Duelo de diez días entre seis principales "traders" de IA: ¿Quién puede sobrevivir en un mercado sin "ventaja informativa"?

Título original del artículo: "Duelo de diez días entre seis grandes 'traders' de IA: una lección pública sobre tendencias, disciplina y codicia"

Autor original del artículo: Frank, PANews

En menos de diez días, los fondos se duplicaron.

Cuando DeepSeek y Qwen3 lograron este récord en el trading en vivo de 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 pregunta: la IA está pasando de ser una "herramienta de investigación" a un "trader de primera línea". ¿Cómo piensan? PANews realizó una revisión exhaustiva de los casi 10 días de trading de seis modelos de IA principales en esta competencia, intentando descubrir los secretos de toma de decisiones de los traders de IA.

Un duelo puramente técnico sin "asimetría de información"

Antes del análisis, debemos aclarar una premisa: las decisiones de IA en esta competencia son "offline". Todos los modelos reciben pasivamente exactamente los mismos datos técnicos (incluyendo precio actual, medias móviles, MACD, RSI, open interest, tasas de financiamiento y datos secuenciales de 4 horas y 3 minutos, etc.), y no pueden conectarse activamente a internet para obtener información fundamental.

Esto elimina la interferencia de la "asimetría de información" y convierte esta competencia en la prueba definitiva de si el "análisis técnico puro puede ser rentable".

Específicamente, el contenido al que la IA puede acceder incluye:

1. El estado actual del mercado del activo: incluyendo información del precio actual, precio promedio móvil de 20 días, datos de MACD, datos de RSI, datos de open interest, tasas de financiamiento y secuencias intradía de los datos mencionados (intervalos de 3 minutos) y secuencias de tendencia a largo plazo (intervalos de 4 horas), etc.

2. Información y desempeño de la cuenta: incluyendo el desempeño general de la cuenta, retornos, fondos disponibles, ratio de Sharpe, desempeño en tiempo real de las posiciones actuales, niveles actuales de take-profit y stop-loss, y condiciones de invalidación.

DeepSeek: El maestro de tendencias estable y el valor del "análisis posterior"

Al 27 de octubre, la cuenta de DeepSeek alcanzó un máximo de $23,063, con una ganancia no realizada máxima de aproximadamente 130%. Sin duda, el modelo con mejor desempeño, y al analizar su comportamiento de trading, se puede ver que este resultado no es casualidad.

En primer lugar, en cuanto a frecuencia de trading, DeepSeek demuestra el estilo de baja frecuencia de los traders de tendencia. En un período de 9 días, realizó un total de 17 operaciones, la menor cantidad entre todos los modelos. De estas 17 operaciones, DeepSeek fue long 16 veces y short una vez, alineándose perfectamente con la tendencia general de recuperación del mercado en ese momento.

Por supuesto, esta elección de dirección no fue aleatoria. DeepSeek realizó un análisis integral utilizando indicadores como RSI y MACD, creyendo consistentemente que el mercado estaba en una tendencia alcista, por lo que eligió ir long con confianza.

Durante el proceso específico de trading, las primeras órdenes de DeepSeek no fueron bien. Las primeras 5 órdenes terminaron en pérdidas, pero cada pérdida no fue significativa, con la mayor pérdida sin superar el 3.5%. Además, el tiempo de mantenimiento de posición de las órdenes iniciales fue relativamente corto, cerrando la más corta en solo 8 minutos. A medida que el mercado evolucionó en la dirección anticipada, las posiciones de DeepSeek comenzaron a mostrar una mayor duración.

Observando el estilo de posición de DeepSeek, tiende a establecer un take-profit relativamente amplio y un stop-loss pequeño después de abrir una posición. Tomando como ejemplo las posiciones del 27 de octubre, el espacio promedio de take-profit fue de 11.39%, el de stop-loss fue de -3.52%, y la relación beneficio/pérdida se fijó en torno a 3.55. Desde esta perspectiva, la estrategia de DeepSeek se inclina por la idea de pequeñas pérdidas y grandes ganancias.

En cuanto a los resultados reales, esto es evidente. Según el análisis de PANews, entre las operaciones cerradas de DeepSeek, su ratio promedio beneficio/pérdida alcanzó 6.71, el más alto entre todos los modelos. Aunque la tasa de aciertos del 41% no es la más alta (segunda), sigue ocupando el primer lugar con una expectativa de ganancia de 2.76. Esta es también la razón principal por la que DeepSeek logró la mayor ganancia.

Además, en cuanto al tiempo de mantenimiento, el promedio de DeepSeek es de 2952 minutos (aproximadamente 49 horas), también el más alto. Entre los pocos modelos, realmente puede llamarse un trader de tendencia, lo que coincide con el principal elemento de rentabilidad en el trading financiero: "dejar correr a los ganadores".

En cuanto a la gestión de posiciones, DeepSeek es relativamente agresivo. Su ratio de apalancamiento promedio por operación alcanza 2.23, y a menudo mantiene varias posiciones simultáneamente, lo que lleva a un ratio de apalancamiento general relativamente alto. Por ejemplo, el 27 de octubre, su ratio total de apalancamiento superó 3 veces. Sin embargo, debido a sus estrictas condiciones de stop-loss, el riesgo se mantiene dentro de un rango controlable.

En general, la razón por la que el trading de DeepSeek ha tenido buen desempeño es el resultado de una estrategia integral. En cuanto a la selección de entrada, solo utiliza los indicadores MACD y RSI más comunes y no emplea ningún indicador especial. Simplemente sigue estrictamente una relación riesgo/beneficio razonable y toma decisiones para mantener posiciones firmemente sin dejarse influenciar por las emociones.

Además, PANews también ha encontrado un detalle bastante especial. En el proceso de encadenamiento de pensamientos, DeepSeek ha continuado con su característica pasada de un proceso de pensamiento largo y detallado, resumiendo todos los procesos de pensamiento en una decisión de trading al final. Esta característica, reflejada en traders humanos, se asemeja a aquellos que se enfocan en el análisis posterior, y este análisis posterior se realiza cada tres minutos.

Incluso cuando esta capacidad de análisis posterior se aplica a un modelo de IA, también cumple una función. Garantiza que cada detalle de cada token y señal de mercado sea analizado una y otra vez sin ser pasado por alto. Quizás este sea otro aspecto del que los traders humanos pueden aprender.

Qwen3: El "apostador" agresivo con grandes posiciones

Al 27 de octubre, Qwen3 es el segundo mejor modelo de gran tamaño. El monto máximo de la cuenta alcanzó los $20,000 con una rentabilidad del 100%, solo por detrás de DeepSeek. Las características generales de Qwen3 son alto apalancamiento y alta tasa de aciertos. Su tasa de aciertos general alcanzó el 43.4%, ocupando el primer lugar entre todos los modelos. Al mismo tiempo, el tamaño de una sola posición también alcanzó los $56,100 (ratio de apalancamiento de 5.6 veces), también el más alto entre todos los modelos. Aunque en términos de expectativa de ganancia no es tan bueno como DeepSeek, su estilo agresivo de trading le ha permitido seguir de cerca los resultados de DeepSeek hasta la fecha.

El estilo de trading de Qwen3 es relativamente agresivo. En cuanto al stop-loss promedio, su stop-loss promedio es de $491, el más alto entre todos los modelos. La pérdida máxima en una sola operación alcanzó los $2,232, también la más alta. Esto significa que Qwen3 puede tolerar pérdidas mayores, comúnmente conocido como mantener una posición durante las caídas. Sin embargo, donde queda por detrás de DeepSeek es que, aunque soporta pérdidas mayores, no logra retornos más altos. El beneficio promedio de Qwen3 es de $1,547, menor que el de DeepSeek. Esto también hace que su ratio final de expectativa de ganancia sea solo 1.36, la mitad que el de DeepSeek.

Además, otra característica de Qwen3 es su preferencia por mantener una sola posición a la vez y aumentar esa posición. El apalancamiento utilizado a menudo alcanza 25 veces (el máximo permitido en la competencia). Este tipo de trading depende en gran medida de una alta tasa de aciertos porque cada pérdida provocará una caída significativa.

Durante el proceso de toma de decisiones, Qwen3 parece prestar especial atención a la media móvil EMA 20 de 4 horas y la utiliza como señal de entrada y salida. Al considerar su estrategia, Qwen3 también parece mantenerla simple. En cuanto a la tenencia de posiciones, Qwen3 también muestra impaciencia, con un tiempo promedio de mantenimiento de 10.5 horas, solo por encima de Gemini.

En general, aunque la rentabilidad actual de Qwen3 parece prometedora, existen riesgos significativos en su enfoque de trading. Factores como alto apalancamiento, estilo de apertura all-in, dependencia de un solo indicador, tiempo de mantenimiento corto y una pequeña relación riesgo/beneficio podrían plantear desafíos para las futuras operaciones de Qwen3. Al 28 de octubre, fecha de redacción, los fondos de Qwen3 han experimentado una caída máxima a $16,600, con un drawdown del 26.8% desde el pico.

Claude: El ejecutor persistente de posiciones long

Aunque Claude también se encuentra en estado rentable en general, al 27 de octubre, el saldo total de la cuenta alcanzó alrededor de $12,500, con una ganancia de aproximadamente 25%. Si bien este dato por sí solo puede parecer impresionante, resulta algo menos fructífero en comparación con DeepSeek y Qwen3.

De hecho, tanto en frecuencia de trading, tamaño de posición y tasa de aciertos, el desempeño de Claude es bastante similar al de DeepSeek. Con un total de 21 operaciones, una tasa de aciertos del 38% y un ratio de apalancamiento promedio de 2.32.

La diferencia significativa puede estar en la menor relación riesgo/beneficio. Aunque la relación de Claude es respetable en 2.1, es más de tres veces menor que la de DeepSeek. Por lo tanto, según estos datos, su expectativa de ganancia es solo 0.8 (permaneciendo en pérdida a largo plazo cuando está por debajo de 1).

Además, Claude también tiene la característica notable de apegarse a una sola dirección durante un período de tiempo. Al 27 de octubre, las 21 operaciones completadas por Claude han sido posiciones long.

Grok: Perdido en el vórtice del juicio direccional

Grok tuvo un desempeño fuerte en las primeras etapas, llegando incluso a ser el modelo más rentable en un momento con ganancias superiores al 50%. Sin embargo, a medida que avanzó el tiempo de trading, Grok experimentó caídas significativas. Al 27 de octubre, los fondos retrocedieron a alrededor de $10,000. Ocupa el cuarto lugar entre todos los modelos, y el retorno general es similar a mantener BTC spot.

Desde la perspectiva de los hábitos de trading, Grok también pertenece al grupo de trading de baja frecuencia y HODLers. Grok ha realizado solo 20 operaciones, con un tiempo promedio de mantenimiento de 30.47 horas, solo por detrás de DeepSeek. Sin embargo, el mayor problema de Grok puede ser su baja tasa de aciertos de solo 20%, con una relación riesgo/beneficio de 1.85. Esto también da como resultado una expectativa de ganancia de solo 0.3. Observando la dirección de las operaciones, de las 20 posiciones de Grok, tanto long como short se ejecutaron 10 veces cada una. Sin embargo, en la fase actual del mercado, es evidente que hacer demasiados shorts reduce significativamente la tasa de aciertos. Desde esta perspectiva, el modelo de Grok aún tiene problemas para juzgar la tendencia del mercado.

Gemini: "Trader minorista" de alta frecuencia, desgastándose en los vaivenes

Gemini es el modelo con mayor frecuencia de trading, habiendo realizado un total de 165 operaciones al 27 de octubre. La actividad de trading excesivamente frecuente ha llevado a un desempeño muy pobre de Gemini, con el saldo más bajo de la cuenta cayendo a alrededor de $3,800, resultando en una tasa de pérdida del 62%. Además, solo en comisiones de transacción se gastaron $1,095.78.

Detrás del trading de alta frecuencia hay una tasa de aciertos muy baja (25%) y una relación riesgo/beneficio de solo 1.18, con una expectativa de ganancia integral de solo 0.3. Con estos datos de desempeño, las operaciones de Gemini están destinadas a incurrir en pérdidas. Quizás por falta de confianza en su toma de decisiones, Gemini también mantiene un tamaño de posición promedio muy pequeño, con un ratio de apalancamiento de solo 0.77 por operación y un tiempo promedio de mantenimiento de solo 7.5 horas.

El stop-loss promedio es de solo $81, mientras que el take-profit promedio es de $96. El desempeño de Gemini se asemeja al de un típico trader minorista, rápido para tomar ganancias pero también rápido para salir en pérdidas. Repite operaciones en los altibajos del mercado, desgastando continuamente el capital de la cuenta.

GPT5: El "doble golpe" de baja tasa de aciertos y baja relación riesgo/beneficio

GPT5 es actualmente el modelo peor posicionado, con un desempeño general y una curva muy similar a la de Gemini, con una tasa de pérdida superior al 60%. En comparación, aunque GPT5 no es tan frecuente como Gemini, ha realizado 63 operaciones. Con una relación riesgo/beneficio de solo 0.96, lo que significa una ganancia promedio de $0.96 por operación, con un stop-loss correspondiente de $1. Al mismo tiempo, la tasa de aciertos de GPT5 también es tan baja como 20%, a la par de Grok.

En cuanto al tamaño de posición, GPT5 es muy similar a Gemini, con un ratio de apalancamiento promedio de aproximadamente 0.76, lo que indica un enfoque muy cauteloso.

Los casos de GPT5 y Gemini ilustran que un menor riesgo de posición no necesariamente beneficia la rentabilidad de la cuenta. Además, bajo el trading de alta frecuencia, tanto la tasa de aciertos como la relación riesgo/beneficio son inherentemente poco confiables. Además, los precios de entrada para posiciones long de estos dos modelos son significativamente más altos que los de modelos rentables como DeepSeek, lo que indica que sus señales de entrada parecen algo retrasadas.

Resumen de observaciones: Dos tipos de "humanidad" en el trading vistos por la IA

En general, a través del análisis del comportamiento de trading de la IA, tenemos una vez más la oportunidad de examinar las estrategias de trading. En particular, el análisis de los dos resultados extremos de trading de los modelos de alto beneficio como DeepSeek y los de alta pérdida como Gemini y GPT5 es lo más revelador.

1. El comportamiento de los modelos de alto beneficio tiene las siguientes características: baja frecuencia, largos períodos de mantenimiento, gran relación riesgo/beneficio y timing de entrada oportuno.

2. El comportamiento de los modelos con pérdidas tiene las siguientes características: alta frecuencia, trading a corto plazo, baja relación riesgo/beneficio y timing de entrada tardío.

3. La cantidad de beneficio no está directamente relacionada con la cantidad de información de mercado. En esta competencia de trading de modelos de IA, todos los modelos tienen acceso a la misma información, que es más limitada en comparación con los traders humanos. Sin embargo, aún pueden lograr niveles de rentabilidad muy superiores a la gran mayoría de los traders.

4. La duración del proceso de pensamiento parece ser clave para determinar el rigor del trading. El proceso de toma de decisiones de DeepSeek es el más largo entre todos los modelos, asemejándose a las reglas de trading de los traders humanos que son buenos en el análisis posterior y consideran cuidadosamente cada decisión. Por otro lado, el proceso de pensamiento de los modelos con bajo desempeño es muy corto, más parecido al proceso de toma de decisiones impulsivo de los humanos.

5. Con el desempeño rentable de modelos como DeepSeek y Qwen3, muchos han discutido si es posible seguir directamente a estos modelos de IA. Sin embargo, este enfoque parece poco sabio, aunque la rentabilidad actual de algunas IAs es decente, la suerte parece jugar un papel, ya que coinciden con la tendencia del mercado durante este período. Una vez que el mercado entre en una nueva fase, queda por ver si esta ventaja se puede mantener. No obstante, la capacidad de ejecución en trading de la IA sigue siendo digna de aprendizaje.

Finalmente, ¿quién ganará la victoria final? PANews ha enviado estos datos de desempeño a varios modelos de IA, y todos eligieron unánimemente a DeepSeek, citando que su expectativa de ganancia es la que mejor se ajusta a la lógica matemática y sus hábitos de trading son los más favorables.

Curiosamente, su segundo modelo favorito, casi todos eligieron a sí mismos.