AI 辅助逃顶是不是玄学？我们和一位 AI 策略基金经理聊了聊

整理：Peng SUN，Foresight News

「2022 年初成功逃顶，年底成功抄底，在比特币只有 2 万多美元的时候就坚定看到 4 万以上。」作为一个天天猜不准涨跌的加密货币市场中的「赌狗」，笔者在看到这些战绩的时候不免有些眼红。

但事实上，这些判断并非由人给出，而是人工智能基于数据给出的决策。

与大多数投入 Web3 行业的从业者一样，Everest Link Capital AI 策略基金经理 Xin Liu 也是在第一次听闻了比特币的故事之后就产生了浓厚的兴趣，但她的专业更多的是在研究市场。

就像「阿尔法狗」战胜了人类围棋大师一样，AI 通过大量的数据分析与学习，能够丝毫不带有情绪地执行交易策略，并且能在 K 线的蛛丝马迹中寻找到可能人类无法发现的线索。正如 Xin Liu 所说：

「你认为涨跌只是市场买卖力量的博弈，但 AI 能看到更高维的东西。」

Foresight News：目前的团队成员都有怎样的背景，从什么时候开始进行加密货币的交易，为何选择了加密货币作为投资标的？

Xin Liu：我是从 2016 年开始加入到区块链行业中的，也是从那时开始研发「夜航星」AI 深度学习模型，迄今已经有 7 年的时间，模型主要应用于加密货币和股票市场，穿越了多轮牛熊，也经历了很多极端黑天鹅行情。

2016 年的加密货币，或者说比特币还是被排斥在主流金融之外的，因为我自己是资产管理出身，我在做资产配置的过程中正在寻找一些另类资产希望能够降低组合的整体风险。2016 年在张江高科地铁站的 IC 咖啡馆第一次深入的听比特币的介绍，我对于去中心化和激励这两个点是非常认可的。

为什么我这样一个在传统金融体系成长起来的人会这么快接受去中心化呢？因为我有一个特别的经历是在老东家路透社做宏观经济研究的时候，我曾经白手起家建立了中国第一个固定收益交易员自发组成的去中心化社区，所以我深刻明了去中心化蕴含的巨大能量和激励的重要性。

于是我 2017 年 8 月 14 日在《华尔街见闻》上写了一篇研究文章，研究用 5% 的资产投资比特币后对整个资产组合的积极影响。后来资产管理界的大神，Black Rock 的首席策略官 Andrew Ang 在 2022 年《Asset Asset Allocation with Crypto: Application of Preferences for Positive Skewness》中阐述了同样的观点。

Foresight News：在选择具体的交易标的的时候有怎样的标准？

Xin Liu：事实上我对于赛道的选择是非常 open 的，这个市场最大的特点就是创新非常快，也正是因为创新快给它带来的巨大的生命力。Open 体现在于减少先入为主的成见，尽量在高胜率和高安全系数的前提下接纳更多的创新，一般只要某个品种（无论是「古典派」还是「土狗派」）出现了具备一定规模的共识，我都不会放过都会去研究一下。一个东西它有很多人支持，喜欢，不管它看起来是芭蕾舞还是二人转，一定有它独到的满足人性的地方，存在即合理。

另外，它必须要有可持续性延展的激励机制，我很看重激励这个点，而且激励机制不要复杂，简单明了点燃个体欲望的，我会更加认可。你可以看到成功的项目无论是公链还是生态内的应用都是这样的特点：众人拾柴火焰高，尤其在 web3.0 的世界里你得有能点燃每个个体内心的火焰的机制。

所以你可以看到我的兼容性是很强的，那对于风险高的创新品种，为什么我们能涉猎的这样广泛呢？因为 AI 深度学习提供了对于价格趋势的精准把控，这极大提高了接纳创新的胜率和安全系数。比如现在我们正在研发的创新策略，利用 AI 深度学习模型去寻找铭文和 meme 的机会。虽然最近铭文大火，但是实操者也不得不面临 1）mint 的铭文项目不成功的风险 2）mint 过程中高昂的 gas fee 3）mint 不成功被埋的风险 4）竞争不过自动化 mint 工作室等问题。所以挑选哪些有希望的铭文品种 mint？如果没有 mint 成功以什么样的价格介入胜率更高？这是我们正在用 AI 深度学习解决的问题，meme 品种也是同样的道理。

Foresight News：是否可以具体介绍一下基于 AI 深度学习的交易策略？深度学习的模型考虑了哪些参数？参考了哪些指标？本质上是基于怎样的逻辑计算出的交易方向？

Xin Liu: AI 深度学习呢，简单来说是一种利用人工智能去模仿人类神经元去思考的方式，图片是一个最简单的模型，inputs 层代表输入信息，output 层指的是最终输出的信息，中间层统称为隐藏层，隐藏层是极为复杂且精巧的。无需人类手工定义特征，AI 深度学习可以从原始数据中自动学习和提取特征。常规学习的领域有价格趋势、交易量变化、市场情绪等。因此 AI 深度学习具有非线性和自适应性的特点，加上计算机处理大规模数据的能力，使得 AI 模拟的神经元系统在某些领域拥有了超越人类认知事物本质的能力。