· four exchange APIs · rebuilt daily
AIオンチェーン分析を実行する言語モデルは、テキストログやコントラクトコードの要約には優れていますが、数値計算では予測可能な失敗をします。オンチェーンワークフローは、大量の自然言語とコードを生成します。DAOガバナンスのスレッド、緊急プロトコルのパッチノート、スマートコントラクトのソースコードなどです。
トランスフォーマーモデルは、レンディングプロトコルの50ページにわたるガバナンス提案を読み取り、提案されたパラメータ変更を数秒で特定できます。検証されていないプロキシ実装をハイライトしたり、スマートコントラクトのソースコードでコールフローをマッピングしたりできます。アドレスタグ付けパイプラインは、トランザクションメタデータとメモフィールドに基づいてウォレットクラスターを分類するために、日常的に言語モデルを使用しています。
これらのアプリケーションには共通の特徴があります。それは、正確な算術計算ではなく、パターンマッチングと意味表現に依存していることです。
Worth knowing
言語モデルは、トレーニング分布の確率に基づいて次のトークンを予測します。内部的な実行状態を維持したり、決定論的な浮動小数点計算を実行したりしません。
トレーダーがライブ実行にAIオンチェーン分析を適用すると、アーキテクチャは失敗します。モデルに実効エントリ価格、レバレッジしきい値、または取引所のファンディングコストを計算するように求めるプロンプトは、数学的に不正確な、もっともらしい数字を生成します。
取引所の料金スケジュールを読み取るモデルは、ネイティブに数値を加算または乗算できません。データセットで見つかった以前の料金計算に似たトークンを出力します。料金スケジュールが更新されたり、ファンディングレートがマイナスにシフトしたりすると、モデルは現在の数値を再計算するのではなく、キャッシュされた統計的関連性に頻繁にデフォルトします。
Where this goes wrong
レバレッジ制限または証拠金要件に言語モデルの出力を依存すると、生成された数値が取引所のマッチングエンジンから逸脱した場合、ポジションが意図しない清算にさらされる可能性があります。
パーペチュアル取引所間でポジションコストを比較するには、ライブオーダーブックフィードと公開レートスケジュールに基づいた決定論的な計算が必要です。
異なる取引所でSOLパーペチュアルの100,000ドルのロングポジションを保有しているとします。8時間ごとのファンディングレートは、取引所によって大きく異なります。
| Venue | Futures Maker Fee | Futures Taker Fee | SOL 8h Funding Rate | 24h Cost per $100k Long |
|---|---|---|---|---|
| OKX | 0.0200% | 0.0500% | -0.0082% | -$24.60 (Earned) |
| MEXC | 0.0000% | 0.0200% | +0.0008% | +$2.40 |
| Bitget | 0.0200% | 0.0300% | +0.0021% | +$6.30 |
| Bybit | 0.0200% | 0.0550% | +0.0100% | +$30.00 |
OKX (-0.0082%) と Bybit (+0.0100%) の間の8時間のSOLファンディングスプレッドは0.0182パーセントポイントです。24時間（3回のファンディング間隔）で、Bybitでロングポジションを保有すると、ポジションサイズ100,000ドルあたり30.00ドルのファンディングチャージが発生します。OKXで同じロングポジションを保有すると、ファンディングレートがマイナスであるため、ロング保有者に24.60ドルの支払いが発生します。
これらの2つの取引所間の24時間の保有コスト差は、実行手数料を考慮しない場合、ポジション100,000ドルあたり54.60ドルです。
テイカー実行手数料も異なります。MEXC (0.0200%) で100,000ドルのポジションをテイカーオーダーでエントリーすると20.00ドル、Bitget (0.0300%) で30.00ドル、OKX (0.0500%) で50.00ドル、Bybit (0.0550%) で55.00ドルかかります。
このシナリオを要約する言語モデルは、マイナスのレートをコストとして誤解したり、複数ステップの加算中に小数点以下の桁を落としたりする可能性があります。
What to do instead
Pythonまたは専用の定量スクリプトを使用して、ポジションサイジング、ファンディングコスト、料金スケジュールのために取引所のAPIペイロードを処理してください。
ファンディングレートは、建玉の不均衡と基盤となるスポット市場のダイナミクスに基づいて変動します。以下の表は、主要アセットのライブ8時間ファンディングレートを示しています。
| Asset | Lowest Rate Venue | Highest Rate Venue | Spread (8h) | 24h Volume |
|---|---|---|---|---|
| ETH | MEXC (+0.0061%) | OKX (+0.0098%) | 0.0037% | $6,285,644,821 |
| BTC | OKX (+0.0046%) | Bybit (+0.0098%) | 0.0052% | $5,114,575,682 |
| SOL | OKX (-0.0082%) | Bybit (+0.0100%) | 0.0182% | $1,038,034,387 |
| ZEC | Bybit (-0.0049%) | OKX (+0.0014%) | 0.0063% | $1,245,471,405 |
| XAU | Bitget (+0.0213%) | OKX (+0.0395%) | 0.0182% | $777,003,934 |
| SNDK | Bybit (+0.0000%) | OKX (+0.0000%) | 0.0000% | $1,353,724,338 |
XAUパーペチュアルでは、Bitget (+0.0213%) と OKX (+0.0395%) の間の8時間スプレッドは0.0182パーセントポイントです。30日間（90回のファンディングサイクル）で、OKXで100,000ドルのXAUロングポジションを保有すると、ファンディングだけで3,555ドルのコストがかかりますが、Bitgetでは1,917ドルです。
これらの生データをテキストモデルに渡すと、すべての計算ステップでエラーが累積するリスクがあります。決定論的な計算エンジンは、これらの失敗を完全に回避します。
言語モデルは、算術演算を実行するのではなく、テキストの確率分布に基づいてトークンを生成します。計算機を実行しないため、レバレッジ比率、証拠金要件、および変動する料金ティアを組み合わせる際に、誤った桁を生成します。
言語モデルは、スマートコントラクトのソースコードの解析、トランザクションログのメモの分類、ガバナンス提案の議論の要約において、確実に機能します。これらのタスクは、正確な数値出力ではなく、自然言語処理と意味パターン認識に依存しています。
パーペチュアルファンディングレートがマイナスのとき、ショートポジション保有者は決済間隔でロングポジション保有者に支払います。たとえば、100,000ドルのポジションに対する8時間間隔あたりの-0.0082%のレートは、8時間ごとにロングアカウントに8.20ドルをクレジットします。
トレーダーは、PythonやRustなどの決定論的なプログラミング言語を使用して、取引所のRESTまたはWebSocket APIを直接クエリする必要があります。これらのスクリプトは、確率的なテキスト出力に依存することなく、正確な複数間隔のコストと料金構造を計算します。