Kaiko、Binance Research、および学術グループによる最近の研究によると、ニューラルネットワークを含むAIモデルは暗号通貨市場において予測精度が限定的であることが明らかになりました。従来の機械学習モデルはランダム性を上回る精度がわずか2〜6％であるのに対し、LSTMやGRUのような高度なモデルでも約8％にとどまり、しかも短期間のテストウィンドウでのみ有効です。これらのモデルは、市場のレジーム変化、ノイズの増加、マクロ経済イベントにより新しいデータに対応するのが困難であり、高ボラティリティ期間中には精度が大幅に低下します。 オーダーブックアルゴリズムはミクロな動きの15〜25％を説明できますが、深い流動性がある分単位の短期的な時間軸でのみ効果的です。大規模なステーブルコインの流入や重要なビットコインの流出などのオンチェーンシグナルは有用な相関関係を提供しますが、確実な予測を保証するものではありません。専門家は、AIの効果を高めるためにアンサンブルモデルの使用、データドリフトの追跡、レジームフィルターの導入を推奨しています。しかし、AIはオンチェーンデータ、オーダーブック分析、リスクモデルを含むより広範な戦略の一部として活用されるべきであり、暗号取引における意思決定の向上に寄与します。