AI Agentで仮想通貨取引は本当に儲かる：8日間で100Uから20万Uへ

最近、AIエージェント取引システム「ラナ」が話題になっています。わずか8日間で100Uを20万Uに増やし、4月16日現在、口座の総残高は25万Uを超えています。

作者のLana（@lanaaielsa）によると、この取引システムを構築した理由はとてもシンプルです。

昨年10月のBSCブルラン期間中、彼の周りには「一攫千金」のストーリーを追って10万Uを投じた友人がいましたが、相場の調整でほぼ全額を失い、残りの1万Uをオンチェーンで取引を続けても結局ゼロになり、その後退場しました。最近、アルトコインに関する議論が再燃する中、彼は新たなマーケットメイク（MM）相場の段階に入る可能性があると判断しました。自身が二次取引やチャート分析に詳しくないため、AIを活用して取引システムを構築することを選択しました：Claudeにスクリプトを書かせ、バイナンススクエアの高熱度投稿や頻繁に議論されている通貨を取得し、上昇率ランキングと組み合わせてボラティリティのある銘柄を選別して取引するというものです。システムは当初20%のストップロスを採用していましたが、その後「固定損失額」に最適化され、ポジションサイズに関わらず、各取引の最大損失は約200U前後に制御され、単一方向のトレンドフォローのみを行います。同時に、ラナはバイナンススクエアで実績記録を投稿し、収益スクリーンショットを生成し、アカウントを運営する役割も担っています。

簡単に見えますね。しかし、私が詳しく調べてみると、ラナは単純な自動注文スクリプトではなく、独自の取引ロジックを持つオペレーティングシステムであることがわかりました。

ラナはどのように取引し、利益を上げているのか？

1. 厳密な銘柄選定ロジック

取引履歴から見ると、ラナは市場の行方を予測せず、フォローのみを行う、つまりトレンド相場に専念し、既に動き出した通貨を捉えることに焦点を当てています。対象銘柄には以下が含まれます：Binance Man、RAVE、ORDI、BASED、TRUMP、SIREN、1000SATS、1000RATS、EIGEN、PIXEL、EDGE、BAN、ASTER、AIA、FIGHT、GENIUS、CL、BTC、GIGGLE、HYPE、BLESS、PUMP、HEMI、CFX。

選別基準は大まかに3つの層に分けられます：

まず世論層です。ラナはバイナンススクエアの投稿数、議論頻度、感情の方向性を取得し、短時間で繰り返し言及される通貨を探します。

次に価格層です。世論層で選別された通貨が同時に上昇率ランキングに現れ、明らかな変動が見られた場合にのみ、さらなる選別がトリガーされます。これによりトレンド相場が発生する確率が証明されます。

最後にOI（建玉量）の変化を観察し、「建玉が増加しているが価格が完全に反応していない」銘柄を選別し、事前にポジションを構築する資金が存在するかどうかを判断します。

2. 明確なストップロス基準

ラナの運用開始初期は固定20%のストップロスを採用していましたが、その後「固定損失額」に最適化されました。つまり、ポジションサイズに関わらず、各取引の最大損失は約200U前後に制御されます。

取引の履歴を見ると、ほとんどの損失はこの範囲内に収まっています。しかし、ストップロス基準を超える注文もありました。例えば、GENIUSでは6880U以上の含み損が出ていましたが、まだ決済されていません。Lana本人はこう説明しています：「GENIUSは新規上場通貨で、新通貨のボラティリティは大きいので、ストップロスを広く設定しています。初期のポジションは一般的にレバレッジをかけて500Uに対し200Uの損失、その後ポジションが大きくなると10kや25kのポジションを組み、対応するストップロス金額も高くなります。」

3. 動的な利確基準

ストップロスとは異なり、このシステムには固定の利確ポイントは設定されておらず、主に定期的な評価を通じて保有を継続するかどうかを決定します。例えば、一定期間ごとに現在の銘柄の上昇確率と下落確率を再判断します。言い換えれば、それは継続的に一つの質問をしているのです：もし今ポジションを持っていなかったら、私はまだ買うだろうか？

取引の履歴データから見ると、利益の大部分は少数の通貨に集中しています。例えば「Binance Man」「RAVE」「ORDI」などで、他の多くの取引は小幅な損失または小幅な利益で終了しています。

気づきましたか？ラナはすべての注文で利益を上げるのではなく、少数の注文で大勝ちし、大多数の注文で厳格なストップロスを実行しているのです。

ラナはどのように訓練されたのか？方法論は再利用可能か？

1. データ供給で基調を決定

このシステムの初期の戦略の原型は、LanaがHyperliquid上で長期的に安定した利益を上げ続けているいくつかのウォレットの行動を観察したことに由来しており、より多くは単一方向のみを行うもので、ロングとショートを頻繁に切り替えることはありませんでした。したがって、AIに供給される最も重要なデータの一つは、Hyperliquid上の賢いウォレットの取引行動であり、AIに取引を通じてどのように利益を上げるかを体系的に学習させます。同時に、AIには基本的な契約指標やいくつかのオンチェーンデータも供給されます。これにより、AIはこれらのウォレットの操作を理解し、独自のフレームワークを形成することができます。

もちろん、オンチェーン行動データ以外にも、システムは継続的に世論と相場データを取得して補完します：

• バイナンススクエアの議論密度とホットなコンテンツ；
• 上昇率ランキングと価格変動；
• OI変化などの基本的な契約指標。

2. 対話修正でフレームワークを決定

AIに基本的な操作方法を学習させた後、次のステップはより多くの情報を取得することではなく、これらの情報をどのように選別し制約するか、つまりAIに明確な意思決定フレームワークを構築することです。

その使用方法から見ると、このシステムの判断ロジックは一度に設定されるものではなく、継続的な運用とフィードバックの中で徐々に剪定されて形成される可能性が高いです。初期段階では、AIは単一のシグナルに基づいて判断を下す可能性があります。例えば、短期的な熱狂をトレンドシグナルと誤認したり、方向性で頻繁に切り替えたりすることがあります。しかし、使用が深まるにつれて、これらの偏りは徐々に修正され、その意思決定は戦略の期待により適合する範囲に徐々に集中していきます。

3. 行動蒸留で取引スタイルを決定

データ入力と意思決定フレームワークの構築を完了した後、このシステムは「標準化された判断」のレベルに留まることはなく、さらに個々の行動の蒸留を導入しました。操作者は自身やX上の他のブロガーのツイート内容をシステムに入力し、AIが具体的な表現方法を学習できるようにしました。これにより、AIはもはや冷たい取引マシンではなく、少なくとも表現のレベルではより人間らしくなりました。

このプロセス全体を分解してみると、これはむしろ「人間を作る」ことに似ています。

最初のデータ供給による骨組みの構築から始まり、市場で何が起こっているかを理解させます。次に、継続的な修正と制約を通じて構造を形成し、安定した判断の境界を持たせます。そして、行動蒸留によって詳細を埋め、人間に近い意思決定経路と選好を徐々に持たせます。

最終的に形成されるのは、単なる実行ツールではなく、複雑な市場の中で継続的に一貫した選択を行うことができる「ラナ」です。

それは感情に依存せず、予測を追求せず、繰り返し検証された方法を用いて市場に参加し、結果を増幅します。