🧵 1/ Nuove ricerche IC3 rivelano un dilemma fondamentale nei sistemi di trading alimentati da AI e negli algoritmi di investimento collettivo (CoinAlgs). Pensate ai robo-advisor, ai fondi quantitativi e agli AI DAO come @ai16zdao e @truth_terminal. Lo chiamiamo il "CoinAlg Bind":

2/ Cosa sono i CoinAlgs? Sono algoritmi condivisi dalle comunità per eseguire operazioni, dai tradizionali robo-advisor (Vanguard gestisce oltre 206 miliardi di dollari in questo modo) ai DAO emergenti alimentati da AI (ai16z ha raggiunto una capitalizzazione di mercato di 2,7 miliardi di dollari). Promettono di democratizzare strumenti di investimento sofisticati.

3/ Ecco il problema: i CoinAlgs si trovano di fronte a una scelta impossibile. Se PRIVATO → vulnerabile all'estrazione di valore da parte di insider. Se TRASPARENTE –> esposto ad arbitraggio, profitti degradati. Devi sacrificare o l'equità economica O la redditività.

4/ Dimostriamo questo formalmente. Privacy → Ingiustizia: Mostriamo che la privacy è una precondizione per gli attacchi interni, poiché l'asimmetria informativa consente l'estrazione di valore. Trasparenza → Arbitraggio: Mostriamo che la conoscenza pubblica di una strategia porta a perdite di profitto, poiché consente il frontrunning e gli attacchi sandwich.

5/ Abbiamo testato questo empiricamente utilizzando oltre 1 anno di dati di @Uniswap V3 (giugno 2024-luglio 2025). Anche un CoinAlg sintetico con una previsione dei prezzi perfetta ha perso il 27,6% dei profitti a causa degli attacchi di sandwich quando era trasparente. E la situazione peggiora...

6/ Anche una minima perdita di informazioni è sfruttabile. Una moneta "privata" CoinAlg che perdeva solo un segnale di 1 bit (direzione acquisto/vendita) ha comunque perso il 17% dei profitti. L'avversario non aveva bisogno di trasparenza totale - canali covert a bassa larghezza di banda erano sufficienti.

7/ Abbiamo testato su: - Attivi stabili (USDC) e volatili (PEPE) - Diverse dimensioni di capitale (12 ETH a 1.500 ETH) - Diverse strategie avversarie (sandwiching e furto di strategia) - Finestra temporali multiple (3-12 mesi) Risultato? Gli avversari hanno sempre estratto valore.

8/ Evidenza del mondo reale: Abbiamo intervistato DAO alimentati da AI, scoprendo che quasi TUTTI sono privati. Stanno scegliendo la privacy per la redditività, ma aprendo la porta allo sfruttamento interno.

9/ Il CoinAlg Bind si applica anche alla TradFi. La differenza? La finanza tradizionale affronta questo attraverso protezioni per gli investitori richieste per legge. I CoinAlg non custodiali mancano di queste garanzie.

10/ Proponiamo delle linee guida euristiche, ma nessuna elimina completamente il CoinAlg Bind. Man mano che gli investimenti guidati dall'AI diventano più diffusi, ulteriori ricerche su come affrontare il Bind saranno fondamentali.

11/ Il punto chiave: Man mano che l'AI incontra la crypto, questa tensione diventa centrale. Che si tratti di un DAO gestito da AI che amministra milioni o di robo-advisor che gestiscono miliardi, il CoinAlg Bind è ineluttabile.

13/ Questo è il primo trattamento formale dei compromessi tra redditività e equità negli algoritmi di investimento collettivo. Uno spazio emergente che richiede una riflessione attenta. /fine 🧵