Kunstmatige intelligentie (AI) verandert hoe er wordt gehandeld op de cryptomarkt en de traditionele markt. Maar vier vooraanstaande analisten zijn het erover eens: AI beloont vaardigheid in plaats van die te vervangen. Het voordeel bij AI in crypto trading ontstaat nog steeds door goede data en menselijk inzicht.
Charles Edwards van Capriole Investments en Julio Moreno van CryptoQuant noemen AI een versneller voor diepgaand onderzoek. Benjamin Cowen en Michael van de Poppe, die spraken op een ander panel, trekken dezelfde conclusie vanuit het perspectief van de handelaar.
Vier analisten, één conclusie
On-chain analyse en AI-tools zijn van een niche naar de standaard gegaan in crypto-onderzoek. Twee BeInCrypto-panels verzamelden vier analisten die deze tools dagelijks gebruiken.
Edwards richtte Capriole Investments op, een kwantitatief Bitcoin (BTC) hedgefonds. Moreno is hoofd Research bij CryptoQuant. Cowen en van de Poppe zijn bekende, onafhankelijke marktanalyse-experts.
Tijdens de Market Intelligence Council zei Edwards dat AI de kansen verschuift naar de mensen die het werk doen.
“Ik denk dat AI het speelveld juist interessanter maakt voor bepaalde mensen.”
Op een ander panel legde van de Poppe de limiet eenvoudig uit.
“Je wordt geen geweldige trader als je dat eerst al niet was, ook niet door AI.”
Waar AI nu al helpt
De duidelijkste voordelen zijn te zien bij routineonderzoek. AI zorgt ervoor dat taken die voorheen uren duurden, nu veel sneller gaan.
Edwards wees op snellere analyses als het belangrijkste voordeel.
“De beschikbare tools zijn veel krachtiger en met AI kan het allemaal veel sneller gedaan worden.”
Van de Poppe liet zien hoe toegankelijk het nu is. Hij bouwde een voorbeeld van een crypto portfolio met behulp van een chatbot en gratis datastromen. Tools zoals AI agents halen nu live marktdata binnen wanneer je wilt.
“Je kunt binnen vijf minuten een portfolio en dashboard met cryptocurrencies bouwen gewoon met gratis API’s.”
Snelheid is niet hetzelfde als vaardigheid. Van de Poppe merkte op dat zijn AI-portfolio belangrijke context miste.
“Het maakte niet een mandje van niet-gecorreleerde crypto’s… het hield geen rekening met macro-informatie.”
Hij zei dat menselijk oordeel dat gat vult.
“Daar komt menselijke kennis, ervaring en intuïtie binnen… Die heeft een AI-agent niet, of een LLM.”
Hij waarschuwde ook dat AI geen tovermiddel is. Dit gereedschap levert niet “een soort magie die een oneindige geldstroom creëert”. Die waarschuwing zien we vaker in de markt; weinig experts kiezen voor automatische bots zonder toezicht.
Moreno zei dat instituties data vertrouwen, maar het zelf ook blijven controleren.
“Ze vertrouwen het, maar ze verifiëren heel veel en houden continu in de gaten of de data bruikbaar blijft.”
Binnen de modellen
Professionele fondsen zien AI als basis, niet als glazen bol. Edwards bouwde zijn bedrijf op grote, geteste modellen.
“Wij bouwen honderden metrieken en gebruiken daarnaast honderden andere databronnen om uitgebreide modellen neer te zetten… Door jarenlang onchain technische analyses en macrodata te combineren bouwen we trading modellen.”
Capriole’s Macro Index volgt deze manier. Het bedrijf combineert meer dan 60 on-chain, macro- en aandelen-metrieken tot één machine learning-model. De meeste dataplatforms bieden duizenden metrieken, maar modellen hebben alsnog zorgvuldige selectie nodig.
Cowen is bezig zijn eigen bot vanaf de basis op te bouwen.
“Op dit moment doet de bot vooral dingen herhalen die ik zeg. Het is bijna een AI-versie van mijzelf.”
Hij voorkomt dat het model leert van slechte AI-content, zodat de kwaliteit niet achteruitgaat.
“Ik wil niet dat het AI-rommel gebruikt die er al is om nog meer AI-rommel te maken.”
Van de Poppe beheert zijn fonds op dezelfde manier. AI schrijft de basis van zijn handelsalgoritmes, maar een mens blijft bijsturen, anders blijft het “werken aan dingen die niet goed zijn voor je systeem.”
De data achter de modellen
Elk model is afhankelijk van de data eronder. Moreno gaf het duidelijkste voorbeeld van een data-voordeel.
“Ze handelen bijvoorbeeld in mining-aandelen, terwijl jij op je kwartaalrapport wacht. Jij volgt in realtime wat ze aan het minen zijn.”
De network-hashrate geeft zo’n realtime signaal. Het laat zien hoeveel rekenkracht miners elke dag aan Bitcoin toewijzen.
Dezelfde aanpak geldt voor aandelenbeurzen. Bitcoin miner aandelen krijgen meer aandacht doordat AI-infrastructuuruitgaven toenemen. Julio Moreno vult aan:
“Sommige crypto-exchanges zijn ook begonnen met handelen op de aandelenbeurs en zo kun je het handelsvolume volgen om de inkomsten te beoordelen.”
Cowen gaf aan dat de kwaliteit van data het resultaat bepaalt. Hij vindt data van voor het AI-tijdperk belangrijk.
“Data van vóór 2022 is op sommige manieren echt heel waardevol, omdat dat data is van voordat alle AI-dingen er waren.”
Voor instituties en retail-handelaren geldt dezelfde les. AI versnelt het werk en vergroot de toegang, maar het voordeel ligt bij partijen met schone data en het inzicht om het model te sturen. Naarmate meer mensen dit gaan gebruiken, wordt goed oordeel de echte onderscheidende factor.