Традиционные финансы уже давно стали золотым стандартом принятия решений на основе данных. Аналитики могут войти в Bloomberg или FactSet и мгновенно получить доступ к десятилетиям тщательно подобранных стандартизированных данных. Такое богатство структур позволяет осуществлять высокоточную аналитику и моделирование рисков, которые составляют основу мировых финансовых рынков.
Криптовалюта, напротив, тонет в необработанных данных, но жаждет понимания. Каждая транзакция, контракт и движение средств публичны и неизменны, однако наша способность интерпретировать это море информации остается примитивной. Ирония сурова: у нас больше прозрачности, чем у любой финансовой системы в истории, но меньше понимания того, что все это означает.
Но такое положение дел не будет длиться вечно. С помощью искусственного интеллекта криптовалюта может догнать аналитическую сложность TradFi и даже полностью обойти ее.
Причина, по которой аналитика TradFi работает так хорошо, — это стандартизация. Каждая публичная компания следует единым принципам бухгалтерского учета — GAAP или МСФО — и должна подавать регулярные проверенные отчеты. Такое единообразие позволяет таким инструментам, как Bloomberg, Refinitiv и S&P Capital IQ, легко интегрировать и сравнивать данные. Аналитик может составить список десяти банков и оценить их балансы, коэффициенты достаточности капитала и подверженность рискам, будучи уверенным, что основные показатели означают примерно одно и то же для всех фирм.
Крипто, напротив, работает в хаосе. Каждый блокчейн использует свою собственную структуру транзакций, формат временных меток и схему метаданных. Даже в рамках децентрализованных финансов такие протоколы, как Aave, Compound и Morpho, отслеживают данные о кредитовании и залоге несовместимыми способами. Попытка агрегировать эти наборы данных часто означает написание собственного кода, создание специальных конвейеров ETL и ручную очистку данных только для того, чтобы сделать их сопоставимыми.
Кроме того, временной горизонт криптовалюты короток. Наборы данных TradFi рассчитаны на десятилетия и предоставляют богатый исторический контекст для анализа тенденций и стресс-тестирования. Во многих случаях протоколам DeFi едва исполнилось пять лет. Без долгосрочных данных любой тип моделирования остается скорее искусством, чем наукой.
Тогда есть проблема шума. В TradFi цены и фундаментальные показатели основаны на денежных потоках и проверенных доходах. В криптовалюте сигнал часто заглушается циклами ажиотажа и спекулятивным поведением. Скачок комиссий за газ в Ethereum (ETH) может указывать на чеканку NFT, арбитражную торговлю или безумие мем-монет. Без более глубокого контекстного анализа практически невозможно определить, какие именно.
По иронии судьбы, те же качества, которые делают криптоданные запутанными, также делают их революционными. В отличие от традиционных финансов, где большая часть данных хранится в собственных базах данных или откладывается, данные блокчейна открыты. Каждый баланс кошелька, транзакция и взаимодействие со смарт-контрактом общедоступны и машиночитаемы.
Именно здесь модели ИИ могут изменить игру, поскольку они могут напрямую обучаться на необработанных данных в цепочке. Например, графовые нейронные сети могут отображать взаимодействия кошельков и обнаруживать возникающие торговые кластеры, а большие языковые модели, точно настроенные на журналах блокчейна, могут интерпретировать намерения транзакций или отмечать подозрительное поведение контрактов.
Система искусственного интеллекта могла бы отслеживать потоки ликвидности через децентрализованные биржи, кредитные протоколы и мосты, выявляя закономерности, невидимые для аналитиков-людей. Например, он может обнаружить ротацию капитала или скоординированную торговую деятельность за несколько дней до того, как она повлияет на рыночные цены, предлагая таким образом прогнозную информацию, о которой аналитики TradFi, зависящие от квартальных отчетов, могли только мечтать.
Более того, ИИ процветает в средах с непрерывными данными. Криптовалютные рынки никогда не закрываются, и каждую секунду генерируется новая информация в цепочке. Модели искусственного интеллекта могут обнаруживать кризисы ликвидности, прогнозировать результаты управления или перебалансировать портфели в режиме реального времени, даже когда вы спите. Автономный агент может даже спрогнозировать, какой блокчейн столкнется с оттоком стейблкоинов за несколько часов до того, как он произойдет, основываясь исключительно на динамике потока транзакций. TradFi, напротив, движется ледниковыми темпами.
Общие открытые данные Crypto также позволяют добиться чего-то беспрецедентного: совместного построения моделей, управляемых сообществом. Открытый «ChainGPT», обученный на наборах данных с несколькими цепочками, может учиться коллективно, совершенствуясь по мере того, как все больше людей и систем вносят новые идеи. На традиционных рынках хранилища данных препятствуют использованию такого рода сетевого интеллекта. Даже фирмы, занимающиеся высокочастотной торговлей, работают в огороженных садах собственных данных.
Представьте себе хедж-фонд с искусственным интеллектом, модели которого постоянно анализируют внутрисетевую активность, распределяют капитал на основе изменений ликвидности и автоматически оптимизируют стратегии доходности. Подобная автоматизация с замкнутым циклом очень сложна в TradFi, где трудности с хранением и фрагментированная инфраструктура ограничивают выполнение в реальном времени. Но в криптовалюте, где активы программируются, а рынки работают круглосуточно, 7 дней в неделю, это лишь вопрос времени.
Платформы криптоаналитики первого поколения — Nansen, Arkham, Dune, DefiLlama — помогли инвесторам визуализировать то, что происходит в сети. Следующее поколение, основанное на искусственном интеллекте, поможет им понять, почему это происходит и что будет дальше. Последнее поколение, возможно, вообще не будет нуждаться в людях-аналитиках.
