AI工程师Adam King改进加密货币自动交易程序，最新成果如何？

智能比特币交易目前的收益率不高，这是一个令人困扰的问题，对其进行改进令人充满期待。此问题关乎众多比特币投资者的收益，是一个备受关注的热点话题。

改善观察空间

在比特币交易领域，数据呈现出非平稳的状态。传统的机器学习模型很难进行准确的预测。如今，我们采用了特征工程的方法，例如在数据集中添加一些常见且有效的技术指标。像将 Python 数据分析程序库 StatsModels 中季节效应预测模型 SARIMAX 的输出加入其中。与此同时，把剩余的 38 个技术特征添加到交易智能体的观察空间里，并去除重复的特征。

这一改善过程所需要的技术支撑是很关键的。2023 年在美国进行的一项研究显示，特征工程能够对交易智能体的效率起到有效的改善作用。这是通过大量实验而得出的结论。

调整奖励函数

很多人觉得原来的奖励函数是最为理想的解决方案。然而，经过深入的研究之后可以看出，它依然存在着可以提升的地方。在对奖励指标的代码进行编写的时候，为了能够让大家更加容易理解，就选用了 Python 量化金融程序包 empyrical。这并非是一个轻松的过程，在 2022 年的时候，某一个团队也曾尝试过进行调整，但是却遭遇了很多的困难。

调整奖励函数所需的理论基础需扎实。国内多位金融专家都曾提及，合理调整奖励函数可使智能体更易发现盈利策略。

贝叶斯优化超参数

这一方法是用于寻找能让收益率达到最大的超参数的。我们把它应用到比特币交易智能体的优化过程中。我们设定的目标函数是在比特币交易环境里对智能体进行训练和测试，而损失值是在测试期间智能体平均收益的相反数值。

在欧洲的部分金融科技公司，从 2021 年开始就初步进行了尝试。他们将贝叶斯优化运用到类似的场景中。这些公司的实践给我们提供了可以借鉴的经验。

反驳曲线拟合质疑

有很多反馈表明，交易智能体仅仅在进行曲线拟合，很难获得收益。然而在实际的交易过程中，智能体所学到的并不仅仅是简单的曲线拟合。例如在某些模拟交易的环境当中，智能体能够应对各种各样的复杂情况，并做出合理的决策。

曾经有机构开展了对比实验，实验结果显示，优化后的智能体在对复杂数据关系进行处理时，并非仅仅进行曲线拟合这一种行为，而是会综合多种因素来做出判断。

再看交易环境现状

比特币交易市场的环境较为复杂且处于不断变化之中。从全球范围去看，每天比特币的交易都会受到诸如政治、经济等诸多方面因素的影响。就像在一些经济危机的时期，比特币的交易走向会变得特别难以进行准确把握。

交易智能体需要依据持续变化的环境进行调整。智能体的开发者们在不同地区的工作时间中，都在全力监测各种数据。

展望改进后成果

这些改进措施实施之后，大家都期盼智能体能获得更好的收益率。如果能够成功地进行改进，就会在比特币交易领域引起关注。或许还能吸引更多的投资者去尝试使用该智能体进行交易。

新兴的比特币交易智能体，每一步的改进都很重要，这种改进或许会对整个比特币交易市场的格局产生改变。

你是否期待这个比特币交易智能体改进后的表现？欢迎大家点赞，欢迎大家评论，也欢迎大家分享。