Preliminary Round Participant Insights — AOT Matrix: Análise do cérebro esquerdo, decisões do cérebro direito no comércio de IA

Abrindo

No WEEX AI Trading Hackathon, AOT Matrix escolheu um caminho mais cauteloso no design do sistema - um que é realmente mais difícil de sair em um ambiente de negociação ao vivo.

Desde o início, eles fizeram escolhas claras sobre o papel que a IA deve e não deve desempenhar no sistema de negociação.

Entrevistamos a AOT Matrix sobre sua lógica de tomada de decisão, as múltiplas iterações de sua arquitetura de sistema e como é implementá-la sob O ambiente de negociação real e as restrições de engenharia da WEEX.

Q1. No comércio de IA, o primeiro instinto da maioria das pessoas é “deixar que a IA coloque ordens”. Por que você rejeitou essa ideia desde o início?

Matrícula AOT:

Porque os mercados de criptomoedas são inerentemente instáveis.

As distribuições de preços mudam, as estruturas de volatilidade quebram e os padrões históricos muitas vezes falham quando é mais importante. Deixar que a IA execute ordens de compra ou venda diretamente transformaria qualquer desajuste de modelo em perdas reais imediatas.

Com base nisso, na primeira semana excluímos duas abordagens comuns: usar a IA como um bot de negociação automatizado, ou deixá-lo gerar sinais de negociação diretamente.

Em vez disso, escolhemos que a IA responda a uma pergunta mais restrita, mas muito mais crítica: este é o ambiente certo para negociar agora?

Q2. Durante a fase de preparação, com que arquitetura de sistema experimentou inicialmente?

Matrícula AOT:

No início, experimentamos uma configuração híbrida: AI sinaliza direção, e o sistema baseado em regras executa.

Mas durante testes e simulações, os problemas ficaram claros: a estabilidade dos sinais de IA variou muito em diferentes fases do mercado.

Assim que a estrutura do mercado mudou, a confiabilidade desses sinais caiu significativamente.

Mais tarde percebemos que o problema não era a precisão do modelo – era a própria divisão de responsabilidades.

Q3. Como você redefiniu os papéis da IA e da tomada de decisão comercial?

Matrícula AOT:

Depois de várias iterações, finalizamos uma estrutura do sistema “brain esquerdo / braço direito”.

A IA reside no “coração esquerdo”, responsável exclusivamente pela análise e não pela tomada de decisões de negociação.

Seu trabalho é avaliar as condições de mercado - tendências, intervalos, cenários de alto risco ou se as negociações devem ser paralisadas - ao mesmo tempo que fornece uma pontuação de confiança para o ambiente. Não prevê preços exatos ou coloca ordens.

As decisões de negociação reais são tratadas pelo “brain right”, um sistema baseado em regras que gerencia permissões de negociação, tamanho de posição e controles de alavancagem.

Cada transação deve ser audível e reproduzível - um requisito difícil que estabelecemos para nós mesmos no WEEX AI Hackathon.

Q4. Durante a preparação, quão desafiador foi traduzir a experiência de negociação em entradas legíveis por IA?

Matrícula AOT:

Extremamente desafiador. A experiência dos comerciantes é muitas vezes intuitiva, mas a IA requer informações estruturadas.

Então, em vez de apenas adicionar mais dados, quebramos a lógica. Dividimos a lógica de negociação em três tipos: estrutura de mercado, estado de volatilidade e condições de risco. A IA aprende e produz apenas esses estados intermediários.

Desta forma, a IA não prevê mais os preços futuros; ela se concentra em responder se o ambiente atual é saudável e adequado para negociação.

Dado o curto tempo de preparação, acreditamos que esta era uma abordagem mais segura e prática.

Q5. Ao integrar a API WEEX e passar da simulação para a negociação ao vivo, quais desafios inesperados surgiram?

Matrícula AOT:

A maioria dos desafios foi relacionada à engenharia. Inicialmente, concluímos a autenticação básica e a submissão de pedidos através da API WEEX, mas na negociação ao vivo, percebemos rapidamente que "poder fazer pedidos" não garante a estabilidade do sistema a longo prazo.

Problemas de jitter de rede, timeouts de solicitação e execução de múltiplas estratégias surgiram gradualmente durante simulações e testes ao vivo.

Para corrigir isso, fizemos atualizações de engenharia sistemáticas, incluindo:

• IDs de rastreamento de cadeia completa para rastreamento de nível de encomenda
• Controle de ordens idempotente para evitar execuções duplicadas
• Coes assíncronas e conciliação de status de ordem para melhorar a recuperação do sistema sob anomalias

Esta fase foi um passo crítico na transformação de uma demonstração em um sistema capaz de operação a longo prazo.

Q6. Você colocou muito esforço em registrar decisões comerciais e execuções. Qual era o raciocínio por trás disso?

Matrícula AOT:

Em negociação ao vivo, qualquer negociação que não possa ser explicada eventualmente se tornará uma fonte de risco.

Portanto, exigimos que cada pedido possa responder a três perguntas: Por que foi aberto naquele momento? Como o sistema julgou o ambiente de mercado? A mesma decisão seria válida se as condições se repetissem?

O sistema registra totalmente as avaliações de IA das condições de mercado, a razão por trás da execução de decisões e o resultado final de negociação.

O objetivo não é complicar as coisas, mas garantir que todas as negociações sejam rastreáveis, reproduzíveis e revisíveis - o que chamamos de "auditabilidade de cadeia completa".

Q7. Enquanto se prepara para o WEEX AI Trading Hackathon, qual foi o seu maior insight sobre a negociação de IA?

Matrícula AOT:

Três insights principais.

Primeiro, a IA no comércio não se destina a substituir os seres humanos, mas a limitá-los.

É melhor conter decisões emocionais e detectar ambientes não negociáveis do que perseguir "rendimentos maiores".

Em segundo lugar, a estabilidade do sistema muitas vezes importa mais do que a precisão do modelo.

Um sistema que parece perfeito em back-tests mas falha ao vivo simplesmente transforma sua vantagem técnica em exposição a riscos.

Terceiro, a interpretabilidade é fundamental para a sobrevivência a longo prazo.

Apenas se cada P&L puder ser compreendido e revisado, o sistema poderá ser corrigido após os levantamentos, em vez de ser demolido e reconstruído.

Fechando

Para a AOT Matrix, o WEEX AI Trading Hackathon não é apenas uma competição de modelos - é um teste abrangente de design de sistema, engenharia e consciência de risco.

Sua arquitetura é o produto de validação contínua, ajustes e convergência sob as condições de negociação ao vivo da WEEX e restrições de engenharia.

E este é exatamente o processo pelo qual o comércio de IA deve passar para passar do conceito para uma ferramenta sustentável e de longo prazo.