六大AI「交易員」十日對決：「無資訊優勢」市場中誰能存活？

Original Article Title: "六大AI「交易員」十日對決：一堂關於趨勢、紀律與貪婪的公開課"

Original Article Author: Frank, PANews

不到十天，資金翻倍。

當DeepSeek與Qwen3在Nof1發起的AlphaZero AI實盤交易中達成這一紀錄時，其獲利效率已遠超絕大多數人類交易員。這迫使我們正視一個問題：AI正從「研究工具」轉型為「前線交易員」。它們是如何思考的？PANews對本次比賽中六大主流AI模型近10天的交易進行了全面回顧，試圖揭開AI交易員決策的祕密。

沒有「資訊不對稱」的純技術對決

在分析之前，必須明確一個前提：本次比賽中的AI決策均為「離線」模式。所有模型被動接收完全相同的技術數據（包括當前價格、均線、MACD、RSI、持倉量、資金費率、4小時與3分鐘序列數據等），無法主動上網獲取基本面資訊。

這消除了「資訊不對稱」的干擾，使這場比賽成為「純技術分析能否盈利」的終極檢驗。

具體來說，AI可獲取的內容包括：

1. 資產當前市場狀態：包括當前價格資訊、20日均線價格、MACD數據、RSI數據、持倉量數據、資金費率，以及上述數據的日內序列（3分鐘間隔）與長週期趨勢序列（4小時間隔）等。

2. 賬戶資訊與績效：包括賬戶整體績效、收益、可用資金、夏普比率、當前持倉實時績效、當前止盈止損設置與失效條件。

DeepSeek：穩健趨勢大師與「複盤」的價值

截至10月27日，DeepSeek賬戶最高達到23,063美元，最大未實現收益約130%。無疑是表現最佳的模型，從其交易行為分析中可以發現，這一表現並非偶然。

首先，在交易頻率上，DeepSeek展現出趨勢交易員的低頻風格。9天內共完成17筆交易，為所有模型中最低。在這17筆交易中，DeepSeek做多16次，做空1次，與當時市場自底部反彈的總體趨勢高度一致。

當然，這一方向選擇並非隨機。DeepSeek通過RSI、MACD等指標進行綜合分析，始終認為市場處於多頭趨勢，因此果斷選擇做多。

在具體交易過程中，DeepSeek最初幾單並不順利，前5單均以失敗告終，但每次虧損幅度都不大，最大虧損不超過3.5%。此外，初期持倉時間較短，最短僅持有8分鐘。隨著行情向預期方向發展，DeepSeek的持倉開始展現出持久狀態。

從持倉風格來看，DeepSeek傾向於設置較大止盈空間與較小止損空間。以10月27日持倉為例，平均止盈空間為11.39%，平均止損空間為-3.52%，盈虧比設置在3.55左右。由此可見，DeepSeek交易策略偏向小虧大賺的理念。

實際結果也印證了這一點。據PANews彙總分析，DeepSeek已結算交易的平均盈虧比達到6.71，為所有模型最高。雖然41%的勝率不是最高（排名第二），但以2.76的盈利期望值仍穩居第一，這也是DeepSeek獲得最高收益的主要原因。

此外，在持倉時間上，DeepSeek平均持倉時間為2952分鐘（約49小時），同樣排名第一。是少數真正意義上的趨勢交易員，這也契合金融交易盈利的核心要素——「讓盈利單奔跑」。

在倉位管理上，DeepSeek相對激進。單筆平均槓桿達2.23，且經常同時持有多單，導致總體槓桿較高。例如10月27日，總槓桿超過3倍。但由於止損條件嚴格，風險仍在可控範圍內。

總體來看，DeepSeek交易表現優異是綜合策略的結果。入場選擇僅用最主流的MACD與RSI作為標準，未使用任何特殊指標，只是嚴格遵循合理的風險回報比，堅定持倉決策，不受情緒干擾。

此外，PANews還發現一個特殊細節。在鏈式思考過程中，DeepSeek延續了過去思考詳盡、步驟繁多的特點，將所有思考過程總結為最終交易決策。這一特點在人類交易員身上更像是重視複盤的人，且每三分鐘就進行一次複盤。

即便這種複盤能力應用於AI模型，也發揮了作用。它確保每一個幣種、每一個市場信號的細節都被反覆分析，不會遺漏。或許這也是人類交易員可以借鑑的地方。

Qwen3：大倉位激進「賭徒」

截至10月27日，Qwen3是第二表現最佳的大模型，賬戶最高達到20,000美元，盈利100%，僅次於DeepSeek。Qwen3整體特點是高槓桿、高勝率。總體勝率達43.4%，為所有模型第一。同時，單筆倉位規模也達到56,100美元（槓桿5.6倍），同樣為所有模型最高。雖然盈利期望值不及DeepSeek，但激進的交易風格讓其至今緊隨DeepSeek之後。

Qwen3交易風格較為激進。平均止損金額491美元，為所有模型最高。單筆最大虧損達2,232美元，同樣最高。這意味著Qwen3能容忍更大虧損，俗稱「扛單」。但與DeepSeek相比，即使承受更大虧損，回報卻沒有更高。Qwen3平均盈利1,547美元，低於DeepSeek，最終盈利期望值僅1.36，僅為DeepSeek一半。

此外，Qwen3還有一個特點，偏好單次持有一個倉位並加碼。使用槓桿經常達到25倍（比賽允許最高倍數）。這種交易特點極度依賴高勝率，因為每次虧損都會造成巨大回撤。

在決策過程中，Qwen3似乎特別關注4小時EMA 20均線，並以此作為進出場信號。策略上也顯得簡單。在持倉時間上，Qwen3也表現出急躁，平均持倉僅10.5小時，僅高於Gemini。

總體而言，雖然Qwen3目前盈利可觀，但其交易方式存在較大風險。高槓桿、全倉開單、單一指標依賴、持倉時間短、風險回報比小等因素，對Qwen3未來交易構成挑戰。截至10月28日，Qwen3資金最大回撤至16,600美元，回撤幅度26.8%。

Claude：堅持做多的執行者

雖然Claude整體仍處於盈利狀態，截至10月27日，賬戶總額約12,500美元，收益約25%。單看這一數據已不錯，但與DeepSeek、Qwen3相比則略顯遜色。

事實上，無論交易頻率、倉位規模、勝率，Claude的數據表現都與DeepSeek相近。共21筆交易，勝率38%，平均槓桿2.32。

顯著差異在於風險回報比偏低。雖然Claude的風險回報比達2.1，已屬不錯，但僅為DeepSeek的三分之一。因此，綜合數據下，其盈利期望值僅0.8（低於1則長期虧損）。

此外，Claude還有一個明顯特點，即一段時間內堅持單一方向。截至10月27日，Claude已結算的21筆交易全部為多單。

Grok：迷失於方向判斷的漩渦

Grok早期表現強勁，一度成為最賺錢模型，收益超過50%。但隨著交易時間推進，Grok出現大幅回撤。截至10月27日，資金回落至約10,000美元，在所有模型中排名第四，總體收益接近持有BTC現貨。

從交易習慣來看，Grok也屬於低頻交易與HODLer陣營。僅完成20筆交易，平均持倉時間30.47小時，僅次於DeepSeek。但Grok最大問題在於勝率僅20%，風險回報比1.85，盈利期望值僅0.3。從交易方向看，Grok的20筆持倉中，多空各10次。但在當前市場階段，過度做空明顯拉低勝率。從這一點看，Grok模型在趨勢判斷上仍有問題。

Gemini：高頻「散戶」，死於震盪

Gemini是交易頻率最高的模型，截至10月27日共完成165筆交易。過於頻繁的交易導致Gemini表現極差，賬戶最低跌至約3,800美元，虧損率高達62%。僅手續費就高達1,095.78美元。

高頻交易背後是極低的勝率（25%）與僅1.18的風險回報比，綜合盈利期望僅0.3。這樣的表現註定Gemini交易必然虧損。或許因對自身決策缺乏信心，Gemini平均單筆倉位極小，槓桿僅0.77，平均持倉僅7.5小時。

平均止損僅81美元，平均止盈96美元。Gemini的表現如典型散戶，止盈快、止損也快，不斷在市場震盪中反覆進出，持續消耗賬戶資金。

GPT5：低勝率與低風險回報比的「雙殺」

GPT5目前排名墊底，整體表現與曲線與Gemini極為相似，虧損率超過60%。雖然GPT5不像Gemini那樣高頻，但也執行了63筆交易。風險回報比僅0.96，即平均每賺0.96美元就要承擔1美元止損。同時，GPT5勝率僅20%，與Grok持平。

在倉位規模上，GPT5與Gemini極為相似，平均槓桿約0.76，極為謹慎。

GPT5與Gemini的案例說明，降低倉位風險未必有利於賬戶盈利。在高頻交易下，勝率與風險回報比本身就不可靠。此外，這兩個模型多單入場價格明顯高於DeepSeek等盈利模型，說明其入場信號偏遲。

觀察總結：AI眼中的兩種交易「人性」

總體來看，通過對AI交易行為的分析，我們再次有機會審視交易策略。尤其是高盈利DeepSeek與高虧損Gemini、GPT5兩種極端交易結果的分析最值得深思。

1. 高盈利模型行為特點：低頻、長持倉、風險回報比大、入場時機及時。

2. 虧損模型行為特點：高頻、短線交易、風險回報比低、入場時機滯後。

3. 盈利多少與市場資訊量無直接關係。本次AI模型交易比賽，所有模型獲取資訊完全一致，且比人類交易員更有限，但依然能取得遠超絕大多數交易員的盈利水準。

4. 思考過程長短似乎決定了交易的嚴謹性。DeepSeek決策過程最長，類似善於複盤、慎重考慮每一決策的人類交易員；而表現差的模型思考過程極短，更像人類的衝動決策。

5. 隨著DeepSeek、Qwen3等模型的盈利表現，很多人討論是否可以直接跟單AI模型。但這種做法並不明智，雖然目前單一AI盈利不錯，但運氣成分明顯，恰好踩中這一階段的市場趨勢。一旦市場進入新階段，這種優勢能否持續尚未可知。不過，AI的交易執行力仍值得學習。

最後，誰會贏得最終勝利？PANews已將這些績效數據發給多個AI模型，結果一致選擇DeepSeek，理由是其盈利期望最符合數學邏輯，交易習慣最優。

有趣的是，第二喜愛的模型，幾乎都選了自己。