Agentic AI in Automated Markets
Pubblicata su AIChronos il · fonte del · Irene Aldridge, Lourenco Belleau-Bhowmik, James Chan, Josh Chang, Kelly Deng, Pranav Dhingra
Lo studio esamina come il comportamento eterogeneo di agenti autonomi (arbitraggisti razionali, manipolatori e follower del gregge) influenzi stress, rischio, liquidità e volatilità nei mercati automatizzati basati su AMM. Gli agenti sono modellati come sistemi di apprendimento per rinforzo (RL) con architetture DQN e REINFORCE in un ambiente agnostico rispetto agli asset. Un pilota sui dati delle criptovalute AAVE, ETC e SUI evidenzia che i follower del gregge generano stress frequenti ma brevi, mentre i manipolatori causano episodi persistenti ma rari. I risultati suggeriscono la necessità di una regolamentazione specifica per tipo di comportamento anziché limiti uniformi su volatilità o turnover.
- Tre archetipi comportamentali (arbitraggista razionale, manipolatore, follower del gregge) sono addestrati come agenti RL con funzioni di reward distinte.
- Il modello utilizza Deep Q-Networks (DQN) e algoritmi REINFORCE con baseline apprese per simulare le diverse strategie di trading.
- L'analisi SHAP attribuisce i pattern osservati a segnali specifici: drawdown/cross-asset, volatilità a breve termine/stato della posizione e momentum.
- Gli agenti razionali mostrano Sharpe ratio rollanti più stabili nonostante una maggiore volatilità dei rendimenti rispetto agli altri archetipi.
- La ricerca conclude che la regolamentazione dovrebbe essere behavior-specifica piuttosto che basata su limiti uniformi di mercato.
Perché conta. Questa analisi è rilevante per gli sviluppatori di agenti AI perché dimostra come le diverse funzioni di reward e strategie di apprendimento in ambienti decentralizzati possano generare dinamiche sistemiche imprevedibili, influenzando direttamente la stabilità dell'inference e il rischio operativo dei sistemi autonomi.
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.