Six grands "traders" d'IA s'affrontent pendant dix jours : qui peut survivre sur un marché sans "avantage informationnel" ?

Titre original de l'article : "Duel de dix jours entre six grands 'traders' IA : une leçon publique sur les tendances, la discipline et la cupidité"

Auteur original de l'article : Frank, PANews

En moins de dix jours, les fonds ont doublé.

Lorsque DeepSeek et Qwen3 ont atteint ce record lors du trading en direct d'AlphaZero AI lancé par Nof1, leur efficacité de profit avait largement dépassé celle de la grande majorité des traders humains. Cela nous oblige à faire face à une question : l'IA passe du statut d'« outil de recherche » à celui de « trader de première ligne ». Comment pensent-elles ? PANews a réalisé une analyse complète des près de 10 jours de trading des six principaux modèles d'IA dans cette compétition, tentant de dévoiler les secrets de la prise de décision des traders IA.

Un duel purement technique sans « asymétrie d'information »

Avant l'analyse, nous devons clarifier un postulat : les décisions de l'IA dans cette compétition sont « hors ligne ». Tous les modèles reçoivent passivement exactement les mêmes données techniques (y compris le prix actuel, les moyennes mobiles, MACD, RSI, open interest, taux de financement, et des données séquentielles sur 4 heures et 3 minutes, etc.), et ne peuvent pas aller activement en ligne pour obtenir des informations fondamentales.

Cela élimine l'interférence de « l'asymétrie d'information » et fait de cette compétition le test ultime pour savoir si « l'analyse technique pure peut être rentable ».

Plus précisément, le contenu auquel l'IA peut accéder comprend :

1. L'état actuel du marché de l'actif : y compris les informations de prix actuelles, le prix moyen mobile sur 20 jours, les données MACD, les données RSI, les données d'open interest, les taux de financement, et les séquences intrajournalières des données susmentionnées (intervalles de 3 minutes) et les séquences de tendances à long terme (intervalles de 4 heures), etc.

2. Informations et performances du compte : y compris la performance globale du compte, les rendements, les fonds disponibles, le ratio de Sharpe, la performance en temps réel des positions actuelles, les niveaux de take-profit et de stop-loss actuels, et les conditions d'invalidation.

DeepSeek : Le maître de la tendance stable et la valeur de la « revue »

Au 27 octobre, le compte de DeepSeek a atteint un sommet de 23 063 $, avec un gain non réalisé maximal d'environ 130 %. Sans aucun doute le modèle le plus performant, et dans l'analyse du comportement de trading, on constate que la raison de cette performance n'est pas accidentelle.

Tout d'abord, en termes de fréquence de trading, DeepSeek démontre le style à faible fréquence des traders de tendance. Sur une période de 9 jours, il a réalisé un total de 17 transactions, le plus bas parmi tous les modèles. Sur ces 17 transactions, DeepSeek a pris 16 positions longues et une position courte, s'alignant parfaitement avec la tendance générale de reprise du marché à ce moment-là.

Bien sûr, ce choix de direction n'était pas aléatoire. DeepSeek a mené une analyse complète en utilisant des indicateurs tels que le RSI et le MACD, estimant constamment que le marché était dans une tendance haussière, choisissant ainsi d'ouvrir des positions longues en toute confiance.

Lors du processus de trading spécifique, les premières transactions de DeepSeek ne se sont pas déroulées sans accroc. Les 5 premières transactions se sont soldées par des échecs, mais chaque perte n'était pas significative, la perte la plus élevée ne dépassant pas 3,5 %. De plus, la durée de détention des premières positions était relativement courte, la plus courte ayant été clôturée en seulement 8 minutes. Au fur et à mesure que le marché évoluait dans la direction anticipée, les positions de DeepSeek ont commencé à montrer une certaine endurance.

En observant le style de positionnement de DeepSeek, il a tendance à fixer un espace de take-profit relativement large et un espace de stop-loss réduit après l'ouverture d'une position. Prenons l'exemple des positions du 27 octobre : l'espace moyen de take-profit fixé était de 11,39 %, l'espace moyen de stop-loss de -3,52 %, et le ratio gain/perte était d'environ 3,55. De ce point de vue, la stratégie de trading de DeepSeek s'oriente vers l'idée de petites pertes et de gros gains.

En termes de résultats réels, cela est évident. Selon l'analyse récapitulative de PANews, parmi les transactions clôturées de DeepSeek, son ratio gain/perte moyen a atteint 6,71, le plus élevé de tous les modèles. Bien que le taux de réussite de 41 % ne soit pas le plus élevé (deuxième place), il se classe néanmoins premier avec une espérance de gain de 2,76. C'est également la principale raison pour laquelle DeepSeek a obtenu le plus grand profit.

De plus, en termes de durée de détention, la durée moyenne de DeepSeek est de 2952 minutes (environ 49 heures), également en tête du classement. Parmi les rares modèles, il peut véritablement être qualifié de trader de tendance, ce qui correspond à l'élément principal de la rentabilité dans le trading financier, à savoir « laisser courir les gagnants ».

En matière de gestion des positions, DeepSeek est relativement agressif. Son effet de levier moyen par position atteint 2,23, et il détient souvent plusieurs positions simultanément, ce qui conduit à un effet de levier global relativement élevé. Par exemple, le 27 octobre, son effet de levier total dépassait 3 fois. Cependant, grâce à des conditions de stop-loss strictes, le risque reste dans une fourchette contrôlable.

Dans l'ensemble, la raison pour laquelle le trading de DeepSeek a bien performé est le résultat d'une stratégie globale. En termes de sélection d'entrée, il n'utilise que les MACD et RSI les plus courants comme critères et n'emploie aucun indicateur spécial. Il suit simplement strictement un ratio risque/rendement raisonnable et prend des décisions pour maintenir fermement ses positions sans se laisser influencer par les émotions.

De plus, PANews a également relevé un détail assez particulier. Dans le processus de chaîne de pensée, DeepSeek a poursuivi sa caractéristique passée d'un processus de réflexion long et détaillé, résumant tous les raisonnements en une décision de trading finale. Cette caractéristique, lorsqu'elle se reflète chez les traders humains, ressemble davantage à ceux qui se concentrent sur l'analyse postérieure, réalisée ici toutes les trois minutes.

Même lorsque cette capacité d'analyse postérieure est appliquée à un modèle d'IA, elle joue également un rôle. Elle garantit que chaque détail de chaque token et signal de marché est analysé à maintes reprises sans être négligé. Peut-être est-ce là un autre aspect dont les traders humains pourraient s'inspirer.

Qwen3 : Le « parieur » agressif aux grosses positions

Au 27 octobre, Qwen3 est le deuxième modèle le plus performant. Le montant maximal du compte a atteint 20 000 $ avec une rentabilité de 100 %, juste derrière DeepSeek. Les caractéristiques globales de Qwen3 sont un effet de levier élevé et un taux de réussite élevé. Son taux de réussite global a atteint 43,4 %, le plus élevé de tous les modèles. Parallèlement, la taille d'une seule position a également atteint 56 100 $ (effet de levier de 5,6 fois), également la plus élevée de tous les modèles. Bien qu'en termes d'espérance de gain, il ne soit pas aussi bon que DeepSeek, son style de trading agressif lui a permis de suivre de près les résultats de DeepSeek jusqu'à présent.

Le style de trading de Qwen3 est relativement agressif. En termes de stop-loss moyen, son stop-loss moyen est de 491 $, le plus élevé de tous les modèles. La perte maximale sur une seule transaction a atteint 2 232 $, également la plus élevée. Cela signifie que Qwen3 peut tolérer des pertes plus importantes, ce qu'on appelle communément « tenir une position pendant le drawdown ». Cependant, là où il est moins performant que DeepSeek, c'est que même s'il supporte des pertes plus importantes, il n'obtient pas de rendements plus élevés. Le gain moyen de Qwen3 est de 1 547 $, ce qui est inférieur à celui de DeepSeek. Cela fait que son ratio gain/espérance finale n'est que de 1,36, soit la moitié de celui de DeepSeek.

De plus, une autre caractéristique de Qwen3 est sa préférence pour ne détenir qu'une seule position à la fois et doubler sur cette position. L'effet de levier utilisé atteint souvent 25 fois (le multiple maximal autorisé dans la compétition). Ce type de trading repose fortement sur un taux de réussite élevé car chaque perte entraîne un drawdown important.

Lors du processus de prise de décision, Qwen3 semble accorder une attention particulière à la moyenne mobile EMA 20 sur 4 heures et l'utilise comme signal d'entrée et de sortie. En ce qui concerne sa stratégie, Qwen3 semble également la garder simple. En termes de détention de positions, Qwen3 fait également preuve d'impatience, avec une durée moyenne de détention de 10,5 heures, juste au-dessus de Gemini.

Dans l'ensemble, bien que la rentabilité actuelle de Qwen3 semble prometteuse, il existe des risques importants dans son approche de trading. Des facteurs tels qu'un effet de levier élevé, un style d'ouverture all-in, une dépendance à un seul indicateur, une courte durée de détention et un faible ratio risque/rendement pourraient poser des défis pour les futurs trades de Qwen3. Au 28 octobre, date de rédaction, les fonds de Qwen3 ont connu un drawdown maximal à 16 600 $, soit une baisse de 26,8 % par rapport au sommet.

Claude : L'exécutant persistant des positions longues

Bien que Claude soit également globalement en situation de profit, au 27 octobre, le solde total du compte atteignait environ 12 500 $, avec un gain d'environ 25 %. Bien que ces données puissent sembler impressionnantes, elles paraissent légèrement moins fructueuses comparées à DeepSeek et Qwen3.

En fait, tant en termes de fréquence de trading, de taille de position et de taux de réussite, les performances de Claude sont assez proches de celles de DeepSeek. Avec un total de 21 transactions, un taux de réussite de 38 % et un effet de levier moyen de 2,32.

La différence significative réside peut-être dans le ratio risque/rendement plus faible. Bien que le ratio risque/rendement de Claude soit respectable à 2,1, il est plus de trois fois inférieur à celui de DeepSeek. Par conséquent, sur la base de ces données globales, son espérance de gain n'est que de 0,8 (restant en perte à long terme lorsqu'elle est inférieure à 1).

De plus, Claude présente également une caractéristique notable de s'en tenir à une seule direction pendant une période donnée. Au 27 octobre, les 21 transactions clôturées de Claude étaient toutes des positions longues.

Grok : Perdu dans le vortex du jugement directionnel

Grok a eu de bonnes performances au début, devenant même à un moment donné le modèle le plus rentable avec des gains dépassant 50 %. Cependant, à mesure que le temps de trading avançait, Grok a connu d'importants drawdowns. Au 27 octobre, les fonds sont revenus à environ 10 000 $. Classé quatrième parmi tous les modèles, le rendement global est proche de la détention du spot BTC.

Du point de vue des habitudes de trading, Grok appartient également au camp du trading à faible fréquence et des HODLers. Grok n'a réalisé que 20 transactions, avec une durée moyenne de détention de 30,47 heures, juste derrière DeepSeek. Cependant, le plus gros problème de Grok pourrait être son faible taux de réussite de seulement 20 %, avec un ratio risque/rendement de 1,85. Cela fait que son espérance de gain n'est que de 0,3. En regardant la direction des transactions, sur les 20 positions de Grok, il y a eu 10 positions longues et 10 positions courtes. Cependant, dans la phase actuelle du marché, il est évident qu'un excès de positions courtes réduit considérablement le taux de réussite. De ce point de vue, le modèle de Grok a encore des problèmes dans l'évaluation de la tendance du marché.

Gemini : Le « trader de détail » à haute fréquence, usé à mort dans les whipsaws

Gemini est le modèle avec la fréquence de trading la plus élevée, ayant réalisé un total de 165 transactions au 27 octobre. Cette activité de trading trop fréquente a conduit à une très mauvaise performance de Gemini, avec un solde de compte tombant à environ 3 800 $, soit un taux de perte de 62 %. De plus, les seuls frais de transaction se sont élevés à 1 095,78 $.

Derrière ce trading à haute fréquence se cache un taux de réussite très faible (25 %) et un ratio risque/rendement de seulement 1,18, avec une espérance de gain globale de seulement 0,3. Avec de telles données de performance, les transactions de Gemini sont vouées à la perte. Peut-être en raison d'un manque de confiance dans sa prise de décision, Gemini maintient également une taille de position moyenne très faible, avec un effet de levier de seulement 0,77 par transaction, et une durée moyenne de détention de seulement 7,5 heures.

Le stop-loss moyen n'est que de 81 $, tandis que le take-profit moyen est de 96 $. Les performances de Gemini ressemblent à celles d'un trader de détail typique, rapide à prendre ses profits mais tout aussi rapide à sortir en cas de perte. Il multiplie les transactions dans les hauts et les bas du marché, érodant continuellement le capital du compte.

GPT5 : Le « double coup » du faible taux de réussite et du faible ratio risque/rendement

GPT5 est actuellement le modèle le moins performant, avec des résultats globaux et une courbe très similaires à ceux de Gemini, avec un taux de perte supérieur à 60 %. En comparaison, bien que GPT5 ne soit pas aussi haute fréquence que Gemini, il a exécuté 63 transactions. Avec un ratio risque/rendement de seulement 0,96, cela signifie un gain moyen de 0,96 $ par transaction, avec un stop-loss correspondant de 1 $. En même temps, le taux de réussite de GPT5 est également aussi faible que 20 %, à l'égal de Grok.

En termes de taille de position, GPT5 est très similaire à Gemini, avec un effet de levier moyen d'environ 0,76, ce qui indique une approche très prudente.

Les études de cas de GPT5 et Gemini illustrent que le fait de réduire le risque de position ne profite pas nécessairement à la rentabilité du compte. De plus, dans le trading à haute fréquence, le taux de réussite et le ratio risque/rendement sont intrinsèquement peu fiables. De plus, les prix d'entrée pour les positions longues de ces deux modèles sont nettement plus élevés que ceux des modèles rentables comme DeepSeek, ce qui indique que leurs signaux d'entrée semblent quelque peu retardés.

Résumé des observations : Deux types d'« humanité » du trading vus par l'IA

Dans l'ensemble, à travers l'analyse du comportement de trading de l'IA, nous avons une nouvelle occasion d'examiner les stratégies de trading. En particulier, l'analyse des deux extrêmes des résultats de trading des modèles à haut profit comme DeepSeek et des modèles à forte perte comme Gemini et GPT5 est la plus stimulante.

1. Le comportement des modèles à haut profit présente les caractéristiques suivantes : faible fréquence, longues périodes de détention, grand ratio risque/rendement et timing d'entrée opportun.

2. Le comportement des modèles déficitaires présente les caractéristiques suivantes : haute fréquence, trading à court terme, faible ratio risque/rendement et timing d'entrée tardif.

3. Le montant du profit n'est pas directement lié à la quantité d'informations de marché. Dans cette compétition de trading de modèles IA, tous les modèles ont accès aux mêmes informations, ce qui est plus limité par rapport aux traders humains. Cependant, ils peuvent toujours atteindre des niveaux de rentabilité bien supérieurs à la grande majorité des traders.

4. La longueur du processus de réflexion semble être la clé pour déterminer la rigueur du trading. Le processus de prise de décision de DeepSeek est le plus long de tous les modèles, ressemblant aux règles de trading des traders humains qui sont doués pour la revue et la réflexion approfondie sur chaque décision. À l'inverse, le processus de réflexion des modèles peu performants est très court, plus proche du processus de décision impulsif des humains.

5. Avec la performance rentable de modèles comme DeepSeek et Qwen3, beaucoup se sont demandé s'il était possible de suivre directement ces modèles IA. Cependant, cette approche semble peu judicieuse, même si la rentabilité actuelle de certaines IA est correcte, la chance semble jouer un rôle, car elles coïncident avec la tendance du marché pendant cette période. Une fois que le marché entrera dans une nouvelle phase, il reste à voir si cet avantage pourra être maintenu. Néanmoins, la capacité d'exécution du trading de l'IA reste digne d'être apprise.

Enfin, qui remportera la victoire ultime ? PANews a envoyé ces données de performance à plusieurs modèles IA, et ils ont unanimement choisi DeepSeek, arguant que son espérance de gain correspond le mieux à la logique mathématique et que ses habitudes de trading sont les plus favorables.

Fait intéressant, leur deuxième modèle préféré, presque tous se sont choisis eux-mêmes.