Las analíticas de Cripto necesitan ponerse al día y superar los estándares de TradFi

Las finanzas tradicionales han sido durante mucho tiempo el estándar de oro para la toma de decisiones basada en datos. Los analistas pueden Iniciar sesión en Bloomberg o FactSet y acceder instantáneamente a décadas de datos meticulosamente curados y estandarizados. Esta abundancia de estructura permite los análisis de alta precisión y la modelización de riesgos que forman la columna vertebral de los mercados financieros globales.

Resumen

• Las finanzas tradicionales se benefician de informes uniformes y décadas de datos estructurados, mientras que las criptomonedas siguen siendo fragmentadas, inconsistentes y ruidosas, lo que dificulta un análisis significativo.
• Con datos de blockchain abiertos y en tiempo real, los modelos de IA pueden detectar patrones, prever cambios en la liquidez e interpretar el comportamiento de las transacciones de manera más rápida y precisa que la analítica tradicional.
• A medida que los sistemas impulsados por IA maduran, la analítica de criptomonedas evolucionará de la visualización a la predicción y automatización, lo que permitirá fondos completamente nativos de IA y estrategias financieras de autooptimización en tiempo real.

La criptografía, en contraste, está ahogada en datos sin procesar pero hambrienta de información. Cada transacción, contrato y movimiento de fondos es público e inmutable, sin embargo, nuestra capacidad para interpretar este mar de información sigue siendo primitiva. La ironía es evidente: tenemos más transparencia que cualquier sistema financiero en la historia, pero menos comprensión de lo que todo esto significa.

Pero esa situación no durará para siempre. Con la ayuda de la inteligencia artificial, las criptomonedas pueden alcanzar la sofisticación analítica de TradFi e incluso superarla por completo.

Cuando se trata de análisis, TradFi domina el juego

La razón por la cual el análisis de TradFi funciona tan bien es la estandarización. Cada empresa que cotiza en bolsa sigue marcos contables consistentes — GAAP o IFRS — y debe presentar informes regulares auditados. Esta uniformidad permite que herramientas como Bloomberg, Refinitiv y S&P Capital IQ integren y comparen datos sin esfuerzo. Un analista puede alinear diez bancos y evaluar sus balances, ratios de capital y exposiciones al riesgo, confiado en que los métricas subyacentes significan aproximadamente lo mismo entre las empresas.

La cripto, en contraste, opera en el caos. Cada blockchain utiliza su propia estructura de transacción, formato de marca de tiempo y esquema de metadatos. Incluso dentro de las finanzas descentralizadas, protocolos como Aave, Compound y Morpho rastrean datos de préstamos y colaterales de maneras incompatibles. Intentar agregar estos conjuntos de datos a menudo significa escribir código personalizado, construir tuberías ETL a medida y limpiar manualmente los datos solo para hacerlos comparables.

Además, el horizonte temporal de las criptomonedas es corto. Los conjuntos de datos de TradFi se remontan a décadas, proporcionando un rico contexto histórico para el análisis de tendencias y las pruebas de estrés. Los protocolos DeFi apenas tienen cinco años en muchos casos. Sin datos a largo plazo, cualquier tipo de modelado sigue siendo más arte que ciencia.

Luego está el problema del ruido. En TradFi, los precios y los fundamentos están basados en flujos de efectivo y ganancias auditadas. En cripto, la señal a menudo se ahoga en ciclos de exageración y comportamiento especulativo. Un aumento en las tarifas de gas de Ethereum (ETH) podría indicar la acuñación de NFT, comercio de arbitraje o locura por monedas meme. Sin un análisis contextual más profundo, es casi imposible saber cuál.

La IA especializada puede ayudar a las criptomonedas a dar la vuelta a la situación

Irónicamente, las mismas cualidades que hacen que los datos de criptomonedas sean desordenados también los hacen revolucionarios. A diferencia de las finanzas tradicionales, donde la mayoría de los datos están bloqueados detrás de bases de datos propietarias o presentaciones tardías, los datos de blockchain son abiertos. Cada saldo de billetera, transacción e interacción con contratos inteligentes es visible públicamente y legible por máquinas.

Aquí es donde los modelos de IA pueden cambiar las reglas del juego, porque pueden entrenar directamente con datos en cadena en bruto. Las redes neuronales gráficas, por ejemplo, pueden mapear interacciones de billeteras y detectar clústeres de trading emergentes, mientras que los modelos de lenguaje grande ajustados en registros de blockchain pueden interpretar la intención de las transacciones o señalar comportamientos sospechosos de contratos.

Un sistema de IA podría monitorear los flujos de liquidez a través de intercambios descentralizados, protocolos de préstamos y puentes, identificando patrones invisibles para los analistas humanos. Por ejemplo, podría detectar la rotación de capital o actividades comerciales coordinadas días antes de que afecten los precios del mercado, ofreciendo así una visión predictiva de la que los analistas de TradFi, dependientes de informes trimestrales, solo podrían soñar.

Además, la IA prospera en entornos de datos continuos. Los mercados de criptomonedas nunca cierran, y cada segundo genera nueva información en la cadena. Los modelos de IA pueden detectar crisis de liquidez, predecir resultados de gobernanza o reequilibrar carteras en tiempo real, incluso cuando estás durmiendo. Un agente autónomo podría incluso prever qué blockchain experimentará salidas de stablecoins horas antes de que ocurran, basándose únicamente en la dinámica del flujo de transacciones. TradFi, en comparación, se mueve a un ritmo glacial.

Los datos abiertos comunes de las criptomonedas también permiten algo sin precedentes: la construcción de modelos colaborativos impulsados por la comunidad. Un “ChainGPT” abierto entrenado en conjuntos de datos de múltiples cadenas podría aprender colectivamente, mejorando a medida que más personas y sistemas contribuyan con nuevos conocimientos. En los mercados tradicionales, los silos de datos impiden este tipo de inteligencia en red. Incluso las empresas de trading de alta frecuencia operan dentro de jardines amurallados de datos propietarios.

Lo que depara el futuro

Imagina un fondo de cobertura nativo de IA donde los modelos analizan continuamente la actividad en cadena, despliegan capital en función de los cambios en la liquidez y optimizan automáticamente las estrategias de rendimiento. Este tipo de automatización en bucle cerrado es muy difícil en TradFi, donde la fricción de custodia y la infraestructura fragmentada limitan la ejecución en tiempo real. Pero en cripto, donde los activos son programables y los mercados operan 24/7, es solo cuestión de tiempo.

La primera generación de plataformas de análisis de criptomonedas — Nansen, Arkham, Dune, DefiLlama — ayudó a los inversores a visualizar lo que estaba sucediendo en la cadena. La próxima generación, impulsada por IA, les ayudará a entender por qué está sucediendo y qué sucederá a continuación. La generación final puede que ni siquiera necesite analistas humanos.

Max Legg

Max Legg es el fundador de Pangea, la primera capa de orquestación sin permisos para IA y blockchain: un enfoque antifrágil, soberano y centrado en flujos para los recursos de blockchain a través de cadenas y ecosistemas.