¡Finalmente hay algo de mejoría! Después de ampliar el experimento a largo plazo a una ventana de 15 meses, la capacidad de obtener ganancias en general sigue siendo ascendente, lo que indica que mi clúster de Agents no se adapta simplemente al comercio en mercado bajista, ¡sino que puede tomar decisiones normalmente en las primeras etapas de un mercado alcista! Todos los datos ya han sido entregados a AI para su análisis, lo siguiente es tomar algunas ventanas para realizar experimentos repetidos y asegurarnos de que este informe de resultados no sea producto del azar o de la buena suerte... Luego, continuar ampliando el período total de la ventana del experimento actual para garantizar que los Agents puedan adaptarse a las condiciones del mercado en más ciclos, hasta llegar a los datos del mercado más recientes... Este costo realmente no es pequeño, la acumulación podría requerir un presupuesto de 8000 dólares, pero mientras este sistema pueda generar ganancias estables, ¡esta pequeña inversión vale totalmente la pena!

Retiro la conclusión de ayer, ¡Agents Trading todavía tiene potencial! Anoche reorganicé las palabras clave centrales de Agents y reduje el personal, luego bajé la frecuencia de decisiones de una vez al día a una vez cada 4 horas, y la estabilidad de todo el sistema comenzó a mejorar notablemente. Además, porque el jefe autorizó directamente 2000 rondas de decisiones, cubriendo el mercado bajista de BTC en 2022, no esperaba que el sistema aún lograra un 50% de beneficio neto en el mercado bajista, con una caída máxima de menos del 13%. Ayer ya estaba desesperado, pero no esperaba que después de la oscuridad apareciera una nueva esperanza... Hoy planeo gastar otros 1000 dólares para seguir probando el sistema con datos posteriores; mientras haya esperanza, este pequeño gasto no es nada~

Lamentablemente, la conclusión es que en la etapa actual usar un clúster de agentes puros para resolver operaciones de mercado complejas sigue sin ser muy realista... Estos días he realizado más de 10 experimentos consecutivos, acumulando casi 1000 dólares en llamadas a la API de Tokens, y el resultado es que la mayoría de los experimentos tienen una rentabilidad muy inferior a la de las estrategias algorítmicas fijas; ciertamente se puede ganar dinero, pero la caída y la ganancia están prácticamente equilibradas... Como añadí módulos de memoria y experiencia a los agentes, cuando hay una tendencia en el mercado, su desempeño es bastante bueno, pero en cuanto enfrentan una caída significativa, estos agentes se vuelven muy cautelosos, reducen drásticamente la frecuencia de operaciones y no se atreven a abrir posiciones... Esto finalmente provoca que cada vez que ocurre una caída importante, la personalidad de todo el equipo de agentes cambia, y con ello la capacidad de recuperación de ganancias de todo el sistema disminuye considerablemente... Parece que mi lógica inicial ha sido refutada: añadir experiencia y memoria a los agentes de trading no es una buena opción; lo mismo ocurre con los traders humanos, que al estar siempre pensando en operaciones pasadas solo afectan sus decisiones futuras... Voy a hacer unas rondas más de experimentos para ver si eliminar el módulo de memoria mejora la situación?