Che cosa fanno davvero gli agenti di trading basati su LLM in produzione: sei mesi di dati su larga scala relativi a due flotte

Abstract degli autori

Presentiamo una serie continua di misurazioni, su scala di popolazione, di agenti di trading autonomi basati su modelli linguistici, operativi in produzione in due sistemi che condividono la stessa impostazione progettuale: DX Terminal Pro (3.505 vault finanziati dagli utenti che hanno scambiato ETH reale nei mercati delle memecoin su Base per 21 giorni, da febbraio a marzo 2026) e la flotta live alpha di DXAP (da 500 a 599 agenti creati dagli utenti nell’intero periodo, di cui da 91 a 117 attivi contemporaneamente, che hanno negoziato contratti perpetui su Hyperliquid da giugno ad agosto 2026). La serie copre circa sei mesi, 7,5M invocazioni di singoli modelli con circa 300K azioni onchain e altri 231.638 turni con più strumenti che hanno prodotto 14.596 esecuzioni. Lo studio si fonda su quattro risultati. Primo, il livello operativo determina il comportamento più di qualsiasi indicazione scritta nel testo della strategia: un cursore del rischio spiega la leva (+0,425 per livello), gli effetti fissi degli agenti assorbono il 60% della varianza e la soglia di visualizzazione della classifica orienta causalmente la selezione (discontinuità di regressione di 1,75x alla soglia dei primi 3). Secondo, il dimensionamento delle posizioni non tiene conto della volatilità: la leva mediana è pari a 5,0x in ogni sestile di volatilità e una configurazione del cursore della postura (l’11% del portafoglio) concentra il 62% delle liquidazioni. Terzo, gli agenti trattengono una parte minima dei guadagni potenziali che raggiungono: il 43,2% delle posizioni ha registrato un’escursione favorevole di almeno +300 bps entro 24 ore, eppure il 49,3% di queste si è chiuso con un rendimento negativo dell’operazione; un bracket meccanico recupera +39,0 bps per posizione. Quarto, nessuna delle due flotte mostra un vantaggio direzionale. La flotta DXAP non è redditizia e resta indietro rispetto a un benchmark comparabile di trader retail su Hyperliquid (41% contro 50% di operazioni complete chiuse in profitto). Una competizione basata su replay appaiati di modelli di frontiera, condotta su 416 scenari acquisiti in produzione, rileva che, a questo orizzonte, la qualità delle decisioni è statisticamente indistinguibile, mentre la stabilità delle scelte varia nettamente tra le famiglie di modelli. Tutti i risultati principali resistono a un’inferenza con raggruppamento per giorno, a test nulli per permutazione e a un ricalcolo con commissioni uniformi; lo studio si chiude con un canone metodologico di 17 regole, pagato con le nostre stesse ritrattazioni.