Read 2026-08-31 · four exchange APIs · rebuilt daily

LLM ล้มเหลวในการคำนวณคณิตศาสตร์ความเสี่ยงขณะประมวลผลข้อมูล Onchain

จากสินทรัพย์ที่ติดตามทั้งหมด 6 รายการ Spread ของ Funding rate ระหว่างแต่ละ Venue สูงถึง 0.0140% ต่อรอบ 8 ชั่วโมงบน SOL ซึ่งสร้างความต่างของต้นทุนรายวันที่ 0.0420% ที่ Language model ไม่สามารถคำนวณได้อย่างแม่นยำ

Language model ทำงานแปลงภาษาธรรมชาติผ่านการทำนายลำดับแบบ Auto-regressive เมื่อนำมาใช้กับการวิเคราะห์ AI Onchain การทำนาย Token จะทำงานได้ดีกับงานข้อความที่ไม่มีโครงสร้าง (Unstructured text) เช่น การแกะ Smart contract source code, การดึงการเปลี่ยนแปลง Parameter จาก Governance proposal และการใส่คำอธิบาย Event log ของธุรกรรม โดยโมเดลจะเชื่อมโยงความสัมพันธ์เชิงความหมาย (Semantic) ข้ามลำดับข้อความโดยไม่ต้องใช้การคำนวณแบบ Deterministic

การคำนวณ Position sizing และ Margin จำเป็นต้องใช้การประมวลผล Floating-point ที่แม่นยำ Language model ไม่ได้ทำการคำนวณคณิตศาสตร์ในตัวมันเอง แต่ทำนาย Token ตัวเลขถัดไปที่มีความเป็นไปได้สูงที่สุดตามรูปแบบการกระจายตัวของข้อมูลที่ใช้เทรน เมื่อประเมินต้นทุน Venue ของ Perpetual futures ความผิดพลาดจากการปัดเศษเพียงเล็กน้อยในการคำนวณค่าธรรมเนียมอาจส่งผลให้ระดับ Liquidation และการประมาณการ Carrying cost คลาดเคลื่อนได้

จุดแข็งทางปฏิบัติการในการประมวลผลข้อความ

ในการเชื่อมต่อ Workflow แบบ Onchain นั้น Language model ประสบความสำเร็จในการประมวลผลข้อมูลที่ไม่ใช่ตัวเลขของ Protocol:

Governance Parsing: การแปลงข้อเสนอจาก Snapshot หรือเว็บบอร์ดที่มีหลายหน้าให้กลายเป็น Execution vector มาตรฐาน
Contract Annotation: การแมป Function signature ใน Solidity ABI แบบดิบไปเป็น Action tag ที่มนุษย์อ่านเข้าใจได้
Address Categorization: การสังเคราะห์ Metadata ของ Cluster จากโน้ตธุรกรรมและ Label ใน Block explorer

ในขอบเขตเหล่านี้ ความไม่แม่นยำเชิงความหมายมีผลกระทบทางปฏิบัติการต่ำ และผลลัพธ์ของ Token ตรงกับตรรกะเบื้องหลัง

ความล้มเหลวเชิงโครงสร้างในคณิตศาสตร์ตลาด

เมื่อข้อมูลนำเข้าใน Prompt เปลี่ยนเป็นอัตราการส่งคำสั่งของแต่ละ Venue ตัว Language model จะสร้าง Hallucination เชิงสถิติเข้าไปในการคำนวณ Margin ตารางด้านล่างแสดง Funding rate รอบ 8 ชั่วโมงแบบเรียลไทม์จาก 4 Venue พร้อมกับวอลลุ่มรวม 24 ชั่วโมง

อัตรา Perpetual Funding ปัจจุบัน

Asset	Daily Volume	OKX 8h Rate	Bybit 8h Rate	MEXC 8h Rate	Bitget 8h Rate	Spread
ETH	$9,084,303,150	+0.0031%	+0.0087%	+0.0058%	+0.0100%	0.0069%
BTC	$5,954,620,276	+0.0079%	+0.0090%	+0.0100%	+0.0100%	0.0021%
SOL	$1,610,852,897	-0.0081%	-0.0056%	-0.0026%	+0.0059%	0.0140%
ZEC	$778,635,403	+0.0092%	+0.0100%	+0.0011%	+0.0100%	0.0089%
SNDK	$617,910,167	+0.0174%	+0.0163%	N/A	+0.0260%	0.0097%
XRP	$521,095,349	+0.0008%	-0.0058%	+0.0039%	+0.0047%	0.0105%

การคำนวณต้นทุนการถือครอง (Holding cost) จำเป็นต้องนำอัตราเหล่านี้ไปจับคู่กับลำดับขั้นค่าธรรมเนียม Taker และ Maker ของแต่ละกระดานเทรด

โครงสร้างค่าธรรมเนียมเริ่มต้นของแต่ละกระดานเทรด

Venue	Spot Maker	Spot Taker	Futures Maker	Futures Taker
Bitget	0.1000%	0.1000%	0.0200%	0.0300%
Bybit	0.1000%	0.1000%	0.0200%	0.0550%
MEXC	0.0000%	0.0500%	0.0000%	0.0200%
OKX	0.0800%	0.1000%	0.0200%	0.0500%

ตัวอย่างการคำนวณ: ต้นทุนการส่งคำสั่งจริง vs ผลลัพธ์จากโมเดล

พิจารณา Position Long SOL ขนาด $100,000 ที่ถือเป็นเวลา 24 ชั่วโมงระหว่าง OKX และ Bitget โดยใช้คำสั่ง Market order แบบ Taker ในการเปิดและปิด Position

บน OKX:

ค่าธรรมเนียม Futures Taker สำหรับเปิด Position: 0.0500% ของ $100,000 = $50.00
ค่าธรรมเนียม Futures Taker สำหรับปิด Position: 0.0500% ของ $100,000 = $50.00
Funding rate ต่อ 8 ชั่วโมง: -0.0081% (ฝั่ง Long เป็นฝ่ายได้รับชำระ)
Funding ต่อรอบ 8 ชั่วโมง: $100,000 * 0.000081 = $8.10 (ได้รับ)
Funding รวม 24 ชั่วโมง (3 รอบ): $8.10 * 3 = $24.30 (ได้รับ)
ค่าธรรมเนียมถือครองสุทธิ (Net carrying fee): $50.00 + $50.00 - $24.30 = $75.70 (Friction รวม)

บน Bitget:

ค่าธรรมเนียม Futures Taker สำหรับเปิด Position: 0.0300% ของ $100,000 = $30.00
ค่าธรรมเนียม Futures Taker สำหรับปิด Position: 0.0300% ของ $100,000 = $30.00
Funding rate ต่อ 8 ชั่วโมง: +0.0059% (ฝั่ง Long เป็นฝ่ายจ่าย Funding)
Funding ต่อรอบ 8 ชั่วโมง: $100,000 * 0.000059 = $5.90 (จ่าย)
Funding รวม 24 ชั่วโมง (3 รอบ): $5.90 * 3 = $17.70 (จ่าย)
ค่าธรรมเนียมถือครองสุทธิ (Net carrying fee): $30.00 + $30.00 + $17.70 = $77.70 (Friction รวม)

ส่วนต่างต้นทุนรายวันระหว่างสอง Venue นี้สำหรับขนาด Position ที่เท่ากันทุกประการคือ $2.00 หลังจากคำนวณค่าธรรมเนียมเข้าและออกแล้ว

เมื่อป้อน Prompt ให้ Language model เลือก Venue สำหรับการเทรดนี้ ตัวโมเดลมักจะไม่สามารถคำนวณส่วนลดจาก Funding rate ที่เป็นลบเพื่อหักลบกับส่วนต่างค่าธรรมเนียมการเข้าเทรดได้ โดย LLM อ่านค่าธรรมเนียม Futures Taker ที่ต่ำกว่าของ Bitget (0.0300% เปรียบเทียบกับ 0.0500%) แล้วระบุว่าถูกกว่า โดยมองข้ามว่า Funding rate ที่เป็นลบของ OKX (-0.0081% ต่อ 8 ชั่วโมง) ให้เครดิตคืนถึง $24.30 ในช่วง 24 ชั่วโมง ซึ่งทำให้ OKX ถูกกว่าเมื่อคำนวณแบบสุทธิรวมค่าธรรมเนียมแล้ว

ผลกระทบต่อความเสี่ยงในการส่งคำสั่ง (Execution Risk)

การพึ่งพา Language model ในการคำนวณความเสี่ยงทำให้เกิดความเสี่ยงโดยตรงต่อการถูก Liquidation ความผิดพลาดเพียง 0.01% ในการคำนวณราคาเข้าจริง (Effective entry price) สามารถเปลี่ยนระยะ Liquidation ที่คำนวณได้ ที่ระดับ Leverage 20x การเคลื่อนที่ของราคาเพียง 4.50% จะทำให้คุณถูก Liquidate หาก Execution layer ที่ขับเคลื่อนด้วย LLM ตีความวิธีหักค่าธรรมเนียมของ Venue ผิด หรือคำนวณ Funding drag สะสมผิดพลาด Liquidation buffer ที่คำนวณไว้จะลดลงโดยไม่มีการแจ้งเตือน

Language model เหมาะสำหรับการประมวลผลข้อความ การดึงข้อมูลเอกสาร Protocol และการจัดหมวดหมู่ Label ของ Contract แต่การทำ Position sizing, การตรวจสอบ Margin และการทำ Funding arbitrage จำเป็นต้องใช้การประมวลผลโค้ดแบบ Deterministic

Get 20% fee rebate on Bitget →20% of your trading fees back, on every product. The rebate comes out of the commission I would otherwise receive, so it costs you nothing. Affiliate link — see the footer.