JUDUL ASLI: "ENAM PERDAGANGAN AI UTAMA SEPULUH HARI: SEBUAH LAPANGAN TERBUKA PADA TRENDS, DISIPLIN DAN KESERAKAHAN"

Original by Frank, PANews

Dalam waktu kurang dari 10 hari, dana dua kali lipat。

Ketika DeepSeek dan Qwen3 mencapai kinerja ini di kesepakatan buku AlphaZero Al di Nof1, itu sudah lebih menguntungkan daripada kebanyakan pedagang manusia. Hal ini telah memaksa kita untuk menghadapi masalah: AI bergerak dari "alat penelitian" ke "satu-baris player". Bagaimana menurut mereka? PaNews membuat ulasan komprehensif dari hampir 10 hari transaksi enam model AI mainstream dalam kompetisi ini, mencoba untuk membuka rahasia keputusan dari pedagang AI。

Tidak ada teknologi "buruk"

SEBELUM KITA MENGANALISANYA, KITA HARUS MEMBUAT JELAS PREMIS BAHWA KEPUTUSAN AI KOMPETISI INI ADALAH OFF-GRID. SEMUA MODEL SECARA PASIF MENERIMA DATA TEKNIS YANG SAMA (TERMASUK HARGA SAAT INI, RATA-RATA BARIS, MCD, RSI, KONTRAK YANG BELUM DISELESAIKAN, TINGKAT KEUANGAN DAN DATA SERI 4 JAM DAN 3 MENIT) DAN TIDAK DAPAT AKTIF JARINGAN UNTUK INFORMASI PERMUKAAN DASAR。

Ini menghilangkan interferensi "intelijen" dan membuat kompetisi tes akhir dari proposisi kuno dari "analisis teknologi murni untuk keuntungan"。

DALAM HAL KONTEN TERTENTU, AI MEMILIKI AKSES KE BERIKUT:

STATUS PASAR MATA UANG SAAT INI: TERMASUK INFORMASI HARGA SAAT INI, HARGA RATA-RATA 20- HARI, MCD DATA, DATA RSI, DATA KONTRAK YANG BELUM DISELESAIKAN, TINGKAT KEUANGAN, DAN SERI IN- HARI (3 MENIT SIKLUS), JANGKA PANJANG GERAKAN SERI (SIKLUS 4 JAM) DLL。

Informasi akun dan kinerja: Ini termasuk keseluruhan kinerja akun saat ini, tingkat pengembalian, dana tersedia, rasio tajam, dll. Penampilan real-time dari posisi saat ini, kondisi saat ini kerugian dan kerugian, dll。

DeepSeek: Trek Stabil Master dan Nilai dari Reset

Seperti pada 27 Oktober, DeepSeek memiliki rekening hingga $23.063, dengan surplus maksimum sekitar 130 persen. Tidak diragukan lagi model terbaik kinerja, dan dalam analisis transaksi, Anda menemukan bahwa itu bukan kebetulan bahwa prestasi tersebut dicapai。

Pertama-tama, berkaitan dengan frekuensi transaksi, DeepSeek menunjukkan gaya rendah dari pedagang tren, dan dalam sembilan hari itu menyelesaikan transaksi 17 kali, terkecil dari semua model. Dari 17 transaksi, DeepSeek memilih untuk melakukan lebih 16 kali, sekali kosong, yang bertepatan dengan pasar keseluruhan memantul dari dasar lembah selama periode ini。

Tentu saja, pilihan arah ini tidak secara kebetulan, dan DeepSeek, melalui analisis menyeluruh indikator seperti RSI dan MCD, selalu berpikir bahwa pasar saat ini secara keseluruhan sedang meningkat, dan telah memilih untuk berbuat lebih dengan tekad。

Dalam kursus spesifik transaksi, beberapa perintah awal DeepSeek 'tidak berjalan dengan baik, dan lima pertama gagal, meskipun kerugian tidak signifikan, sampai maksimum 3,5 persen. Perintah sebelumnya ditahan untuk waktu yang singkat, dan yang paling singkat hanya mengambil delapan menit. Silo DeepSeek mulai menunjukkan keadaan yang abadi urusan sebagai situasi bergerak dalam pra-set arah。

Dari gaya silo DeepSeek, ini digunakan untuk mengatur lebih besar no-gain dan lebih kecil no-kehilangan spasi setelah memasuki situs. Dalam kasus Holdout 27 Oktober, ruang rata-rata yang tersedia adalah 11.39 persen, ruang rata-rata yang tersedia adalah -3.52 persen dan rasio sekitar 3.55. Dari sudut pandang ini, strategi perdagangan DeepSeek lebih mendukung ide membuat keuntungan kecil。

Hal yang sama berlaku dalam hal hasil nyata, menurut Analisis Ringkasan PaNews, rata-rata rasio laba / kerugian dalam transaksi DeepSeek adalah 6.71, yang tertinggi dari semua model. Sementara 41 persen won bukan tempat kedua tertinggi, peringkat pertama dengan 2,76. Ini juga alasan utama mengapa DeepSeek adalah yang paling menguntungkan。

Selain itu, dalam hal waktu menahan, DeepSeek memiliki waktu rata-rata 2952 menit (sekitar 49 jam), juga peringkat pertama. Dalam beberapa model, hal ini dapat dijelaskan sebagai trader tren asli, dan hal ini sejalan dengan gagasan bahwa faktor terpenting dalam transaksi keuangan adalah "biarkan peluru terbang"。

Dalam hal manajemen gudang, DeepSeek relatif radikal, dengan rata-rata tunggal leverage dari 2.23 dan sering multi-spaced posisi, membawa keseluruhan leverage ke tingkat relatif lebih tinggi. Pada 27 Oktober, misalnya, total pengaruh dari gudang itu lebih dari tiga kali. Namun, itu juga memungkinkan risiko untuk tetap dikelola sebagai hasil sinkronisasi dengan kondisi penghentian yang ketat。

Secara umum, transaksi DeepSeek telah mencapai hasil yang lebih baik sebagai hasil dari strategi komprehensif. Dalam hal pemilihan gudang, itu hanya menggunakan MCD dan RSI paling utama sebagai dasar untuk penilaian, dan tidak ada indikator khusus. Hanya penegakan ketat dari rasio wajar keuntungan dan kerugian dan tekad membuat bebas dari pengaruh emosional。

Ditambah, PaNews menemukan detail khusus. DeepSeek, dalam proses berpikir tentang rantai, juga terus pola pikir masa lalu karakteristik, mengarah ke yang lebih, lebih rinci proses berpikir, dan akhirnya untuk keputusan trade-off. Fitur ini tercermin di antara pedagang manusia, lebih seperti mereka yang berfokus pada reset, yang dilakukan setiap tiga menit。

KEMAMPUAN UNTUK MERESET BAHKAN JIKA DITERAPKAN PADA MODEL AI MEMILIKI EFEK TERTENTU. INI MEMASTIKAN BAHWA SETIAP TOKEN DAN RINCIAN SINYAL PASAR DIANALISIS LAGI DAN LAGI DAN TIDAK DIABAIKAN. INI MUNGKIN TEMPAT LAIN DI MANA PEDAGANG MANUSIA BISA BELAJAR PALING。

Para penjudi radikal dari Aliansi Besar

Pada 27 Oktober, Qwen3 adalah model kedua terbaik. Rekening atas mencapai $20.000, dengan keuntungan 100 persen, setelah DeepSeek. Qwen3 ditandai dengan keberhasilan tinggi dan tinggi. Tingkat keberhasilan keseluruhan adalah 43,4 persen, peringkat pertama pada semua model. Pada saat yang sama, ukuran gudang individu mencapai $561 juta (tingkat pengaruh 5,6 kali) dan tertinggi dari semua model. Sementara tidak sama dengan DeepSeek dalam hal harapan keuntungan, gaya luas konvergensi juga menjaga hasil mendekati DeepSeek sampai saat ini。

Gaya perdagangan Qwen3 relatif radikal, dengan potongan rata-rata $491, yang tertinggi dari semua model. Single- waktu maksimum kerugian $2232 juga tertinggi. Ini juga berarti bahwa Qwen3 dapat mentolerir kerugian yang lebih besar, umumnya dikenal sebagai tagihan. Tapi apa yang lebih buruk daripada DeepSeek adalah bahwa bahkan jika itu bertahan kerugian yang lebih besar, itu tidak mendapatkan keuntungan yang lebih tinggi. Keuntungan rata-rata dari Qwen3 adalah $1547, kurang dari DeepSeek. Hal ini juga menghasilkan rasio harapan laba hanya 1.36, hanya setengah dari DeepSeek。

Selain itu, fitur lain dari Qwen3 adalah bahwa ia lebih suka memegang posisi gudang sekali dan bertaruh di atasnya. Pengaruh yang digunakan sering mencapai 25 kali (angka maksimum diperbolehkan dalam kompetisi). Transaksi tersebut ditandai dengan ketergantungan yang besar pada tingkat keberhasilan yang tinggi, karena setiap kerugian akan menghasilkan pembalikan yang lebih besar。

Dalam proses membuat keputusan, Qwen3 tampaknya menaruh perhatian khusus pada EMA 20 baris pada tingkat 4 jam sebagai tanda akses sendiri. Dan dalam perjalanan untuk berpikir, Qwen3 terlihat sederhana. Qwen3 juga menunjukkan ketidaksabaran atas panjang holdout, dengan rata-rata holdout dari 10,5 jam, peringkat hanya di atas Gemini。

Secara umum, sementara hasil keuntungan saat ini terlihat bagus, Qwen3 juga memiliki risiko yang lebih besar, dengan over- memanfaatkan, gaya gudang putus asa, indikator penilaian tunggal, jangka pendek, dan rasio keuntungan-dan-rugi lebih kecil, semua yang mungkin telah dikaitkan dengan Qwen3 mengikuti perdagangan. Pada 28 Oktober, dana Qwen3 telah ditarik menjadi $16,6 juta dan 26.8 persen dari poin tertinggi。

Claude: A berkomitmen multi- head implementasi

Claude, meskipun umumnya menguntungkan, pada 27 Oktober, total rekening sebesar sekitar $12.500, atau sekitar 25 persen. Hal ini sebenarnya cukup cerah, tapi terlihat sedikit lebih buruk dari DeepSeek dan Qwen3。

Bahkan, kedua frekuensi penagihan dan ukuran gudang, serta sisi pemenang. Claude dan DeepSeek keduanya memiliki ekspresi data yang lebih dekat. Dua puluh - satu tagihan, 38% menang, rata-rata leverage 2.32。

Dan alasan untuk kesenjangan besar mungkin bahwa itu ada pada rasio laba / kehilangan rendah, meskipun rasio laba / kerugian Claude juga baik, mencapai 2.1. Tapi ada lebih dari tiga kali perbedaan antara DeepSeek dan DeepSeek. Akibatnya, harapan laba hanya 0.8 (kurang dari 1 akan tetap dalam defisit dalam jangka panjang) di bawah data gabungan ini。

Selain itu, Claude memiliki fitur yang berbeda membuat hanya satu arah untuk jangka waktu tertentu, dan dari 21 perintah yang ditutup sebagai 27 Oktober, Claude telah melakukan lebih。

Kehilangan arah pusaran

Grok tampil lebih baik pada periode sebelumnya, dan pada satu titik menjadi model yang paling menguntungkan, dengan keuntungan maksimum lebih dari 50 persen. Tapi dengan peningkatan waktu transaksi, mundur Grok sangat parah. Pada 27 Oktober, dana kembali ke sekitar $10.000. Keempat di semua model adalah keseluruhan tingkat kembali dekat dengan memegang BTC titik kurva。

Dari kebiasaan perdagangan, Grok juga pedagang frekuensi rendah dan pemegang garis panjang. Hanya ada 20 transaksi yang selesai, dengan jangka waktu rata-rata 30.47 jam, hanya di bawah DeepSeek. Tapi masalah terbesar untuk Gok mungkin terlalu rendah, 20%, dan rasio laba / rugi hanya 1.85. Dan yang membuatnya hanya 0.3. Dari arah penagihan, 20 silo Gok kosong 10 kali. Dalam tahap ini, sudah jelas bahwa terlalu banyak yang dilakukan untuk mengurangi kemungkinan menang. Dari sudut pandang ini, model Grok masih bermasalah dalam penilaian dinamika pasar。

HF "memakai" kematian "dalam lompatan berulang

Gemini adalah model yang paling sering diperdagangkan, setelah menyelesaikan 165 tunggal transaksi sebagai 27 Oktober. Tagihan berlebihan juga mengakibatkan kinerja buruk transaksi Gemini, dengan jumlah rekening terendah jatuh ke sekitar $3.800, dengan tingkat kerugian 62 persen. Dari jumlah ini, $1095.78 dihabiskan untuk biaya saja。

Di balik perdagangan HF adalah tingkat kemenangan yang sangat rendah (25 persen) dan hanya 1.18, dengan gabungan proyeksi keuntungan 0.3. Dengan data ini, kesepakatan Gemini pasti menjadi kerugian. Mungkin dia tidak yakin dalam keputusannya, dan Gemini memiliki ruang gudang rata-rata yang kecil, dengan satu posisi gudang dengan tingkat jaminan 0,77, dan 7,5 jam pada suatu waktu。

Rata-rata potongan-off adalah $81 dan potongan rata-rata adalah $96. Gemini berperilaku lebih seperti outlet khas, membuat keuntungan, melarikan diri pada kerugian. Billings berulang-ulang dibuat dalam perjalanan top-down fluktuasi dan kepala rekening selalu dikenakan。

GPP5: LOW- WIN VERSUS RENDAH KEUNTUNGAN GANDA - KILL

GP5 adalah model bawah peringkat saat ini, dan keseluruhan kinerja dan kurva sangat dekat dengan Gemini, dengan kehilangan lebih dari 60%. Dibandingkan dengan GP5, yang tidak memiliki Gemini sebagai frekuensi tinggi, juga membuat 63 transaksi. Rasio laba / kerugian adalah 0.96, yaitu rata-rata $0.96 per keuntungan, dan kerugian terkait adalah $1. Pada saat yang sama, GPT5 memiliki harga murah 20%, sebanding dengan kampanye Groto。

GP5 dan Gemini sangat dekat dalam hal ukuran tahan, dengan rata-rata pengaruh gudang sekitar 0.76. Terlihat sangat berhati-hati。

Kasus GP5 dan Gemini menunjukkan bahwa risiko gudang bawah tidak selalu mendukung keuntungan account. Dan di bawah perdagangan frekuensi tinggi, baik menang dan rasio laba-rugi pasti akan dikompromikan. Selain itu, kedua model memiliki harga pembukaan yang lebih tinggi secara signifikan dalam berbagai mata uang daripada model keuntungan seperti DeepSeek, yang menunjukkan bahwa sinyal masuk mereka tampak lambat。

PENGAMATAN: PANDANGAN AI DARI DUA JENIS "SIFAT MANUSIA"

Secara keseluruhan, analisis transaksi Al memberi kita kesempatan lain untuk melihat strategi perdagangan. Di antaranya, analisis model yang paling menarik, terutama terhadap dua hasil perdagangan ekstrim dari pemain keuntungan tinggi DeepSeek dan Gemini dan kerugian besar GPT5。

1. Model tinggi perilaku laba memiliki beberapa karakteristik: frekuensi rendah, berdiri lama, rasio laba / kerugian besar dan entri tepat waktu。

2. Sifat berikut adalah karakteristik dari perilaku model dari kehilangan: frekuensi tinggi, garis pendek, rasio laba / kerugian rendah dan akhir entri。

TIDAK ADA HUBUNGAN LANGSUNG ANTARA MARGIN KEUNTUNGAN DAN INFORMASI PASAR, DAN DALAM KOMPETISI MODEL MODEL AI INI SEMUA MODEL MEMILIKI INFORMASI YANG SAMA, DAN SUMBER INFORMASI MEREKA LEBIH HOMOGEN DARIPADA PEDAGANG MANUSIA. NAMUN, MASIH MUNGKIN UNTUK MENGALAHKAN SEBAGIAN BESAR PEDAGANG。

4. Panjang rantai pemikiran tampaknya mendasar dalam menentukan kekakuan transaksi. Keputusan - membuat proses di DeepSeek adalah yang terpanjang dari semua model, dan proses pemikiran lebih seperti aturan berurusan dengan pedagang manusia yang baik dalam meninjau kembali dan mengambil setiap keputusan secara serius. Dan pemikiran dari model-model miskin sangat singkat, lebih seperti proses pemukulan otak manusia。

5. Dengan lingkaran keuntungan dari DeepSeek, Qwen3 dan lainnya, banyak orang mendiskusikan apakah model AI ini bisa diikuti secara langsung. Tapi operasi ini tampaknya tidak diinginkan, dan meskipun keuntungan individu AI saat ini baik, tampaknya ada beberapa elemen keberuntungan di sini, misalnya, dalam hal ini, kebetulan mengikuti tren. Hal ini masih belum diketahui apakah keuntungan ini dapat dipertahankan setelah situasi telah mencapai negara baru. Namun, kemampuan AI untuk menjalankan transaksi layak dipelajari。

Akhirnya, siapa yang akan memenangkan kemenangan terakhir? PANews mengirim data ini ke beberapa model AI, yang dengan suara bulat memilih DeepSeek atas dasar bahwa harapan keuntungan mereka paling cocok untuk matematika logika dan kebiasaan perdagangan。

Menariknya, mereka adalah model terbaik kedua, dan hampir semuanya memilih diri mereka sendiri。

Tautan Asli