Seis principais "traders" de IA em duelo de dez dias: quem pode sobreviver em um mercado sem "vantagem de informação"?

Original Article Title: "Seis Grandes 'Traders' de IA em Duelo de Dez Dias: Uma Lição Pública sobre Tendências, Disciplina e Ganância"

Original Article Author: Frank, PANews

Em menos de dez dias, os fundos dobraram.

Quando DeepSeek e Qwen3 alcançaram esse recorde no trading ao vivo do AlphaZero AI lançado pela Nof1, sua eficiência de lucro já havia superado a grande maioria dos traders humanos. Isso nos obriga a enfrentar uma questão: a IA está passando de uma "ferramenta de pesquisa" para um "trader de linha de frente". Como elas pensam? A PANews realizou uma revisão abrangente dos quase 10 dias de trading dos seis principais modelos de IA nesta competição, tentando desvendar os segredos de tomada de decisão dos traders de IA.

Um Duelo Puramente Técnico Sem "Assimetria de Informação"

Antes da análise, precisamos esclarecer um pressuposto: as decisões de IA nesta competição são "offline". Todos os modelos recebem passivamente exatamente os mesmos dados técnicos (incluindo preço atual, médias móveis, MACD, RSI, open interest, funding rates e dados de sequência de 4 horas e 3 minutos, etc.), e não podem buscar ativamente informações fundamentais online.

Isso elimina a interferência da "assimetria de informação" e faz desta competição o teste definitivo de se a "análise técnica pura pode ser lucrativa".

Especificamente, o conteúdo ao qual a IA pode acessar inclui:

1. O status atual do mercado do ativo: incluindo informações de preço atual, preço médio móvel de 20 dias, dados de MACD, dados de RSI, dados de open interest, funding rates, sequências intradiárias dos dados mencionados (intervalos de 3 minutos) e sequências de tendências de longo prazo (intervalos de 4 horas), etc.

2. Informações e desempenho da conta: incluindo desempenho geral da conta, retornos, fundos disponíveis, índice de Sharpe, desempenho em tempo real das posições atuais, níveis atuais de take-profit e stop-loss, e condições de invalidação.

DeepSeek: O Mestre de Tendências Estável e o Valor da "Revisão"

Até 27 de outubro, a conta da DeepSeek atingiu um pico de US$ 23.063, com um ganho não realizado máximo de cerca de 130%. Sem dúvida, o modelo com melhor desempenho, e na análise do comportamento de trading, você perceberá que o motivo desse desempenho não é acidental.

Primeiramente, em termos de frequência de trading, DeepSeek demonstra o estilo de baixa frequência dos traders de tendência. Em um período de 9 dias, completou um total de 17 operações, o menor entre todos os modelos. Dessas 17 operações, DeepSeek entrou comprado 16 vezes e vendido uma vez, alinhando-se perfeitamente com a tendência geral de recuperação do mercado naquele período.

Claro, essa escolha de direção não foi aleatória. DeepSeek realizou uma análise abrangente usando indicadores como RSI e MACD, acreditando consistentemente que o mercado estava em tendência de alta, optando assim por posições compradas com confiança.

Durante o processo específico de trading, as primeiras ordens da DeepSeek não foram bem-sucedidas. As 5 primeiras ordens terminaram em perda, mas cada prejuízo não foi significativo, com a maior perda não ultrapassando 3,5%. Além disso, o tempo de manutenção das posições iniciais foi relativamente curto, com a mais curta fechando em apenas 8 minutos. À medida que o mercado evoluiu na direção prevista, as posições da DeepSeek começaram a mostrar maior duração.

Analisando o estilo de posição da DeepSeek, ela tende a definir um espaço de take-profit relativamente grande e um espaço de stop-loss pequeno após entrar em uma posição. Tomando as posições de 27 de outubro como exemplo, o espaço médio de take-profit definido foi de 11,39%, o espaço médio de stop-loss foi de -3,52%, e a relação risco/retorno foi definida em torno de 3,55. Sob essa perspectiva, a estratégia de trading da DeepSeek se inclina para a ideia de pequenas perdas e grandes ganhos.

Em termos de resultados reais, isso é evidente. De acordo com a análise resumida da PANews, entre as operações liquidadas da DeepSeek, sua relação média risco/retorno atingiu 6,71, a mais alta entre todos os modelos. Embora a taxa de acerto de 41% não seja a maior (ficando em segundo lugar), ainda lidera com uma expectativa de lucro de 2,76. Esse também é o principal motivo pelo qual DeepSeek obteve o maior lucro.

Além disso, em termos de tempo de manutenção, o tempo médio de manutenção da DeepSeek é de 2952 minutos (cerca de 49 horas), também ficando em primeiro lugar. Entre os poucos modelos, pode ser verdadeiramente chamado de trader de tendência, o que se alinha com o principal elemento de lucratividade no trading financeiro, a abordagem de "deixar os vencedores correrem".

Em termos de gestão de posição, DeepSeek é relativamente agressivo. Sua alavancagem média por posição chega a 2,23, e frequentemente mantém várias posições simultaneamente, levando a uma alavancagem geral relativamente alta. Por exemplo, em 27 de outubro, sua alavancagem total ultrapassou 3 vezes. No entanto, devido às suas condições rigorosas de stop-loss, o risco permanece dentro de uma faixa controlável.

No geral, o motivo pelo qual o trading da DeepSeek teve bom desempenho é resultado de uma estratégia abrangente. Na seleção de entrada, utiliza apenas os indicadores mais tradicionais, MACD e RSI, como critérios e não emprega nenhum indicador especial. Simplesmente segue rigorosamente uma relação risco/retorno razoável e toma decisões para manter as posições firmemente, sem ser influenciado por emoções.

Além disso, a PANews também encontrou um detalhe bastante especial. No processo de encadeamento de pensamentos, DeepSeek continuou sua característica passada de um processo de pensamento longo e detalhado, resumindo todos os processos de pensamento em uma decisão de trading no final. Essa característica, quando refletida em traders humanos, se assemelha àqueles que focam em pós-análise, e essa pós-análise é realizada a cada três minutos.

Mesmo quando essa capacidade de pós-análise é aplicada a um modelo de IA, ela também desempenha um papel. Garante que cada detalhe de cada token e sinal de mercado seja analisado repetidas vezes sem ser negligenciado. Talvez esse seja outro aspecto do qual os traders humanos possam aprender.

Qwen3: O "Apostador" Agressivo com Grandes Posições

Até 27 de outubro, Qwen3 é o segundo modelo de grande porte com melhor desempenho. O valor máximo da conta atingiu US$ 20.000 com uma rentabilidade de 100%, ficando atrás apenas da DeepSeek. As características gerais do Qwen3 são alta alavancagem e alta taxa de acerto. Sua taxa de acerto geral atingiu 43,4%, a maior entre todos os modelos. Ao mesmo tempo, o tamanho de uma única posição também chegou a US$ 56.100 (alavancagem de 5,6 vezes), também o maior entre todos os modelos. Embora em termos de expectativa de lucro não seja tão bom quanto DeepSeek, seu estilo agressivo de trading permitiu que acompanhasse de perto os resultados da DeepSeek até o momento.

O estilo de trading do Qwen3 é relativamente agressivo. Em termos de stop loss médio, seu stop loss médio é de US$ 491, o maior entre todos os modelos. A perda máxima em uma única operação chegou a US$ 2.232, também a maior. Isso significa que Qwen3 pode tolerar perdas maiores, comumente conhecido como segurar posição durante drawdowns. No entanto, onde fica atrás da DeepSeek é que, mesmo suportando perdas maiores, não obtém retornos mais altos. O lucro médio do Qwen3 é de US$ 1.547, inferior ao da DeepSeek. Isso também faz com que sua relação final de expectativa de lucro seja de apenas 1,36, metade da DeepSeek.

Além disso, outra característica do Qwen3 é sua preferência por manter uma única posição por vez e dobrar a aposta nessa posição. A alavancagem utilizada frequentemente chega a 25 vezes (o máximo permitido na competição). Esse tipo de trading depende fortemente de uma alta taxa de acerto, pois cada perda causará um drawdown significativo.

Durante o processo de decisão, Qwen3 parece prestar atenção especial à média móvel EMA 20 de 4 horas e a utiliza como sinal de entrada e saída. Ao considerar sua estratégia, Qwen3 também parece mantê-la simples. Em termos de manutenção de posições, Qwen3 também demonstra impaciência, com tempo médio de manutenção de 10,5 horas, ficando logo acima do Gemini.

No geral, embora a rentabilidade atual do Qwen3 pareça promissora, há riscos significativos em sua abordagem de trading. Fatores como alta alavancagem, estilo all-in, dependência de um único indicador, curto tempo de manutenção e pequena relação risco/retorno podem representar desafios para as operações futuras do Qwen3. Até a data do rascunho, 28 de outubro, os fundos do Qwen3 sofreram um drawdown máximo para US$ 16.600, com uma porcentagem de drawdown de 26,8% em relação ao pico.

Claude: O Executor Persistente de Posições Longas

Embora Claude também esteja em estado lucrativo no geral, até 27 de outubro, o saldo total da conta atingiu cerca de US$ 12.500, com um ganho de aproximadamente 25%. Embora esse dado isoladamente possa parecer impressionante, parece um pouco menos frutífero quando comparado a DeepSeek e Qwen3.

Na verdade, tanto em termos de frequência de trading, tamanho de posição e taxa de acerto, o desempenho de Claude é bastante próximo ao da DeepSeek. Com um total de 21 operações, taxa de acerto de 38% e alavancagem média de 2,32.

A diferença significativa pode estar na menor relação risco/retorno. Embora a relação risco/retorno do Claude seja respeitável em 2,1, é mais de três vezes menor que a da DeepSeek. Portanto, com base nesses dados, sua expectativa de lucro é de apenas 0,8 (permanecendo em prejuízo no longo prazo quando abaixo de 1).

Além disso, Claude também tem uma característica notável de manter uma direção por um período. Até 27 de outubro, todas as 21 operações concluídas por Claude foram posições longas.

Grok: Perdido no Vórtice do Julgamento Direcional

Grok teve um desempenho forte nas fases iniciais, chegando a ser o modelo mais lucrativo em determinado momento, com ganhos superiores a 50%. No entanto, à medida que o tempo de trading avançou, Grok sofreu drawdowns significativos. Até 27 de outubro, os fundos recuaram para cerca de US$ 10.000. Ficando em quarto lugar entre todos os modelos, o retorno geral está próximo ao de manter BTC spot.

Do ponto de vista dos hábitos de trading, Grok também pertence ao grupo de trading de baixa frequência e HODLers. Grok completou apenas 20 operações, com tempo médio de manutenção de 30,47 horas, ficando atrás apenas da DeepSeek. No entanto, o maior problema do Grok pode ser sua baixa taxa de acerto de apenas 20%, com relação risco/retorno de 1,85. Isso também resulta em uma expectativa de lucro de apenas 0,3. Observando a direção das operações, das 20 posições do Grok, tanto operações longas quanto curtas foram executadas 10 vezes cada. No entanto, na fase atual do mercado, é evidente que operar vendido em excesso reduz significativamente a taxa de acerto. Sob essa perspectiva, o modelo do Grok ainda apresenta problemas ao julgar a tendência do mercado.

Gemini: "Trader de Varejo" de Alta Frequência, Moendo até a "Morte" em Volatilidades

Gemini é o modelo com maior frequência de trading, tendo completado um total de 165 operações até 27 de outubro. A atividade excessivamente frequente de trading levou a um desempenho muito ruim do Gemini, com o saldo da conta caindo para cerca de US$ 3.800, resultando em uma taxa de perda de 62%. Além disso, apenas as taxas de transação totalizaram US$ 1.095,78.

Por trás do trading de alta frequência está uma taxa de acerto muito baixa (25%) e uma relação risco/retorno de apenas 1,18, com expectativa de lucro de apenas 0,3. Com esses dados de desempenho, as operações do Gemini estão destinadas a incorrer em perdas. Talvez devido à falta de confiança em suas decisões, Gemini também mantém um tamanho médio de posição muito pequeno, com alavancagem de apenas 0,77 por operação e tempo médio de manutenção de apenas 7,5 horas.

O stop loss médio é de apenas US$ 81, enquanto o take profit médio é de US$ 96. O desempenho do Gemini se assemelha ao de um típico trader de varejo, rápido para realizar lucros, mas também rápido para sair em perdas. Ele entra repetidamente no sobe e desce do mercado, desgastando continuamente o capital da conta.

GPT5: O "Double Kill" de Baixa Taxa de Acerto e Baixa Relação Risco-Retorno

GPT5 é atualmente o modelo com pior classificação, com seu desempenho geral e curva muito semelhantes ao Gemini, com taxa de perda superior a 60%. Em comparação, embora GPT5 não seja tão frequente quanto Gemini, executou 63 operações. Com uma relação risco/retorno de apenas 0,96, significa um lucro médio de US$ 0,96 por operação, com stop loss correspondente de US$ 1. Ao mesmo tempo, a taxa de acerto do GPT5 também é tão baixa quanto 20%, igual à do Grok.

Em termos de tamanho de posição, GPT5 é muito semelhante ao Gemini, com alavancagem média por posição de cerca de 0,76, indicando uma abordagem muito cautelosa.

Os estudos de caso de GPT5 e Gemini ilustram que menor risco de posição não beneficia necessariamente a lucratividade da conta. Além disso, sob trading de alta frequência, tanto a taxa de acerto quanto a relação risco/retorno são inerentemente pouco confiáveis. Além disso, os preços de entrada para posições longas desses dois modelos são significativamente mais altos do que os modelos lucrativos como DeepSeek, indicando que seus sinais de entrada parecem um tanto atrasados.

Resumo da Observação: Dois Tipos de "Humanidade" no Trading Vistos pela IA

No geral, por meio da análise do comportamento de trading da IA, temos novamente a oportunidade de examinar estratégias de trading. Em particular, a análise dos dois extremos de resultados de trading dos modelos de alto lucro como DeepSeek e de alta perda como Gemini e GPT5 é a mais instigante.

1. O comportamento dos modelos de alto lucro tem as seguintes características: baixa frequência, longos períodos de manutenção, grande relação risco/retorno e timing de entrada oportuno.

2. O comportamento dos modelos que geram perdas tem as seguintes características: alta frequência, trading de curto prazo, baixa relação risco/retorno e timing de entrada tardio.

3. O valor do lucro não está diretamente relacionado à quantidade de informação de mercado. Nesta competição de trading de modelos de IA, todos os modelos têm acesso à mesma informação, que é mais limitada em comparação com traders humanos. No entanto, ainda conseguem alcançar níveis de lucratividade muito superiores à grande maioria dos traders.

4. O tempo do processo de pensamento parece ser a chave para determinar o rigor do trading. O processo de decisão da DeepSeek é o mais longo entre todos os modelos, assemelhando-se às regras de trading de traders humanos que são bons em revisar e considerar cuidadosamente cada decisão. Por outro lado, o processo de pensamento dos modelos com desempenho ruim é muito curto, mais parecido com o processo de decisão impulsiva dos humanos.

5. Com o desempenho lucrativo de modelos como DeepSeek e Qwen3, muitos discutem se é possível seguir diretamente esses modelos de IA. No entanto, essa abordagem parece imprudente, mesmo que a lucratividade atual de algumas IAs seja boa, a sorte parece desempenhar um papel, pois coincidem com a tendência do mercado neste período. Uma vez que o mercado entre em uma nova fase, se essa vantagem pode ser sustentada ainda é desconhecido. No entanto, a capacidade de execução de trading da IA ainda vale a pena ser aprendida.

Por fim, quem vencerá a vitória final? A PANews enviou esses dados de desempenho para vários modelos de IA, e todos escolheram unanimemente DeepSeek, citando que sua expectativa de lucro é a mais alinhada com a lógica matemática e seus hábitos de trading são os mais favoráveis.

Curiosamente, o segundo modelo mais favorecido por eles, quase todos escolheram a si mesmos.