Hoe implementeert Hodl kunstmatige intelligentie en machine learning?

In de afgelopen decennia heeft de mensheid verschillende economische revoluties doorgemaakt, zoals de overgang van stoommachines naar assemblagelijnen en van massaproductie naar automatisering. Tegenwoordig worden onze economieën steeds digitaler dankzij de opkomst van het internet, waardoor onze afhankelijkheid van data toeneemt. We staan nu aan de vooravond van de volgende economische revolutie: de grootschalige adoptie en integratie van Kunstmatige Intelligentie (AI). Deze ontwikkeling wint snel terrein en het is slechts een kwestie van tijd voordat AI overal wordt toegepast. Laten we eerst beginnen met de basisprincipes.

Wat is Kunstmatige Intelligentie?

Je kunt er de laatste tijd niet meer omheen, alles heeft plots te maken met AI. De term wordt de laatste jaren steeds vaker gebruikt door bedrijven of individuen, al dan niet om mee te liften op de hype. Maar wat is het nu eigenlijk? Simpel gezegd is AI een technologie die computers en machines in staat stelt om menselijke intelligentie en probleemoplossend vermogen na te bootsen. Hierdoor kan het taken uitvoeren die normaal gesproken menselijke intelligentie en/of grote hoeveelheden menselijke middelen zouden vereisen. Wél wordt het vaak nog verward met Machine Learning.

Wat is Machine Learning?

Machine learning (ML) is anders, hoewel de twee vaak samen worden genoemd. ML is een tak van AI die zich richt op het gebruik van data en algoritmen om AI in staat te stellen de manier waarop mensen leren na te bootsen. Het kernidee is dat het systeem na verloop van tijd zijn prestaties verbetert naarmate het meer data ontvangt. ML is dus een specifieke benadering om AI te realiseren, waarbij het systeem wordt getraind op basis van data in plaats van expliciet geprogrammeerd te worden om een taak uit te voeren.

Hodl's implementatie van AI en ML

AI en ML kunnen in tal van bedrijfsprocessen worden geïntegreerd, maar voor ons spreekt het voor zich dat de grootste toegevoegde waarde ligt in het analyseren van marktbewegingen en het optimaliseren van onze investeringsstrategieën. Daarom hebben we een AI/ML-platform ontwikkeld dat helpt bij het voorspellen van marktbewegingen, het berekenen van correlaties tussen verschillende investeringen en het identificeren van winstkansen bij het wisselen van posities. Maar, hoe werkt dit precies?

De technologieën vereisen eerst grote hoeveelheden data over deze bewegingen, prijzen en andere variabelen. Deze data vergaren we via beurzen als Binance, die door de grote hoeveelheid activiteiten op hun platforms enorme datasets genereren. De verzamelde data wordt vervolgens geanalyseerd op ons platform om de eerder genoemde doelen te bereiken. Dit is waar het ML-component van het platform om de hoek komt kijken: het verwerkt de data om voorspellingen te doen en wordt, als het goed is, na verloop van tijd steeds nauwkeuriger. Het AI-element van het platform is het voting-algoritme, dat automatisch de voorspelde prijzen indeelt in categorieën die door de klant zijn gedefinieerd (zoals Fibonacci, Grid, of Custom). Dit geeft aan in welke mate de koers van een specifieke coins zal stijgen of dalen en de waarschijnlijkheid van deze koerswijziging.

Een kijkje in het Hodl platform

De interne werking van een AI en ML platform is complex, maar graag geven we een versimpelde inkijk in hoe ons platform werkt. Dit zullen we doen aan de hand van enkele voorbeelden die de kern van het platform vormen: Correlation, Prediction en Swapping.

Bij het eerste voorbeeld, de correlatiematrix, worden door de ML-algoritmen correlaties tussen verschillende vormen van kapitaal binnen het fonds berekend. Deze matrix toont vergelijkingen van deze correlaties over een bepaalde historische periode. Onze analisten kunnen zo een efficiëntere risico-rendementsverhouding creëren. Deze matrix wordt met name gebruikt binnen de Actively Managed Strategy.

Prediction (voorspellingsanalyse) vormt een tweede belangrijke functie van het platform. Hierbij worden mogelijke prijsstijgingen of -dalingen voorspeld, evenals de waarschijnlijkheid hiervan en het tijdsbestek waarin dit naar verwachting zal plaatsvinden. Historische en real-time gegevens van beurzen vormen de basis voor deze voorspellingen. Hoewel deze analyse vooral speelt in de Actively Managed strategie zijn wij daarnaast ook de kansen aan het verkennen binnen de Algorithmic Trading strategie. Onderzoeksanalisten van het Actively Managed-fonds gebruiken de analyse als een aanvullend hulpmiddel om potentiële koop- of verkoopmomenten te identificeren. 

Swapping is de laatste die we uitlichten en deze is qua functionaliteit vrij uniek. Op basis van de verwachte prijsstijging of -daling uit eerdere berekeningen, geeft het een voorspelling van het verlies of de winst die men zou behalen als men vandaag een bepaald positie zou omzetten naar een ander. Bijvoorbeeld, zoals hieronder geïllustreerd, als u uw Bitcoin omzet naar Chainlink en het na een bepaalde periode weer terug wisselt, wordt er 5% meer Bitcoin verdiend dan wanneer dit niet was gedaan. Dit stelt de onderzoeksanalisten van de Actively Managed-strategie in staat om het ene kapitaal voor het andere te ruilen om de holdings van een gewenst kapitaal te vergroten. 

Wilt u meer weten?

Wilt u meer weten over ons AI/ML-platform en hoe dit wordt toegepast in onze beleggingsstrategieën? Plan een open afspraak met een van onze specialisten om meer te leren over ons platform en onze investeringsstrategieën.

Maak een afspraak