Seis grandes "traders" de IA en un duelo de diez días: ¿quién podrá sobrevivir en un mercado sin "asimetría de información"?

Título original: «Duelo de diez días entre seis grandes “traders” de IA: una clase abierta sobre tendencias, disciplina y codicia»

Autor original: Frank, PANews

En menos de diez días, el capital se duplicó.

Cuando DeepSeek y Qwen3 lograron este rendimiento en el trading en vivo con AlphaZero AI lanzado por Nof1, su eficiencia de ganancias superó ampliamente a la gran mayoría de los traders humanos. Esto nos obliga a enfrentar una cuestión: la IA está pasando de ser una “herramienta de investigación” a convertirse en un “operador de primera línea”. ¿Cómo piensan? PANews realizó un repaso exhaustivo de las operaciones de los seis principales modelos de IA durante casi 10 días de competencia, intentando revelar los secretos detrás de las decisiones de los traders de IA.

Un duelo puramente técnico sin “asimetría de información”

Antes de analizar, debemos dejar claro un punto: las decisiones de IA en esta competencia se toman en “modo offline”. Todos los modelos reciben pasivamente exactamente los mismos datos técnicos (incluyendo el precio actual, medias móviles, MACD, RSI, contratos abiertos, tasas de financiación y series de datos de 4 horas y 3 minutos, entre otros), y no pueden conectarse a Internet para obtener información fundamental.

Esto elimina la interferencia de la “asimetría de información” y convierte la competencia en la prueba definitiva de la antigua pregunta: “¿puede la pura análisis técnica ser rentable?”

En cuanto al contenido específico, la información disponible para la IA incluye los siguientes aspectos:

1. Estado actual del mercado de la criptomoneda: incluye información de precios actual, precio de la media móvil de 20 días, datos de MACD, datos de RSI, datos de contratos abiertos, tasas de financiación y series intradía de algunos de estos datos (ciclo de 3 minutos), así como series de tendencia a largo plazo (ciclo de 4 horas), entre otros.

2. Información y desempeño de la cuenta: incluye el desempeño general de la cuenta actual, tasa de retorno, fondos disponibles, ratio de Sharpe, etc. También el desempeño en tiempo real de las posiciones actuales, condiciones de take profit y stop loss y condiciones de expiración.

DeepSeek: el maestro de tendencias sereno y el valor del “repaso”

Hasta el 27 de octubre, la cuenta de DeepSeek alcanzó un máximo de 23.063 dólares, con una ganancia flotante máxima de aproximadamente 130%. Sin duda, fue el modelo con mejor desempeño, y al analizar su comportamiento de trading, se puede ver que este resultado no fue casualidad.

Primero, en cuanto a la frecuencia de operaciones, DeepSeek mostró un estilo de trader de tendencias de baja frecuencia: en 9 días realizó solo 17 operaciones, la menor cantidad entre todos los modelos. De esas 17 operaciones, DeepSeek eligió ir largo 16 veces y corto solo una vez, lo que coincide con la tendencia general de recuperación del mercado en ese período.

Por supuesto, esta elección de dirección tampoco fue casualidad: DeepSeek realizó un análisis integral utilizando indicadores como RSI y MACD, y siempre consideró que el mercado tenía una tendencia alcista, por lo que optó por mantener posiciones largas con firmeza.

En el proceso de trading, los primeros pedidos de DeepSeek no fueron exitosos; las primeras 5 operaciones terminaron en pérdida, aunque cada pérdida fue pequeña, sin superar el 3,5%. Además, las primeras operaciones tuvieron una duración corta, la más breve de solo 8 minutos. A medida que el mercado evolucionó en la dirección prevista, las posiciones de DeepSeek comenzaron a mostrar mayor duración.

En cuanto al estilo de gestión de posiciones, DeepSeek suele establecer un take profit amplio y un stop loss pequeño tras entrar al mercado. Por ejemplo, el 27 de octubre, el promedio de take profit fue de 11,39% y el de stop loss de -3,52%, con una relación riesgo/beneficio de aproximadamente 3,55. Esto muestra que la estrategia de DeepSeek se orienta a perder poco y ganar mucho.

En la práctica, esto también se refleja: según el análisis de PANews, en las operaciones ya cerradas de DeepSeek, la relación riesgo/beneficio promedio alcanzó 6,71, la más alta entre todos los modelos. Aunque su tasa de acierto del 41% no es la más alta (segunda posición), lidera en expectativa de ganancia con 2,76. Esta es la principal razón de su alto nivel de rentabilidad.

Además, en cuanto al tiempo de tenencia, DeepSeek promedió 2.952 minutos (alrededor de 49 horas), también el más alto. Entre los modelos, es un verdadero trader de tendencias, alineado con el principio financiero de “dejar correr las ganancias”.

En gestión de posiciones, DeepSeek es relativamente agresivo: el apalancamiento promedio por operación fue de 2,23 y a menudo mantiene varias posiciones simultáneamente, lo que eleva el apalancamiento total a un nivel más alto. Por ejemplo, el 27 de octubre, el apalancamiento total de sus posiciones superó 3 veces. Sin embargo, gracias a sus estrictas condiciones de stop loss, el riesgo siempre se mantuvo bajo control.

En resumen, el éxito de DeepSeek se debe a una estrategia integral. Para abrir posiciones, utiliza los indicadores más comunes, MACD y RSI, sin nada especial. Simplemente ejecuta estrictamente una relación riesgo/beneficio razonable y toma decisiones sin dejarse influenciar por las emociones.

Además, PANews notó un detalle interesante: en su proceso de pensamiento, DeepSeek mantiene su característica de formar un proceso de análisis largo y detallado, para luego resumirlo en una decisión de trading. Esto se asemeja a los traders humanos que valoran el repaso constante, y en este caso, el repaso ocurre cada tres minutos.

Incluso aplicada a modelos de IA, esta capacidad de repaso tiene valor. Garantiza que cada detalle de las señales del mercado y de los tokens sea analizado repetidamente y no se pase por alto. Quizás este sea otro aspecto que los traders humanos deberían aprender.

Qwen3: el “apostador” agresivo de grandes jugadas

Hasta el 27 de octubre, Qwen3 fue el segundo mejor modelo. El saldo máximo de la cuenta alcanzó los 20.000 dólares, con una rentabilidad del 100%, solo superado por DeepSeek. Qwen3 se caracteriza por su alto apalancamiento y alta tasa de acierto. Su tasa de acierto general fue del 43,4%, la más alta entre todos los modelos. Además, el tamaño promedio de cada posición fue de 56.100 dólares (apalancamiento de 5,6 veces), también el más alto. Aunque su expectativa de ganancia no es tan alta como la de DeepSeek, su estilo arriesgado lo mantiene cerca de DeepSeek en resultados hasta ahora.

El estilo de trading de Qwen3 es relativamente agresivo: su stop loss promedio fue de 491 dólares, el más alto entre todos los modelos. La mayor pérdida individual fue de 2.232 dólares, también la más alta. Esto significa que Qwen3 puede tolerar pérdidas más grandes, lo que en la jerga se llama “aguantar la posición”. Sin embargo, a diferencia de DeepSeek, aunque tolera mayores pérdidas, no obtiene mayores retornos. La ganancia promedio de Qwen3 fue de 1.547 dólares, menor que la de DeepSeek. Por eso, su expectativa de ganancia es solo de 1,36, la mitad que DeepSeek.

Otro rasgo de Qwen3 es que prefiere mantener una sola posición a la vez y apostar fuerte en ella. Suele usar apalancamiento de hasta 25 veces (el máximo permitido en la competencia). Este tipo de trading depende mucho de una alta tasa de acierto, ya que cada pérdida implica una gran caída.

En su proceso de decisión, Qwen3 parece prestar especial atención a la media móvil EMA 20 de 4 horas, usándola como señal de entrada y salida. Su proceso de pensamiento también parece simple. En cuanto a la duración de las posiciones, Qwen3 muestra poca paciencia, con un promedio de 10,5 horas, solo por encima de Gemini.

En general, aunque Qwen3 muestra buenos resultados por ahora, tiene riesgos latentes: apalancamiento excesivo, estilo de apuestas todo o nada, uso de un solo indicador, posiciones cortas y baja relación riesgo/beneficio pueden complicar su futuro. Hasta antes de la publicación del 28 de octubre, el capital de Qwen3 ya había retrocedido a 16.600 dólares, una caída del 26,8% desde el máximo.

Claude: el ejecutor obstinado de posiciones largas

Aunque Claude también está en ganancias, hasta el 27 de octubre su saldo era de unos 12.500 dólares, con una ganancia de aproximadamente 25%. Este dato, por sí solo, es bastante bueno, pero comparado con DeepSeek y Qwen3, parece algo menor.

En cuanto a frecuencia de operaciones, tamaño de posiciones y tasa de acierto, Claude es similar a DeepSeek. Realizó 21 operaciones, con una tasa de acierto del 38% y apalancamiento promedio de 2,32.

La diferencia principal puede estar en la menor relación riesgo/beneficio: aunque la de Claude es buena (2,1), es más de tres veces menor que la de DeepSeek. Por eso, su expectativa de ganancia es solo de 0,8 (cuando es menor a 1, a largo plazo se mantendrá en pérdidas).

Otro rasgo de Claude es que durante un período solo opera en una dirección: hasta el 27 de octubre, las 21 operaciones cerradas de Claude fueron todas largas.

Grok: perdido en el torbellino de la dirección

Grok tuvo un buen desempeño al principio, llegando a ser el modelo más rentable, con una ganancia máxima superior al 50%. Pero a medida que pasó el tiempo, sufrió fuertes retrocesos. Hasta el 27 de octubre, su capital volvió a unos 10.000 dólares. Entre todos los modelos, ocupa el cuarto lugar, y su rentabilidad general es similar a la curva de tenencia de BTC spot.

En cuanto a hábitos de trading, Grok también es de baja frecuencia y largo plazo. Solo realizó 20 operaciones cerradas, con un tiempo promedio de tenencia de 30,47 horas, solo por debajo de DeepSeek. Sin embargo, el mayor problema de Grok es su baja tasa de acierto, solo del 20%, y una relación riesgo/beneficio de 1,85. Por eso, su expectativa de ganancia es de solo 0,3. En cuanto a la dirección de las operaciones, Grok abrió 10 posiciones largas y 10 cortas. En este contexto de mercado, abrir demasiadas posiciones cortas redujo su tasa de acierto. Esto muestra que el modelo Grok tiene problemas para juzgar la tendencia del mercado.

Gemini: el “retail” de alta frecuencia que se desgasta hasta la “muerte”

Gemini es el modelo con mayor frecuencia de operaciones: hasta el 27 de octubre realizó 165 operaciones. Esta frecuencia excesiva resultó en un desempeño muy pobre: el saldo mínimo cayó a unos 3.800 dólares, con una pérdida del 62%. Solo en comisiones pagó 1.095,78 dólares.

Detrás del trading de alta frecuencia hay una tasa de acierto muy baja (25%) y una relación riesgo/beneficio de solo 1,18, con una expectativa de ganancia de apenas 0,3. Con estos datos, las operaciones de Gemini están destinadas a perder. Quizás por falta de confianza en sus decisiones, el tamaño promedio de sus posiciones es muy pequeño, con un apalancamiento de solo 0,77 y una duración promedio de 7,5 horas.

El stop loss promedio fue de solo 81 dólares y el take profit promedio de 96 dólares. El desempeño de Gemini se parece al de un típico inversor minorista: toma ganancias pequeñas y corta pérdidas rápidamente. En la volatilidad del mercado, abre y cierra posiciones repetidamente, desgastando su capital.

GPT5: “doble golpe” de baja tasa de acierto y baja relación riesgo/beneficio

GPT5 es actualmente el modelo con peor desempeño, con una curva y resultados muy similares a Gemini, ambos con pérdidas superiores al 60%. Aunque GPT5 no opera con tanta frecuencia como Gemini, realizó 63 operaciones. Su relación riesgo/beneficio es de solo 0,96, es decir, gana en promedio 0,96 dólares por operación, pero su stop loss es de 1 dólar. Además, su tasa de acierto es solo del 20%, igual que Grok.

En cuanto al tamaño de las posiciones, GPT5 es muy similar a Gemini, con un apalancamiento promedio de 0,76, mostrando mucha cautela.

Los casos de GPT5 y Gemini demuestran que un bajo riesgo de posición no necesariamente favorece la rentabilidad. Además, en el trading de alta frecuencia, la tasa de acierto y la relación riesgo/beneficio no pueden garantizarse. Además, el precio de entrada de las posiciones largas en ambos modelos es claramente más alto que en modelos rentables como DeepSeek, lo que indica que sus señales de entrada son algo lentas.

Observaciones finales: dos “naturalezas humanas” del trading reflejadas por la IA

En general, analizar el comportamiento de trading de la IA nos brinda una nueva oportunidad para examinar las estrategias de trading. Especialmente, el análisis de los modelos con resultados extremos, como el alto rendimiento de DeepSeek y las grandes pérdidas de Gemini y GPT5, es el más revelador.

1. Los modelos más rentables comparten estas características: baja frecuencia, posiciones largas, alta relación riesgo/beneficio y entradas oportunas.

2. Los modelos perdedores comparten estas características: alta frecuencia, operaciones a corto plazo, baja relación riesgo/beneficio y entradas tardías.

3. La cantidad de ganancias no está directamente relacionada con la cantidad de información de mercado. En esta competencia de modelos de IA, todos recibieron la misma información, y en comparación con los traders humanos, sus fuentes de información son aún más limitadas. Sin embargo, aún así, lograron niveles de rentabilidad muy superiores a la mayoría de los traders humanos.

4. La longitud del proceso de pensamiento parece ser clave para la rigurosidad en el trading. El proceso de decisión de DeepSeek es el más largo entre todos los modelos, lo que en traders humanos se asemeja a quienes repasan y analizan cada decisión con seriedad. Los modelos con peor desempeño tienen procesos de pensamiento muy cortos, más parecidos a decisiones impulsivas.

5. Con la popularidad de los resultados de DeepSeek y Qwen3, muchos se preguntan si se puede copiar directamente las operaciones de estos modelos de IA. Pero esto no parece recomendable: aunque algunos modelos de IA muestran buena rentabilidad actualmente, puede haber un componente de suerte, es decir, simplemente siguieron la tendencia del mercado en ese período. Si el mercado cambia, no está claro si mantendrán esa ventaja. Sin embargo, la capacidad de ejecución de las operaciones de la IA sí es digna de aprender.

Por último, ¿quién ganará al final? PANews envió estos datos a varios modelos de IA, y todos eligieron a DeepSeek, argumentando que su expectativa de ganancia es la más lógica matemáticamente y su hábito de trading es el mejor.

Curiosamente, el segundo modelo favorito de cada uno, casi siempre fue el propio.