AI segnala rischi nascosti nel trading di futures su criptovalute

Un Bitcoin (BTC ) Il grafico può mostrare un modesto movimento di prezzo mentre il mercato sottostante diventa sempre più difficile da negoziare. Gli acquirenti potrebbero consumare gli ordini di vendita disponibili, i fornitori di liquidità potrebbero ritirare le quotazioni e le posizioni con leva potrebbero accumularsi. Nessuna di queste condizioni è pienamente spiegata dalla variazione del prezzo.

Un nuovo studio di Suresh Rajendran e Divya Singaravelu, accettato per la pubblicazione sull’International Review of Economics and Finance, esamina questa lacuna.¹ Utilizzando dati sui contratti future perpetui di Bitcoin ed Ether, i ricercatori analizzano se l’apprendimento automatico possa individuare la tossicità del flusso degli ordini a breve termine senza basarsi direttamente sulla volatilità recente.

I risultati suggeriscono che i segnali del flusso di ordini possono aiutare a classificare il rischio di selezione avversa. La loro rilevanza più ampia è che identificare grandi movimenti di prezzo e identificare condizioni di trading costose sono compiti diversi. Per investitori, trader e operatori di exchange, comprendere questa differenza offre un modo migliore per valutare sia la qualità del mercato sia l’AI finanziaria.

Cosa significa la tossicità del flusso di ordini nel trading di criptovalute

I market maker forniscono liquidità offrendo di comprare e vendere. Cercano di guadagnare lo spread tra quei prezzi gestendo l’inventario e il rischio che i prezzi si muovano contro di loro dopo una transazione.

Consideriamo un esempio semplificato. Un fornitore di liquidità vende Bitcoin a un prezzo pubblicizzato, ma la pressione di acquisto spinge il mercato verso l’alto subito dopo. Il fornitore ha venduto poco prima che l’asset diventasse più costoso. Ripetuto su molte operazioni, questi riempimenti avversi possono sopraffare il reddito derivante dallo spread.

La tossicità del flusso di ordini descrive le condizioni di trading associate a quel rischio di selezione avversa. Il termine non implica che le transazioni siano fraudolente o che i trader responsabili possiedano informazioni riservate. Notizie pubbliche, trading aggressivo, liquidazioni e altre pressioni possono generare flussi dannosi.

I futures perpetui rendono questa problematica particolarmente rilevante. Questi derivati generalmente non hanno una scadenza programmata e utilizzano pagamenti di finanziamento per allineare i loro prezzi all’asset sottostante. La leva aggiunge un’ulteriore fonte di pressione quando le chiusure forzate di posizioni inviano ordini sul mercato.

Come l’AI ha analizzato il flusso di ordini di Bitcoin ed Ether

I ricercatori hanno studiato i futures perpetui BTC/USDT ed ETH/USDT su Bybit usando dati dal 1 febbraio 2025 al 16 febbraio 2026. Dopo aver riservato i primi 21 giorni per l’addestramento iniziale, hanno valutato i modelli su 360 giorni fuori campione.

Il modello principale ha impiegato il gradient boosting, un metodo di machine learning che combina più alberi decisionali. I suoi 19 input descrivevano condizioni come spread, squilibrio del libro ordini, attività di trading e ritiro di ordini passivi. Gli input di volatilità realizzata diretta sono stati esclusi per verificare se il modello catturasse qualcosa oltre la turbolenza dei prezzi recenti.

I predittori hanno utilizzato informazioni disponibili fino al secondo precedente. La valutazione walk‑forward ha addestrato il modello su osservazioni precedenti prima di valutare quelle successive, riducendo il rischio di fornire al modello informazioni future.

Il modello ha generato un segnale di classificazione del rischio chiamato TailScore. Il confronto principale ha selezionato l’1 % delle seconde valutate con il punteggio più alto, definito come una soglia dell’1 %. Si trattava di una soglia di valutazione retrospettiva, non di una regola di trading live completamente specificata.

Le stime monetarie sopra riportate si riferiscono al modello principale con soglia dell’1 %, assumendo un tasso di esecuzione del 25 %. Rappresentano perdite evitate modellate dopo aver considerato il reddito di spread non realizzato, non i rendimenti di investimento o i profitti di trading realizzati.

Perché una migliore rilevazione della volatilità può produrre meno valore

Il risultato più utile riguarda il disaccordo tra le misure di performance. Modelli più semplici basati su rendimenti, flussi o volatilità hanno generalmente concentrato i movimenti di prezzo estremi in modo più efficace nei gate adeguatamente supportati dal 1 % al 5 %. Tuttavia, il modello principale senza input di volatilità diretti ha prodotto le stime illustrative di perdita evitata più alte per entrambi gli asset.

Ciò non dimostra che abbia superato decisivamente ogni alternativa. Nel gate principale di Bitcoin, il suo intervallo di confidenza si sovrappone a quello del modello lineare e del modello che includeva la volatilità. Mostra però perché scegliere un modello finanziario basandosi su una sola metrica impressionante può essere fuorviante.

Un sistema che riconosce periodi turbolenti può contribuire a ridurre l’esposizione complessiva. Un sistema destinato a proteggere le quotazioni passive deve rispondere a una domanda più ristretta: quali potenziali riempimenti potrebbero diventare costosi, e vale la pena evitarli a scapito del reddito sacrificato?

Questa distinzione va oltre le criptovalute. L’IA finanziaria dovrebbe essere valutata rispetto alla decisione economica che supporta. L’accuratezza della classificazione, il rilevamento di movimenti estremi, i costi di esecuzione e la redditività misurano cose diverse. Migliorare uno non comporta automaticamente il miglioramento degli altri.

Perché un mercato crypto tranquillo può ancora comportare rischi

Le recenti osservazioni di mercato illustrano perché il comportamento dei prezzi debba essere letto insieme al posizionamento. Il rapporto di posizionamento di mercato agosto 2026 di Coinbase Institutional descriveva un aumento dell’interesse aperto sui derivati accanto a un calo dei volumi di trading spot e perpetui a luglio. Riportava inoltre una liquidità del libro ordini dal lato bid più debole.

Quelle osservazioni non convalidano il modello di questo studio. Illustrano un punto separato: l’esposizione residua, l’attività di trading e la liquidità disponibile possono muoversi in direzioni diverse. Un mercato più tranquillo non contiene necessariamente meno rischio.

La liquidità ha anche significati diversi. L’analisi di Securities.io su liquidità globale e rendimenti delle criptovalute riguarda la disponibilità di capitale nell’intero sistema finanziario. La liquidità del libro ordini riguarda gli ordini disponibili per assorbire le transazioni a prezzi specifici. Maggior capitale nel sistema non garantisce una liquidità eseguibile profonda su ogni piattaforma.

Cosa significa questo per i trader ordinari

Lo studio non fornisce un indicatore al dettaglio pronto all’uso. Il suo contributo pratico è incoraggiare una visione più ampia della qualità di esecuzione:

• Valutare la profondità di mercato disponibile accanto allo spread quotato.
• Distinguere l’aumento dell’interesse aperto dall’aumento del volume di trading.
• Valutare i costi di esecuzione insieme all’accuratezza predittiva di qualsiasi modello.

C’è anche una potenziale tensione per le borse. Se il rilevamento del rischio aiuta i fornitori di liquidità a identificare periodi pericolosi, potrebbero ridurre le dimensioni delle quotazioni o ritirare gli ordini. Ciò può proteggere i loro bilanci lasciando gli altri partecipanti con meno liquidità disponibile. Una migliore gestione del rischio individuale non genera automaticamente un mercato più resiliente nel suo complesso.

Ciò che lo studio non dimostra

Le evidenze coprono due asset su una singola borsa per circa un anno. Non è possibile stabilire che le stesse relazioni valgano su altre piattaforme, token più piccoli o regimi di mercato differenti.

L’etichetta di tossicità dello studio combina il flusso di ordini con l’impatto sul prezzo a cinque secondi. Si tratta di un proxy costruito, piuttosto che di una prova di informazioni private. Dopo aver abbinato gli eventi alle condizioni di mercato pertinenti, i ricercatori non hanno riscontrato alcun vantaggio di persistenza statisticamente distinguibile per gli eventi selezionati dal modello negli orizzonti testati.

Le stime economiche escludono commissioni, slippage, pagamenti di finanziamento, costi di copertura, posizione in coda e posizioni sovrapposte o correlate. Un’implementazione in tempo reale richiederebbe inoltre soglie calibrate utilizzando solo le informazioni disponibili al momento. Queste omissioni impediscono che i risultati siano interpretati come una strategia profittevole dimostrata.

Entrambi gli autori dichiarano di essere co-fondatori di Alphashots.AI, una società di ricerca quantitativa e tecnologia di trading. Tale affiliazione è un contesto rilevante quando si valutano potenziali applicazioni commerciali.

CME Group e l’espansione della gestione del rischio crypto

L’opportunità più ampia riguarda l’infrastruttura che consente ai partecipanti di negoziare e gestire l’esposizione agli asset digitali. La copertura di Securities.io sui perpetui di asset del mondo reale esplora come le ambizioni dei derivati si stiano estendendo oltre i mercati crypto convenzionali. Man mano che i prodotti si espandono, la qualità di esecuzione diventa sempre più determinante.

Per gli investitori interessati a un’esposizione azionaria a questa infrastruttura, CME Group offre una connessione pertinente attraverso il suo mercato dei derivati. Nel giugno 2026, la società ha annunciato il lancio di contratti futures e opzioni su criptovalute 24/7. Ha inoltre introdotto futures Nasdaq CME Crypto Index, ampliando la sua gamma di prodotti verso un’esposizione diversificata alle criptovalute.

CME offre un modo per esaminare il business dell’infrastruttura di trading piuttosto che semplicemente scegliere una criptovaluta. Le considerazioni rilevanti includono la partecipazione continua dei clienti, l’adozione dei prodotti, la concorrenza e i costi del supporto a mercati continui. Il suo business più ampio copre anche più classi di asset.

I risultati di Bybit non dimostrano che CME utilizzi questo modello né che i risultati siano trasferibili ai suoi contratti. Il collegamento è la crescente importanza di una gestione del rischio sofisticata. Lo sviluppo del mercato crypto dipende da più che dall’attrarre capitale: i partecipanti hanno anche bisogno di modalità affidabili per eseguire operazioni, coprire l’esposizione e valutare ciò che i loro strumenti di rischio realmente realizzano.

Riferimenti:

¹ Rajendran, S., & Singaravelu, D. (2026). Tossicità del flusso degli ordini nei contratti future perpetui sulle criptovalute: segnali del flusso degli ordini, persistenza dell’impatto sui prezzi e limiti degli indicatori basati sulla volatilità. International Review of Economics and Finance. Pubblicazione online anticipata. https://doi.org/10.1016/j.iref.2026.105876