AI TRADERS SIX DALAM 10 HARI: SIAPA YANG BISA BERTAHAN HIDUP DI THE TANPA INFORMASI" PASAR
AI BERGERAK DARI MENJADI ALAT PENELITIAN MENJADI MANIPULATOR BARIS PERTAMA, JADI BAGAIMANA MEREKA BERPIKIR
JUDUL ASLI: "ENAM BESAR AI PEDAGANG SEPULUH HARI: SEBUAH PADANG TERBUKA PADA TRENDS, DISIPLIN DAN GREED"
Oleh Frank, PANews
Dalam waktu kurang dari 10 hari, dananya berlipat ganda。
Saat DeepSeek dan Qwen3 mencapai prestasi ini dalam transaksi real-book AlphaZero AI yang diluncurkan di Nof1, itu sudah lebih menguntungkan daripada kebanyakan pedagang manusia. Ini telah memaksa kita untuk menghadapi masalah: AI AI bergerak dari alat "research " ke " satu baris pemain." Bagaimana menurut mereka? AI model utama dalam kompetisi ini mencoba membuka rahasia keputusan pedagang AI。
Tak ada teknologi yang buruk
SEBELUM KITA MENGANALISANYA, KITA HARUS MENJELASKAN SECARA PASTI BAHWA KEPUTUSAN AI DALAM KOMPETISI INI SUDAH DIPUTUS. SEMUA MODEL YANG DIMODELKAN SECARA PASIF MENERIMA DATA TEKNIS YANG SAMA PERSIS (TERMASUK HARGA SAAT INI, GARIS RATA-RATA, MCD, RSI, KONTRAK YANG TIDAK DISET, TARIF KEUANGAN DAN DATA SERI 4 JAM 3 MENIT) DAN TIDAK DAPAT AKTIF BERJARINGAN UNTUK INFORMASI PERMUKAAN DASAR。
Ini menghilangkan "intelijen" gangguan dan membuat kompetisi menjadi ujian akhir dari proposisi kuno dari " analisis teknologi murni untuk keuntungan."。
DARI SEGI KONTEN SPESIFIK, AI MEMILIKI AKSES KE HAL BERIKUT:
STATUS PASAR SAAT INI DARI FASILITAS: PEMBEKALAN INFORMASI HARGA SAAT INI, HARGA RATA-RATA 20 HARI, DATA MCD, DATA RSI, DATA KONTRAK YANG TIDAK DISET, TARIF KEUANGAN, DAN SERI IN-DAY (3 MENIT SIKLUS), SERI PERGERAKAN JANGKA PANJANG (4 JAM SIKLUS) DLL。
Informasi dan kinerja akun: Ini termasuk kinerja keseluruhan akun saat ini, tingkat pengembalian, dana yang tersedia, rasio Sharp, dll. Penampilan real-time posisi saat ini, kondisi saat ini kehilangan dan kehilangan, dll。
DeepSeek: Master Trend yang Stabil dan Nilai Reset
Pada 27 Oktober, DeepSeek memiliki akun hingga $23.063, dengan surplus maksimum sekitar 130 persen. Tak diragukan lagi model kinerja terbaik, dan dalam analisis transaksi, Anda mendapati bahwa tidak ada kecelakaan bahwa prestasi seperti itu dicapai。
Pertama-tama, sehubungan dengan frekuensi transaksi, DeepSeek menunjukkan gaya frekuensi rendah dari pedagang tren, dan dalam sembilan hari itu menyelesaikan transaksi 17 kali, yang terkecil dari semua model. Dari 17 transaksi tersebut, DeepSeek memilih untuk melakukan lebih dari 16 kali, sekali kosong, yang bertepatan dengan rebound pasar secara keseluruhan dari dasar lembah selama periode ini。
Tentu saja, pilihan arah ini tidak secara kebetulan, dan DeepSeek, melalui analisis komprehensif indikator seperti RSI dan MCD, selalu berpikir bahwa pasar saat ini secara keseluruhan sedang meningkat, dan telah memilih untuk melakukan lebih banyak dengan tekad。
Dalam perjalanan spesifik transaksi, beberapa perintah awal DeepSeek ' s tidak berjalan dengan baik, dan lima pertama gagal, meskipun kerugian tidak signifikan, hingga maksimum 3,5 persen. Perintah sebelumnya diadakan untuk jangka waktu yang singkat, dan yang paling pendek hanya memakan waktu delapan menit. Silo DeepSeek mulai menunjukkan keadaan yang langgeng sebagai situasi bergerak ke arah pra-set。
Dari gaya silo DeepSeek, digunakan untuk mengatur no-gain yang lebih besar dan ruang no-lose yang lebih kecil setelah memasuki situs. Pada kasus 27 Oktober holdout, ruang rata-rata yang tersedia adalah 11,39 per sen, ruang rata-rata yang tersedia adalah -3,52 per sen dan rasio sekitar 3,55. Dari sudut pandang ini, strategi perdagangan DeepSeek lebih mendukung gagasan untuk mencari keuntungan kecil。
Hal yang sama juga berlaku dalam hal hasil aktual, menurut Analisis Ringkasan PANews, rasio laba/rugi rata-rata dalam transaksi DeepSeek ' s menetap adalah 6,71, tertinggi dari semua model. Sementara 41 persen menang bukan yang tertinggi (tempat kedua), melainkan peringkat pertama dengan 2,76. Ini juga alasan utama mengapa DeepSeek adalah yang paling menguntungkan。
Selain itu, dalam hal holding time, DeepSeek memiliki waktu hold rata-rata 2952 menit (kira-kira 49 jam), juga menduduki peringkat pertama. Dalam beberapa model, ia dapat digambarkan sebagai trader trend asli, dan sejalan dengan gagasan bahwa faktor terpenting dalam transaksi keuangan adalah \"biarkan peluru terbang\"。
Dalam hal manajemen gudang, DeepSeek relatif radikal, dengan rata-rata single-position leverage dari 2.23 dan sering kali multiple-spaced posisi, membawa leverage keseluruhan ke tingkat yang relatif lebih tinggi. Misalnya, pada tanggal 27 Oktober, total pengaruh gudang lebih dari tiga kali lipat. Namun, ia juga memungkinkan risiko untuk tetap dapat dikelola akibat sinkronisasinya dengan kondisi penghentian yang ketat。
Secara umum, transaksi DeepSeek ' s telah mencapai hasil yang lebih baik sebagai hasil dari strategi komprehensif. Dalam hal seleksi gudang, hanya menggunakan MCD dan RSI yang paling mainstream sebagai dasar penilaian, dan tidak ada indikator khusus. Hanya penegakkan ketat dari rasio yang wajar dari keuntungan dan kerugian dan pengambilan keputusan yang ditentukan bebas dari pengaruh emosional。
Ditambah, PaNews menemukan detail khusus. DeepSeek, dalam proses berpikir tentang rantai, juga melanjutkan karakteristik pemikiran masa lalunya, mengarah ke proses berpikir yang lebih lama, lebih rinci, dan akhirnya ke keputusan perdagangan-off. Fitur ini tercermin di kalangan pedagang manusia, lebih seperti mereka yang berfokus pada reset, yang dilakukan setiap tiga menit。
KEMAMPUAN UNTUK MENGATUR ULANG BAHKAN JIKA DITERAPKAN PADA MODEL AI MEMILIKI BEBERAPA EFEK. INI MEMASTIKAN BAHWA SETIAP TOKEN DAN RINCIAN SINYAL PASAR DIANALISIS BERULANG-ULANG DAN TIDAK DIABAIKAN. INI MUNGKIN TEMPAT LAIN DI MANA PEDAGANG MANUSIA BISA BELAJAR PALING BANYAK。
Penjudi radikal dari Aliansi Agung
Pada 27 Oktober, Qwen3 merupakan model terbaik kedua. Akun atas berjumlah $ 20.000, dengan keuntungan sebesar 100 persen, setelah DeepSeek. Zaoza Qwen3 dicirikan dengan pengaruh tinggi dan kesuksesan yang tinggi. Tingkat keberhasilan keseluruhannya 43,4 persen, peringkat pertama di semua model. Pada saat yang sama, ukuran gudang individu mencapai $561 juta (nilai pengungkit sebesar 5,6 kali) dan tertinggi dari semua model. Meskipun tidak sama dengan DeepSeek dalam hal pengharapan laba, gaya konvergensi yang luas juga telah menjaga hasil yang dekat dengan DeepSeek hingga saat ini。
Gaya perdagangan Qwen3 ' s relatif radikal, dengan rata-rata dipotong $491, tertinggi dari semua model. Kerugian maksimum single-time dari $2232 juga tertinggi. Ini juga berarti bahwa Qwen3 dapat mentoleransi kerugian yang lebih besar, yang umumnya dikenal sebagai tagihan. Tapi apa yang lebih buruk daripada DeepSeek adalah bahwa bahkan jika menanggung kerugian yang lebih besar, itu tidak mendapatkan kembali lebih tinggi. Keuntungan rata-rata dari Qwen3 adalah $ 1547, kurang dari DeepSeek. Hal ini juga mengakibatkan rasio harapan laba hanya sebesar 1.36, hanya setengah dari DeepSeek。
Selain itu, fitur Qwen3 lainnya adalah lebih memilih memegang posisi gudang sekali dan bertaruh di atasnya. Kelebihan yang digunakan sering mencapai 25 kali (jumlah maksimum yang diperbolehkan dalam kompetisi). Transaksi semacam itu dicirikan oleh ketergantungan yang berat pada tingkat keberhasilan yang tinggi, karena setiap kerugian akan mengakibatkan pembalikan yang lebih besar。
Dalam proses pengambilan keputusan, Qwen3 tampaknya memperhatikan secara khusus garis EMA 20 pada tingkat 4 jam sebagai tanda akses sendiri. Dan dalam perjalanan untuk berpikir, Qwen3 terlihat sederhana. Arondisemen Qwen3 juga menunjukkan ketidaksabaran atas panjang holdout, dengan rata-rata holdout dari 10.5 jam, menempati peringkat hanya di atas Gemini。
Secara umum, sementara hasil laba saat ini terlihat bagus, Qwen3 juga memiliki risiko yang lebih besar, dengan over-leveraging, gaya gudang putus asa, indikator penilaian tunggal, waktu hold singkat, dan rasio keuntungan-dan-loss yang lebih kecil, yang semuanya mungkin telah dikaitkan dengan perdagangan follow-on Qwen3. Pada 28 Oktober, dana Qwen3 telah ditarik menjadi $16,6 juta dan 26,8 persen dari poin tertinggi。
Penimplementasi multi kepala yang berkomitmen
Claude, meskipun juga secara umum menguntungkan, mulai 27 Oktober, jumlah total rekeningnya sekitar $12500, atau sekitar 25 persen. Ini sebenarnya cukup cerah, tapi terlihat sedikit lebih buruk dari DeepSeek dan Qwen3。
Bahkan, baik frekuensi penagihan maupun ukuran gudang, maupun pihak yang menang. Claude dan DeepSeek keduanya memiliki ekspresi data yang lebih dekat. Dua puluh satu tagihan, 38% menang, rata-rata keuntungan 2.32。
Dan alasan untuk kesenjangan besar mungkin bahwa itu ada pada rasio keuntungan/kerugian rendah, meskipun rasio keuntungan/kerugian Claude juga baik, mencapai 2,1. Tapi ada lebih dari tiga kali perbedaan antara DeepSeek dan DeepSeek. Akibatnya, harapan labanya hanya 0,8 (kurang dari 1 akan tetap dalam defisit dalam jangka panjang) di bawah data gabungan ini。
Selain itu, Claude memiliki ciri yang berbeda untuk membuat hanya satu arah untuk jangka waktu tertentu, dan dari 21 perintah yang ditutup mulai 27 Oktober, Claude telah melakukan lebih banyak。
Hilang dalam pusaran arah
Grok dilakukan lebih baik pada periode sebelumnya, dan pada satu titik menjadi model paling menguntungkan, dengan keuntungan maksimum lebih dari 50 persen. Namun dengan meningkatnya waktu transaksi, mundurnya Grok sangat parah. Pada 27 Oktober, dana kembali menjadi $10,000. Ke-empat dalam semua model adalah tingkat keseluruhan pengembalian dekat dengan memegang kurva BTC spot。
Dari kebiasaan berdagang, Ofadin Grok juga merupakan pedagang frekuensi rendah dan pemegang garis panjang. Hanya ada 20 transaksi selesai, dengan rata-rata waktu tahan 30,47 jam, hanya di bawah DeepSeek. Namun masalah terbesar bagi Grok mungkin terlalu rendah, 20%, dan rasio profit/loss hanya 1.85. Dan itu membuatnya hanya 0.3. Dari arah penagihan, 20 silo Grok kosong 10 kali. Dalam fase ini, jelas bahwa terlalu banyak dilakukan untuk mengurangi peluang menang. Dari perspektif ini, model Grok masih bermasalah dalam penilaiannya tentang dinamika pasar。
Gemini: HF "scramble" memakai "mati" dalam lompatan berulang
Gemini adalah model yang paling sering diperdagangkan, setelah menyelesaikan 165 transaksi tunggal mulai 27 Oktober. Tagihan yang berlebihan juga mengakibatkan kinerja yang buruk dari transaksi Gemini ' s, dengan jumlah rekening terendah jatuh ke sekitar $3,800, dengan tingkat kerugian 62 persen. Dari jumlah ini, $1095.78 dihabiskan untuk biaya saja。
Di belakang perdagangan HF adalah tingkat kemenangan yang sangat rendah (25 persen) dan hanya 1.18, dengan proyeksi laba gabungan 0,3. Dengan data ini, kesepakatan Gemini pasti menjadi kerugian. Mungkin dia tidak percaya diri dalam pengambilan keputusannya, dan Gemini memiliki ruang gudang rata-rata yang sangat kecil, dengan posisi gudang tunggal dengan tingkat leverage 0,77, dan terus-up 7,5 jam pada suatu waktu。
Rata-rata cut-off adalah $81 dan rata-rata cut-off adalah $96. Gemini berperilaku lebih seperti outlet khas, menghasilkan keuntungan, melarikan diri pada kerugian. Pembiayaan berulang dilakukan dalam perjalanan fluktuasi top-down dan kepala sekolah akun selalu dikenakan。
BERKEMENANGAN RENDAH MELAWAN PROFIT RENDAH GANDA-MEMBUNUH
Adonan GPT5 adalah model rangking bottom saat ini, dan kinerja dan kurva keseluruhan sangat dekat dengan Gemini, dengan kehilangan lebih dari 60%. Dibandingkan dengan GPT5, yang tidak memiliki Gemini sebagai frekuensi tinggi, juga melakukan 63 transaksi. Rasio laba/ruginya adalah 0,96, misalnya rata-rata $0,96 per keuntungan, dan kerugian/kerugian yang bersangkutan adalah $1. Pada saat yang sama, GPT5 memiliki tingkat perdagangan rendah 20%, sebanding dengan kampanye Grok。
Zafaid GPT5 dan Gemini sangat dekat dalam hal ukuran hold, dengan rata-rata pengaruh gudang sekitar 0.76. Kelihatannya sangat hati-hati。
Kasus-kasus GPT5 dan Gemini menunjukkan bahwa risiko gudang yang lebih rendah tidak selalu menguntungkan keuntungan akun. Dan di bawah perdagangan frekuensi tinggi, baik menang dan rasio laba-rugi pasti akan dikompromikan. Selain itu, kedua model tersebut memiliki harga bukaan yang lebih tinggi secara signifikan dalam beberapa currencies daripada model keuntungan seperti DeepSeek, yang menunjukkan bahwa sinyal masuk mereka tampak lambat。
PENGAMATAN PENGAMATAN: PANDANGAN AI DARI DUA JENIS "SIFAT MANUSIA"
Secara keseluruhan, analisis transaksi AI ' s memberi kita kesempatan lain untuk melihat strategi perdagangan. Dari semua ini, analisis model paling menarik, terutama berkenaan dengan dua hasil perdagangan ekstrem dari pemain profit tinggi DeepSeek dan Gemini dan kerugian besar GPT5。
1. ^ a b c d e f g h i j k l m n o p. Perilaku model berprofit tinggi memiliki beberapa karakteristik: frekuensi rendah, lama berdiri, besar profit/kehilangan rasio dan waktu masuk。
Kampung 2. Karakteristik berikut adalah karakteristik perilaku model dari kehilangan: frekuensi tinggi, garis pendek, rasio laba/kehilangan rendah dan entri akhir。
TIDAK ADA HUBUNGAN LANGSUNG ANTARA MARGIN KEUNTUNGAN DAN INFORMASI PASAR, DAN DALAM KOMPETISI PERDAGANGAN MODEL AI INI SEMUA MODEL MEMILIKI INFORMASI YANG SAMA, DAN SUMBER INFORMASI MEREKA LEBIH SERAGAM DARIPADA PEDAGANG MANUSIA. NAMUN, MASIH MUNGKIN UNTUK MENGUNGGULI MAYORITAS PEDAGANG。
^ a b c d e f g h i j k l m n o p q r. Panjang rantai pemikiran tampaknya penting dalam menentukan kekakuan transaksi. Proses pengambilan keputusan di DeepSeek adalah yang paling lama dari semua model, dan proses berpikir lebih seperti aturan berurusan di antara pedagang manusia yang baik dalam mengunjungi kembali dan mengambil keputusan masing-masing secara serius. Dan hubungan pemikiran model-model miskin sangat singkat, lebih seperti proses otak-mengalahkan manusia。
X. X. 5. Dengan lingkaran keuntungan DeepSeek, Qwen3 dan lainnya, banyak orang membahas apakah model AI ini dapat diikuti secara langsung. Namun operasi ini tampaknya tidak diinginkan, dan meskipun profitabilitas AI individu saat ini baik, tampaknya ada beberapa unsur keberuntungan di sini, i.e., dalam hal ini, itu kebetulan mengikuti tren. Belum diketahui apakah keunggulan ini dapat dipertahankan setelah situasi telah mencapai keadaan baru. Namun, kemampuan AI ' s untuk melaksanakan transaksi layak dipelajari。
Akhirnya, siapa yang akan menang? Ia mengirim data ini ke beberapa model AI, yang dengan suara bulat memilih DeepSeek dengan alasan bahwa harapan profitabilitas mereka paling cocok untuk logika matematika dan kebiasaan berdagang。
Menariknya, mereka model terbaik kedua, dan hampir semuanya memilih diri mereka sendiri。