این معامله‌گر Polymarket با استفاده از هوش مصنوعی در 60 روز 2.2 میلیون دلار کسب کرد – این برای بازارهای پیش‌بینی چه معنایی دارد

در اینجا نحوه کسب 2.2 میلیون دلار توسط یک معامله‌گر مبتنی بر هوش مصنوعی در Polymarket با استفاده از مدل‌های داده، اتوماسیون و استراتژی‌های معاملاتی مبتنی بر احتمال آمده است.

یک معامله‌گر با استفاده از هوش مصنوعی توانست پس از کسب 2.2 میلیون دلار در حدود دو ماه، Polymarket را شگفت‌زده کند. 

این حساب با نام مستعار ilovecircle، بر اساس گزارش‌ها، به جای غریزه از مدل‌های داده برای انجام معاملات استفاده کرد. 

این داستان اکنون نشان می‌دهد که چگونه بازارهای پیش‌بینی به جای توانایی "حدس زدن" نتایج آینده، اتوماسیون و سرعت را پاداش می‌دهند.

چگونه استراتژی معاملاتی هوش مصنوعی در Polymarket کار کرد

برای درک بهتر، Polymarket به کاربران اجازه می‌دهد بر روی نتایج آینده معامله کنند و هر بازار نشان‌دهنده یک سوال با پاسخ بله یا خیر است. 

سهام یک دلار پرداخت می‌کنند اگر نتیجه اتفاق بیفتد و صفر اگر شکست بخورد. به این ترتیب، قیمت‌ها باور بازار را نشان می‌دهند.

معامله‌گر مورد نظر با Polymarket مانند یک محل معاملاتی کمی برخورد کرد و از قضاوت انسانی کم یا بدون استفاده کرد. در عوض، الگوریتم‌ها تقریباً تمام مراحل را مدیریت کردند.

معامله‌گر از هوش مصنوعی برای نوشتن کد، ردیابی داده‌ها و انجام معاملات استفاده کرد تا رویدادهایی را پیدا کند که در آن‌ها قیمت‌های بازار نتوانسته بودند شانس واقعی را منعکس کنند.

سیستم بر بازارهای با قیمت‌گذاری نادرست تمرکز داشت. وقتی قیمت‌ها از واقعیت فاصله می‌گرفتند، ربات عمل می‌کرد و از شکاف‌ها بهره می‌برد.

مطالب مرتبط: Polymarket با تسریع توسعه کریپتو به دنبال ارزش‌گذاری 12 میلیارد دلاری است

Claude به ساخت سیستم معاملاتی کمک کرد

معامله‌گر از Claude AI شرکت Anthropic به عنوان شریک کدنویسی استفاده کرد و این انتخاب مقیاس عملیات را تغییر داد.

Claude به تولید اسکریپت‌های Python که به API Polymarket متصل می‌شدند کمک کرد. این اسکریپت‌ها احراز هویت، داده‌های قیمت‌گذاری و اجرای معاملات را مدیریت می‌کردند.

اشکال‌زدایی سریع‌تر انجام شد زیرا هوش مصنوعی به رفع خطاها در زمان واقعی کمک کرد. این مدل همچنین منطق اجرای خود را از طریق تکرار مداوم بهبود بخشید.

ساخت چنین سیستمی زمانی نیاز به یک تیم کامل مهندسی داشت. با این حال، اکنون یک نفر می‌توانست آن را تنها با استفاده از ابزارهای هوش مصنوعی مدیریت کند.

معامله‌گر همچنین یک داشبورد برای نظارت بر حساب‌های بزرگ ساخت. این به آن‌ها امکان واکنش سریع به فعالیت نهنگ‌ها را می‌داد.

منابع اطلاعات موتور تصمیم‌گیری را تامین کردند

ربات به بیش از شانس‌های Polymarket اتکا داشت و داده‌ها را از کانال‌های متعددی دریافت می‌کرد.

معامله‌گر از فیدهای خبری و احساسات رسانه‌های اجتماعی برای به‌روزرسانی سیستم با پیشرفت رویدادها استفاده کرد، و فعالیت آن‌چین نشان می‌داد معامله‌گران بزرگ چگونه رفتار می‌کنند.

آن‌ها همچنین از ردیاب‌های قانون‌گذاری برای نظارت بر پیشرفت لوایح در کنار جریان‌های داده ورزشی که امتیازها و مصدومیت‌های به‌روز شده را ارائه می‌دادند، استفاده کردند. 

هر منبع به یک مدل واحد وارد می‌شد که سیگنال‌های دنیای واقعی را با قیمت‌های بازار مقایسه می‌کرد.

مدل‌سازی احتمال جایگزین احساسات درونی شد

معامله‌گر همچنین به ریاضیات احتمال که دو عدد را مقایسه می‌کرد، متکی بود.

عدد اول از قیمت‌های Polymarket می‌آمد، با قیمت سهام در 0.60 که نشان‌دهنده شانس 60 درصدی بود.

عدد دوم از مدل هوش مصنوعی می‌آمد که احتمال را بر اساس داده‌های زنده محاسبه می‌کرد.

اگر مدل شانس 75 درصدی را تخمین می‌زد در حالی که بازار 60 درصد را نشان می‌داد، معامله منطقی بود و احتمالاً مثبت بود.

این منطق هزاران بار تکرار شد و ضررهای فردی کمتر از نتایج کلی اهمیت داشت.

گزارش‌ها همچنین نشان می‌دهند که سیستم حدود 74 درصد دقت را در معاملات در بازارهایی مانند ورزش، رویدادهای کریپتو و نتایج سیاسی به دست آورد.

به طور کلی، این داستان نشان می‌دهد که چگونه ابزارهایی که زمانی برای استفاده نهادی محفوظ بودند، اکنون در دسترس افراد هستند. هوش مصنوعی موانع ورود را کاهش می‌دهد و مهارت‌های کدنویسی ممکن است اکنون بیشتر از شهود اهمیت داشته باشند.

پست این معامله‌گر Polymarket با استفاده از هوش مصنوعی در 60 روز 2.2 میلیون دلار به دست آورد – این برای بازارهای پیش‌بینی چه معنایی دارد ابتدا در Live Bitcoin News منتشر شد.