بله، می‌شود از کریپتوبات‌ها یا همان ربات‌های معامله‌گر بازار رمزارز پول درآورد اما همیشه یک اما اگری هست، حتی برای ربات‌ها!
رمزارزها نوع جدیدی از دارایی دیجیتال هستند که در چند سال اخیر، ارزش آن‌ها رشد چشم‌گیری داشته است. سرمایه‌گذاری در رمزارزها می‌تواند سودده باشد البته اگر راه و چاه آن را بدانید. انگار بند ناف این بازارها را با نوسان بریده‌اند و پیش‌بینی آن‌چه در لحظه‌ی بعد رخ خواهد داد بسیار دشوار است و همیشه ریسک از دست دادن همه چیز در یک شب وجود دارد. AI (هوش مصنوعی) می‌تواند در این مسئله به ما کمک کند. درواقع شما با استفاده از AI تصمیم‌های هوشمندانه‌تری برای خرید یا فروش می‌گیرید و همزمان که ریسک را برای وارد شدن در یک معامله کم می‌کنید، شانس رسیدن به سود را هم بیشتر می‌کنید. یک کریپتوبات می‌تواند به جای شما وارد یک معامله شود یا از آن خارج شود و معامله‌های شما را خودکار می‌کند. بعضی از معامله‌گران با استفاده از این ربات‌های معامله‌گر خودکار، نسبت به حالتی که فقط به صورت دستی معامله می‌کنند، سود بیشتری به دست می‌آورند، اما این سود بیشتر به این بستگی دارد که:
- از چه استراتژی‌هایی برای خرید و فروش استفاده می‌کنند
- چه مقدار سرمایه دارند و چقدر را به کریپتوبات اختصاص می‌دهند
- چقدر زمان صرف تنظیمات کریپتوبات برای خرید و فروش می‌کنند
معاملات الگوریتمی (که به الگو-تریدینگ هم معروف هستند) مدلی از معاملات هستند که از الگوریتم برای ورود به بازار و خروج از آن استفاده می‌کنند؛ به این شکل که الگوریتم‌ها و قوانینی برای ثبت خرید و فروش در یک برنامه‌ی کامپیوتری تعریف می‌شوند و برنامه بر اساس آن‌ها برای ورود به بازار و یا خروج از آن تصمیم می‌گیرد و سپس معامله را اجرا می‌کند. بات‌ها یا اتومیشن‌ها در اصل مانند یک عامل (agent) خرید و فروش برای این برنامه‌ها عمل می‌کنند، اما به طور کلی وقتی از بات صحبت می‌کنیم، منظورمان عملکرد برنامه و عامل در کنار همدیگر است.
بر اساس گزارش سایت Mordor Inteligence حدود ۶۰ تا ۷۳ درصد از معامله‌های بازار سهام آمریکا با الگو-تریدینگ انجام می‌شود. به نظر هیچ مرجع مشخص و معتبری وجود ندارد که میزان مشارکت بات‌ها در بازار رمزارزها را نشان بدهد اما شایعاتی هست که حتی بیشتر از ۷۰ درصد معامله‌ها را بات‌ها انجام می‌دهند. البته با یک حساب سرانگشتی، می‌شود گفت که اگر بیشتر از ۷۰ درصد نباشد، احتمالاً کمتر هم نیست. موارد زیادی هست که می‌تواند به این فرضیه اعتبار بدهد. مثلاً اینکه بازار رمزارز برعکس بازار سهام در تمام روزهای هفته و بیست و چهار ساعته باز است که محیط مناسبی برای ربات‌هایی است که خواب و خوراک ندارند و یا اینکه کاربران صرافی‌های حوزه‌ی رمزارز، معمولاً می‌توانند با استفاده از API، خارج از پلتفرم صرافی‌ها معامله کنند و یا هر گونه اطلاعات لازم در خصوص قیمت‌ها و معامله‌های جاری را به دست بیاورند و البته که ربات‌ها برعکس انسان‌ها عاشق ارتباط با API هستند!
برنامه‌های پشت صحنه‌ی بات‌ها را می‌توان در سه گروه در نظر گرفت:
گروه اول - یک انسان واقعی به عنوان ناظر:
بات‌های این گروه، دستورهای یک معامله‌گر واقعی را دنبال می‌کنند. مثلاً در "eToro" بعد از اینکه یک معامله‌گر (در اینجا یک معامله‌گر حرفه‌ای در بازار مالی) پوزیشن خودش را باز می‌کند، بات‌های دنبال کنندگان او به کار می‌افتند و شروع به خرید یا فروش می‌کنند.
گروه دوم - سیگنال‌های بر اساس قاعده و قانون:
یک قاعده‌ی مشخص باعث ایجاد سیگنال خرید یا فروش در بازار می شود. این قوانین می‌توانند خیلی پیچیده و یا خیلی ساده باشند. معمولاً در این مواقع برنامه‌ای در پس‌زمینه فعال است که استراتژی خاصی را دنبال می‌کند. همین‌جاست که سروکله‌ی معاملات الگوریتمی (الگو-تریدینگ) هم پیدا می‌شود. استراتژی‌های فراوان و قابل توجهی برای الگو-تریدینگ‌ها استفاده می‌شود؛ مثلاً آربیتراژ (arbitrage) و بازگشت به میانگین (mean reversion). همه‌ی این استراتژی‌ها بر اساس یک سری فرمول و قانون کار می‌کنند. معمولاً چالش اصلی برای استفاده از این استراتژی‌ها، به‌روز نگه داشتن و سودده نگه داشتن آن‌ها است. اگر یک قانون برای خرید یا فروش پیدا کردید که کار می‌کند و برای شما سودده است، هیچ تضمینی وجود ندارد که این قانون همیشه کار کند. برای اینکه سود را متعادل نگه دارید باید به صورت مداوم قانون‌های خرید و فروش را بر اساس شرایط مختلف بازار تغییر دهید.
پیش از این بانک‌ها و شرکت‌های بزرگ بوده‌اند که بیشتر از الگو-تریدینگ استفاده می‌کردند اما به تازگی پلتفرم‌هایی مانند «cryptohopper» و «3commas» به معامله‌گران و کاربران عادی هم اجازه‌ی تعریف و ایجاد استراتژی معاملاتی می‌دهند. قوانین نسبتاً محدود این پلتفرم‌ها، گاهی تعریف استراتژی را برای کاربران دشوار می‌کند. از طرف دیگر ساز و کاری وجود ندارد که بتوان استراتژی تعریف‌شده را همیشه سرحال و شاداب و سودده نگه داشت. در نهایت این مشکلات باعث می‌شوند که خیلی از اوقات یک بات سودده با گذشت زمان به یک بات ضرر‌ده تبدیل شود. در حال حاضر روش‌های جدیدی مبتنی بر یادگیری ماشین در حال توسعه هستند تا این مشکلات و محدودیت‌ها را پشت‌سر بگذارند.
گروه سوم - سیگنال‌های مبتنی بر مدل‌های یادگیری ماشینی:
وقتی از ML (یادگیری ماشینی) استفاده می‌کنید سیگنال خرید یا فروش از سمت یک مدل می‌آید و بات‌ها را برای گذاشتن سفارش فعال می‌کند. در مدل‌های ML دو مشکل اساسی یعنی پیدا کردن قانون مناسب و نگهداری الگوریتم می‌تواند حل بشود. در وب‌سایت 1des.com به جز رفع این مشکل‌ها، یک مدل ML دیگر هم بر روی معامله‌های باز نظارت می‌کند. البته که معامله با ML هم چالش‌هایی دارد. از آنجایی که یادگیری ماشینی پدیده‌ی نسبتاً نوظهوری است، هنوز بیشتر مدل‌های ML در مرحله‌ی آزمایشی هستند و در عین حال باید خیلی سریع هم توسعه پیدا کنند. خیلی کار باید انجام داد و زمان هم خیلی سریع می‌گذرد. درواقع سرعت ابداع در دنیا از سرعت پیاده‌سازی درست و دقیق بیشتر است.
نتیجه گیری:
- بات‌ها مانند کارگزاری هستند که سفارش خرید و فروش شما را از طرف شما در بازار مالی ثبت می‌کنند.
- بیشتر اوقات یک برنامه‌ای در پس‌زمینه کار می‌کند که باعث فعال شدن بات‌ها برای معامله می‌شود.
- یک استراتژی که به خوبی طراحی شده باشد و به صورت مداوم به‌روز و نگهداری شود می‌تواند سودده باشد.
- روش‌های مدرن یادگیری ماشینی می‌توانند به صورت خودکار مدل مناسب را پیدا کنند و همچنین سریع‌تر و راحت‌تر از مدل پیداشده نگهداری کنند. علاوه بر این مزایای بسیاری نسبت به مدل‌هایی مبتنی بر قاعده و قانون دارند.
این مطلب ترجمه‌ی مقاله‌ی زیر است: https://1des.com/blog/posts/is-it-possible-to-make-money-with-a-crypto-bot
چندین مقاله‌ی دیگر با عنوان «How to design a machine learning trading bot» هست که نشان می‌دهد چگونه می‌توان از ML برای معامله در بازار مالی استفاده کرد. سعی می‌کنیم در آینده تمام بخش‌ها را به فارسی برگردانیم.