thiết lập một lần và mãi mãi mà có nhiều khả năng được cắt tỉa và hình thành dần dần thông qua hoạt động và phản hồi liên tục. Trong giai đoạn đầu, AI có thể đưa ra phán đoán dựa trên một tín hiệu duy nhất, chẳng hạn như nhầm nhiệt độ ngắn hạn với tín hiệu xu hướng hoặc thường xuyên chuyển hướng. Tuy nhiên, với việc sử dụng ngày càng sâu hơn, những thành kiến ​​này dần dần được sửa chữa, do đó các quyết định của nó dần dần tập trung vào phạm vi phù hợp hơn với kỳ vọng chiến lược.

3. Sự chắt lọc hành vi quyết định phong cách giao dịch

Sau khi hoàn thành việc thiết lập khung dữ liệu đầu vào và ra quyết định, hệ thống này không dừng ở mức "phán đoán tiêu chuẩn hóa" mà tiếp tục giới thiệu sự chắt lọc hành vi cá nhân. Người điều hành đưa các tweet của chính mình và của một số blogger khác trên X vào hệ thống,cho phép AI học các cách diễn đạt cụ thể. Để AI không còn là cỗ máy buôn bán lạnh lùng, ít nhất về mặt thể hiện sẽ nhân văn hơn.

Nếu bạn tách toàn bộ quá trình ra, nó giống như "tạo ra một con người" hơn.

Từ việc cung cấp dữ liệu ban đầu để xây dựng bộ xương, hãy để nó hiểu những gì đang diễn ra trên thị trường; hình thành một cấu trúc thông qua việc điều chỉnh và hạn chế liên tục để nó có ranh giới phán đoán ổn định; đến chắt lọc hành vi để điền vào các chi tiết, để dần dần nó có con đường ra quyết định và sở thích gần gũi với con người.

Thứ cuối cùng đã được hình thành không còn chỉ là một công cụ thực thi mà là một "Lana" có thể tiếp tục đưa ra những lựa chọn nhất quán trong các thị trường phức tạp.

Nó không dựa vào cảm xúc cũng như không theo đuổi những dự đoán. Thay vào đó, nó sử dụng một tập hợp các phương pháp đã được xác minh nhiều lần để tham gia vào thị trường và khuếch đại kết quả.