Las criptomonedas han recorrido un largo camino desde que Bitcoin se anunció por primera vez a fines de 2008. En solo una década, el mercado se disparó de cero a unos $ 400 mil millones, y desde entonces se han lanzado otras 3.000 criptomonedas. Pero este éxito no ha estado exento de altibajos. Bitcoin solo ha fluctuado de casi $ 20,000 a menos de un centavo durante este tiempo. Se puede ganar mucho dinero en la criptomoneda, y perder mucho dinero. Afortunadamente para los inversores (y desarrolladores), la inteligencia artificial (AI) proporciona formas de navegar este mercado volátil.

Extraer valor del análisis del sentimiento.

Determinar el valor de las criptomonedas es complicado. A diferencia del mercado de valores convencional, el valor no se corresponde estrechamente con factores como el flujo de efectivo o los activos disponibles. En cambio, los inversores deben confiar en el sentimiento. Pero, ¿cómo le dan sentido a todo lo que se dice de manera oportuna? El desarrollador Teju Tadi cree que puede tener la respuesta.

La mayoría de los movimientos de precios en la criptomoneda pueden determinarse por el instinto de la manada, cuando las personas piensan y actúan de la misma manera que la mayoría de los que las rodean. En base a esto, Teju dice que el análisis de sentimiento de los titulares de noticias, publicaciones de Reddit y tweets es un buen indicador de la dirección de los movimientos de precios de la criptomoneda. Mediante el uso de redes tensoriales neuronales recursivas (RNTN), Teju ya está analizando el sentimiento de estos textos breves para desarrollar un robot de comercio de criptomoneda AI.

Redes tensoriales neuronales recursivas

Las RNTN evalúan la composición semántica del texto, que es vital para poder determinar con precisión el sentimiento a partir de un conjunto disperso de información como un tweet.

RNTNs analiza los datos en un árbol binario. Representaciones de vectores específicos se forman de todas las palabras y se representan como hojas. Desde abajo hacia arriba, estos vectores se convierten en los parámetros para optimizar y servir como entradas de características para un clasificador de softmax *. Los vectores se clasifican en cinco clases y se les asigna una puntuación.

“Cuando las similitudes se codifican entre dos palabras, los dos vectores se mueven a través de la siguiente raíz. Una puntuación y una clase se producen. Una puntuación representa la positividad o negatividad de un análisis, mientras que la clase codifica la estructura en los análisis actuales. El primer grupo de hojas recibe el análisis y luego la segunda hoja recibe la siguiente palabra. La puntuación del análisis con las tres palabras se envía y pasa al siguiente grupo raíz ", dice Teju.

"El proceso de recursión continúa hasta que se agotan todas las entradas, con cada palabra incluida. En aplicaciones prácticas, las RNTN son más complejas que esto. En lugar de utilizar la siguiente palabra inmediata en una oración para el siguiente grupo de hojas, una RNTN probaría todas las siguientes palabras y, finalmente, verificará los vectores que representan subparposes completos. "Realizando esto en cada paso del proceso recursivo, la RNTN puede analizar cada puntuación posible del análisis sintáctico".

La siguiente figura muestra cómo se analiza y analiza una oración utilizando un enfoque RNTN. Teju también explica el proceso en este video.

Figura 1: Ejemplo de puntuación del Stanford Treebank.

Tecnologías de apoyo

Como miembro de la Intel® AI Academy, Teju pudo usar el Intel® AI DevCloud para ejecutar las redes neuronales recurrentes y experimentar con los datos de Twitter para ver cómo funcionaban los modelos. Al ejecutarse en procesadores escalables Intel® Xeon®, el Intel AI DevCloud está precargado con marcos y herramientas para lanzar rápidamente proyectos de aprendizaje automático y aprendizaje profundo. Estos incluyen el framework neon ™, Intel® Optimization para Theano *, Intel® Optimization para TensorFlow *, Intel® Optimization para Caffe *, Intel® Distribution for Python * (incluidos NumPy, SciPy y scikit-learn *) y la biblioteca Keras * .

Si está considerando comenzar un proyecto de aprendizaje profundo, la sección Cómo comenzar con Intel AI DevCloud le dará una buena comprensión de los modelos disponibles y cómo iniciar el entrenamiento utilizando el AI DevCloud.

Oportunidades para desarrolladores

Teju ha establecido un negocio Mycointrac *, centrado en proporcionar inteligencia de mercado de criptomonedas. "Una vez que el producto esté completamente desarrollado", dijo, "planeo utilizar los datos proporcionados por él como uno de los factores para tomar decisiones de inversión clave para mi nuevo fondo de cobertura de criptomoneda, Sentience Investments LP, que ha estado operativo desde el primero de enero. . El plan es desarrollar estrategias comerciales basadas en una serie de técnicas de aprendizaje automático de alta frecuencia, así como en un profundo aprendizaje y análisis de sentimientos ".

Teju espera que las RNTN también lo ayuden a aprovechar otras oportunidades, como el arbitraje, la compra y venta simultáneas de un activo en diferentes mercados. El beneficio es la diferencia entre los dos precios de mercado.

El sector financiero ofrece muchas oportunidades excelentes para los desarrolladores que pueden utilizar AI para abordar algunos de sus desafíos más apremiantes. Por ejemplo, obtener consistentemente altos rendimientos de las inversiones en el mercado de valores.






Dejar respuesta

Please enter your comment!
Please enter your name here