Sześciu głównych AI „traderów” w dziesięciodniowym pojedynku: kto przetrwa na rynku bez „przewagi informacyjnej”?

Oryginalny tytuł: „Sześciu głównych AI 'traderów' w dziesięciodniowym pojedynku: publiczna lekcja o trendach, dyscyplinie i chciwości”

Autor: Frank, PANews

Mniej niż dziesięć dni, a kapitał się podwoił.

Kiedy DeepSeek i Qwen3 osiągnęły taki wynik w rzeczywistym handlu AlphaZero AI uruchomionym przez Nof1, ich efektywność zysków znacznie przewyższyła większość ludzkich traderów. Zmusza nas to do zmierzenia się z pytaniem: AI przekształca się z „narzędzia badawczego” w „operatora pierwszej linii”. Jak myślą? PANews przeprowadziło kompleksowy przegląd prawie 10 dni handlu sześciu głównych modeli AI w tym konkursie, próbując odkryć sekrety decyzji AI traderów.

Czysta techniczna rywalizacja bez „różnicy informacyjnej”

Przed analizą musimy wyjaśnić jedno założenie: decyzje AI w tym konkursie są podejmowane w trybie „offline”. Wszystkie modele pasywnie otrzymują dokładnie te same dane techniczne (w tym bieżącą cenę, średnie kroczące, MACD, RSI, otwarte pozycje, stawki finansowania oraz dane sekwencyjne z okresów 4-godzinnych i 3-minutowych), bez możliwości aktywnego łączenia się z siecią w celu pozyskania informacji fundamentalnych.

Eliminuje to zakłócenia wynikające z „różnicy informacyjnej” i czyni ten konkurs ostatecznym testem starożytnego pytania: „czy czysta analiza techniczna może przynosić zyski”.

Patrząc na konkretne treści, AI może uzyskać następujące informacje:

1. Aktualny stan rynku danego tokena: obejmuje bieżące informacje o cenie, cenę średniej kroczącej z 20 dni, dane MACD, dane RSI, dane o otwartych pozycjach, stawki finansowania oraz sekwencje danych intraday (okres 3 minut), długoterminowe sekwencje trendów (okres 4 godzin) itd.

2. Informacje o koncie i wydajności: obejmuje ogólną wydajność konta, stopę zwrotu, dostępne środki, wskaźnik Sharpe’a itd. Rzeczywista wydajność bieżącej pozycji, obecne warunki take profit/stop loss i warunki wygaśnięcia itd.

DeepSeek: Spokojny mistrz trendów i wartość „przeglądu”

Na dzień 27 października konto DeepSeek osiągnęło maksymalnie 23 063 USD, a maksymalny niezrealizowany zysk wyniósł około 130%. Bez wątpienia jest to najlepiej radzący sobie model, a analiza jego zachowań handlowych pokazuje, że taki wynik nie jest przypadkowy.

Po pierwsze, jeśli chodzi o częstotliwość transakcji, DeepSeek prezentuje styl tradera trendowego o niskiej częstotliwości – w ciągu 9 dni wykonał łącznie 17 transakcji, najmniej spośród wszystkich modeli. Wśród tych 17 transakcji, DeepSeek 16 razy zajmował pozycję długą, a tylko raz krótką, co idealnie odpowiada ogólnemu trendowi odbicia rynku w tym okresie.

Oczywiście taki wybór kierunku nie jest przypadkowy – DeepSeek dokonuje kompleksowej analizy za pomocą wskaźników takich jak RSI i MACD, stale uznając, że obecny rynek jest w fazie wzrostowej, dlatego konsekwentnie wybiera pozycje długie.

W konkretnym procesie handlu, kilka pierwszych zleceń DeepSeek nie było udanych – pierwsze 5 zleceń zakończyło się stratą, ale każda strata była niewielka, maksymalnie nie przekraczała 3,5%. Ponadto, początkowe zlecenia były utrzymywane przez krótki czas – najkrótsze zamknięto po zaledwie 8 minutach. Wraz z rozwojem rynku w przewidywanym kierunku, pozycje DeepSeek zaczęły być utrzymywane dłużej.

Patrząc na styl utrzymywania pozycji przez DeepSeek, model ten zwykle ustawia szerokie take profit i wąskie stop loss po wejściu na rynek. Na przykład, 27 października średnie ustawienie take profit wynosiło 11,39%, a średni stop loss -3,52%, co daje stosunek zysku do straty około 3,55. Oznacza to, że strategia DeepSeek polega na małych stratach i dużych zyskach.

Wyniki to potwierdzają – według analizy PANews, w rozliczonych transakcjach DeepSeek średni stosunek zysku do straty wyniósł 6,71, najwyższy spośród wszystkich modeli. Choć skuteczność (win rate) 41% nie jest najwyższa (drugie miejsce), to oczekiwana wartość zysku 2,76 plasuje DeepSeek na pierwszym miejscu. To główny powód, dla którego DeepSeek osiągnął najwyższy zysk.

Ponadto, jeśli chodzi o czas utrzymywania pozycji, średni czas dla DeepSeek to 2952 minuty (około 49 godzin), również najdłuższy spośród modeli. Wśród kilku modeli jest to prawdziwy trader trendowy, co odpowiada głównej zasadzie zyskowności w finansach: „pozwól pociskowi polecieć przez chwilę”.

W zarządzaniu pozycją DeepSeek jest dość agresywny – średnia dźwignia pojedynczej pozycji wynosi 2,23, a często utrzymuje kilka pozycji jednocześnie, co powoduje, że całkowita dźwignia jest jeszcze wyższa. Na przykład 27 października łączna dźwignia przekroczyła 3x. Jednak dzięki ścisłym warunkom stop loss, ryzyko pozostaje pod kontrolą.

Ogólnie rzecz biorąc, sukces DeepSeek wynika z kompleksowej strategii. Do wyboru pozycji używa tylko najpopularniejszych wskaźników MACD i RSI, bez żadnych specjalnych narzędzi. Kluczowe jest ścisłe przestrzeganie rozsądnego stosunku zysku do straty i konsekwentne utrzymywanie pozycji bez wpływu emocji.

PANews zauważyło jeszcze jeden szczegół: w procesie myślenia DeepSeek kontynuuje swoje wcześniejsze podejście, tworząc długi, szczegółowy proces analizy, a następnie podsumowując wszystko w jedną decyzję handlową. U ludzi taki styl przypomina traderów, którzy przykładają dużą wagę do przeglądu transakcji, i to co trzy minuty.

Nawet w modelu AI taka zdolność do przeglądu ma znaczenie – zapewnia, że każdy token i sygnał rynkowy są wielokrotnie analizowane i nie są pomijane. To być może kolejna rzecz, której ludzie mogą się nauczyć od AI traderów.

Qwen3: Agresywny „hazardzista”

Na dzień 27 października Qwen3 był drugim najlepiej radzącym sobie dużym modelem. Maksymalna wartość konta osiągnęła 20 000 USD, a stopa zwrotu 100%, ustępując jedynie DeepSeek. Qwen3 charakteryzuje się wysoką dźwignią i wysoką skutecznością. Ogólna skuteczność wynosi 43,4%, najwyższa spośród wszystkich modeli. Jednocześnie pojedyncza pozycja osiągnęła 56 100 USD (dźwignia 5,6x), również najwyższa. Choć oczekiwana wartość zysku nie dorównuje DeepSeek, agresywny styl sprawia, że wynik jest tuż za DeepSeek.

Styl handlu Qwen3 jest stosunkowo agresywny – średni stop loss wynosi 491 USD, najwięcej spośród wszystkich modeli. Maksymalna strata na pojedynczej transakcji to 2232 USD, również najwięcej. Oznacza to, że Qwen3 toleruje większe straty, potocznie „trzyma stratną pozycję”. Jednak w przeciwieństwie do DeepSeek, mimo większych strat, nie osiąga wyższych zysków – średni zysk to 1547 USD, mniej niż DeepSeek. Ostatecznie oczekiwana wartość zysku wynosi tylko 1,36, połowę tego, co DeepSeek.

Qwen3 ma też inną cechę – lubi trzymać tylko jedną pozycję naraz i stawia na nią duże środki. Dźwignia często sięga 25x (maksymalna dozwolona w konkursie). Taki styl wymaga bardzo wysokiej skuteczności, bo każda strata powoduje duży drawdown.

W procesie decyzyjnym Qwen3 wydaje się szczególnie zwracać uwagę na 4-godzinną EMA 20 jako sygnał wejścia/wyjścia. Proces myślenia Qwen3 wygląda na bardzo prosty. Jeśli chodzi o czas utrzymywania pozycji, Qwen3 jest niecierpliwy – średni czas to 10,5 godziny, tylko nieco więcej niż Gemini.

Ogólnie rzecz biorąc, choć obecne wyniki Qwen3 wyglądają dobrze, istnieje wiele ukrytych zagrożeń: zbyt wysoka dźwignia, stawianie wszystkiego na jedną kartę, pojedynczy wskaźnik, krótki czas utrzymywania pozycji i niski stosunek zysku do straty mogą w przyszłości prowadzić do problemów. Do czasu publikacji 28 października, kapitał Qwen3 spadł do 16 600 USD, a drawdown od szczytu wyniósł 26,8%.

Claude: Zdeterminowany wykonawca pozycji długich

Claude również ogólnie jest na plusie – na dzień 27 października saldo konta wynosiło około 12 500 USD, zysk około 25%. Samodzielnie ta liczba wygląda dobrze, ale w porównaniu do DeepSeek i Qwen3 wypada słabiej.

Pod względem częstotliwości otwierania pozycji, wielkości pozycji i skuteczności Claude jest zbliżony do DeepSeek. W sumie 21 transakcji, skuteczność 38%, średnia dźwignia 2,32.

Główna różnica wynika z niższego stosunku zysku do straty – choć Claude osiąga 2,1, to w porównaniu do DeepSeek jest to ponad 3 razy mniej. W związku z tym oczekiwana wartość zysku wynosi tylko 0,8 (gdy jest poniżej 1, długoterminowo oznacza to straty).

Claude ma też wyraźną cechę – przez pewien czas zajmuje tylko jeden kierunek. Do 27 października wszystkie 21 transakcji Claude to pozycje długie.

Grok: Zagubiony w wirze oceny kierunku

Grok początkowo radził sobie dobrze, nawet przez chwilę był najlepiej zarabiającym modelem, z maksymalnym zyskiem ponad 50%. Jednak z czasem drawdown był poważny – na dzień 27 października kapitał wrócił do około 10 000 USD. Wśród wszystkich modeli zajmuje czwarte miejsce, a ogólna stopa zwrotu jest zbliżona do krzywej trzymania BTC spot.

Pod względem nawyków handlowych Grok również jest graczem o niskiej częstotliwości i długoterminowym utrzymywaniu pozycji. Zrealizował tylko 20 transakcji, średni czas utrzymywania pozycji to 30,47 godziny, tylko nieco mniej niż DeepSeek. Największym problemem Grok jest jednak bardzo niska skuteczność – tylko 20%, a stosunek zysku do straty to 1,85. Oczekiwana wartość zysku to tylko 0,3. Spośród 20 pozycji Grok, połowa była długa, połowa krótka. W tym okresie rynku zbyt częste pozycje krótkie wyraźnie obniżyły skuteczność. Z tego punktu widzenia model Grok ma problem z oceną trendu rynkowego.

Gemini: Wysokoczęstotliwościowy „drobny inwestor”, który wykrwawia się przez ciągłe wahania

Gemini to model o najwyższej częstotliwości transakcji – do 27 października wykonał łącznie 165 transakcji. Zbyt częste otwieranie pozycji sprawiło, że wyniki Gemini były bardzo słabe – saldo konta spadło do około 3800 USD, a strata wyniosła 62%. Same prowizje wyniosły 1095,78 USD.

Za wysoką częstotliwością kryje się bardzo niska skuteczność (25%) i stosunek zysku do straty tylko 1,18, a oczekiwana wartość zysku to 0,3. Przy takich danych handel Gemini jest skazany na straty. Być może z powodu braku pewności co do własnych decyzji, średnia wielkość pozycji jest bardzo mała – dźwignia tylko 0,77, a średni czas utrzymywania pozycji to tylko 7,5 godziny.

Średni stop loss to tylko 81 USD, średni take profit to 96 USD. Gemini zachowuje się jak typowy drobny inwestor – bierze mały zysk i wychodzi, przy stracie szybko zamyka pozycję. Waha się w górę i w dół rynku, nieustannie wykrwawiając kapitał.

GPT5: „Podwójny cios” niskiej skuteczności i niskiego stosunku zysku do straty

GPT5 to obecnie najgorzej radzący sobie model, a jego wyniki i krzywa są bardzo podobne do Gemini – strata przekracza 60%. Choć GPT5 nie handluje tak często jak Gemini, wykonał 63 transakcje. Stosunek zysku do straty to tylko 0,96, czyli średnio na każdą wygraną 0,96 USD przypada 1 USD straty. Skuteczność GPT5 to tylko 20%, podobnie jak Grok.

Pod względem wielkości pozycji GPT5 i Gemini są bardzo podobne – średnia dźwignia to około 0,76. Wygląda na bardzo ostrożny.

Przypadki GPT5 i Gemini pokazują, że niskie ryzyko pozycji niekoniecznie sprzyja zyskom. Przy wysokiej częstotliwości handlu skuteczność i stosunek zysku do straty nie mogą być zagwarantowane. Ponadto, ceny wejścia na pozycje długie dla tych modeli są wyraźnie wyższe niż u modeli zyskownych, takich jak DeepSeek, co wskazuje na opóźnione sygnały wejścia.

Podsumowanie obserwacji: Dwie „ludzkie” natury handlu ujawnione przez AI

Ogólnie rzecz biorąc, analiza zachowań handlowych AI daje nam kolejną okazję do przemyślenia strategii handlowych. Szczególnie wartościowa jest analiza modeli o skrajnych wynikach – wysokozyskowny DeepSeek oraz mocno stratne Gemini i GPT5.

1. Modele o wysokich zyskach mają następujące cechy: niska częstotliwość, długie utrzymywanie pozycji, wysoki stosunek zysku do straty, szybkie wejście na rynek.

2. Modele stratne mają następujące cechy: wysoka częstotliwość, krótkoterminowe pozycje, niski stosunek zysku do straty, spóźnione wejście na rynek.

3. Wielkość zysków nie jest bezpośrednio związana z ilością informacji rynkowych – w tym konkursie wszystkie modele miały dostęp do tych samych danych, a ich źródła informacji były bardziej jednorodne niż u ludzkich traderów. Mimo to osiągnęły wyniki znacznie przewyższające większość traderów.

4. Długość procesu myślenia wydaje się kluczowa dla rygorystyczności handlu. Proces decyzyjny DeepSeek był najdłuższy spośród wszystkich modeli – u ludzi odpowiada to traderom, którzy skrupulatnie analizują i przeglądają każdą decyzję. Modele o słabych wynikach miały bardzo krótkie procesy myślowe, przypominające impulsywne decyzje ludzi.

5. Wraz z sukcesami modeli takich jak DeepSeek i Qwen3, wiele osób zastanawia się, czy można po prostu kopiować transakcje tych AI. Jednak takie podejście wydaje się ryzykowne – nawet jeśli obecnie niektóre AI są zyskowne, może to być kwestia szczęścia i odpowiedniego trendu rynkowego. Jeśli rynek się zmieni, nie wiadomo, czy przewaga się utrzyma. Niemniej jednak, warto uczyć się od AI dyscypliny w realizacji transakcji.

Na koniec – kto wygra ostatecznie? PANews przesłało te dane kilku modelom AI, a wszystkie jednogłośnie wybrały DeepSeek, argumentując, że jego oczekiwana wartość zysku jest najbardziej logiczna matematycznie, a nawyki handlowe najlepsze.

Co ciekawe, jako drugi najlepszy model, prawie każdy wybrał… siebie.