Secondo il Research Institute di una piattaforma di scambio, il framework di trading Multi-Agent LLM ha superato significativamente la strategia Buy & Hold nei backtest su BTC.

Odaily ha riferito che il reparto ricerca di un exchange ha recentemente pubblicato il rapporto “Ricerca e analisi retrospettiva sul framework di trading BTC basato su Multi-Agent LLM”. Secondo il rapporto, rispetto all’utilizzo di un solo LLM per generare direttamente i segnali di trading, l’architettura Multi-Agent LLM è più vicina ai processi di investimento e ricerca delle istituzioni finanziarie reali. Essa permette di migliorare la trasparenza nelle decisioni di trading e la capacità di controllo del rischio grazie alla collaborazione e al dibattito tra analisti, ricercatori, trader e team di gestione del rischio. Lo studio, basato sul framework TradingAgents, ha costruito un sistema di trading AI per il mercato BTC adatto al contesto crypto, introducendo diversi ruoli di agenti intelligenti come analisi tecnica, analisi delle news, analisi delle emozioni e analisi macro/on-chain.

Utilizzando dati BTC/USDT su base oraria, lo studio ha effettuato un backtesting storico della strategia TradingAgents-BTC. I risultati mostrano che, nel periodo di test, la strategia ha ottenuto un rendimento totale di +20,25%, risultato nettamente superiore al Buy & Hold nello stesso intervallo (-7,89%), con una perdita massima controllata a -17,41%, inferiore rispetto al Buy & Hold (-27,06%). Lo studio sottolinea che il framework Multi-Agent, nelle fasi di lateralizzazione o ribasso, può ridurre l’esposizione al rischio adottando posizioni Sell/Underweight o Flat, e riacquistare posizioni long quando il mercato rimbalza, migliorando così il profilo complessivo rischio-rendimento.

Il rapporto evidenzia che il framework Multi-Agent LLM mostra un certo potenziale applicativo nei contesti di trading crypto, ma il ciclo di test attuale copre solo circa tre mesi e il trading su base oraria può essere influenzato da commissioni, slippage e ritardi dei segnali. In futuro, sarà necessario verificare ulteriormente la stabilità e la capacità di generalizzazione della strategia su periodi storici più lunghi, in diverse condizioni di mercato e su più categorie di asset.