منافسة بين ستة "متداولين" بالذكاء الاصطناعي لمدة عشرة أيام: من سيتمكن من البقاء في سوق "بدون فجوة معلومات"؟

العنوان الأصلي: 《مواجهة بين ستة "متداولين" بالذكاء الاصطناعي خلال عشرة أيام: درس مفتوح حول الاتجاه، الانضباط والجشع》

الكاتب الأصلي: Frank، PANews

في أقل من عشرة أيام، تضاعفت الأموال.

عندما حقق DeepSeek و Qwen3 هذا الأداء في تداول AlphaZero AI الفعلي الذي أطلقته Nof1، تجاوزت كفاءتهما الربحية معظم المتداولين البشر بكثير. هذا يدفعنا لمواجهة سؤال: الذكاء الاصطناعي يتحول من "أداة بحث" إلى "متداول في الخط الأمامي". كيف يفكرون؟ PANews قامت بمراجعة شاملة لتداولات ستة نماذج رئيسية للذكاء الاصطناعي خلال الأيام العشرة الماضية في هذه المنافسة، محاولة كشف أسرار قرارات المتداولين بالذكاء الاصطناعي.

مواجهة تقنية خالصة بلا "فروق معلوماتية"

قبل التحليل، يجب أن نوضح فرضية: قرارات الذكاء الاصطناعي في هذه المنافسة كانت "مقطوعة عن الإنترنت". جميع النماذج استقبلت بيانات تقنية متطابقة تمامًا (بما في ذلك السعر الحالي، المتوسطات المتحركة، MACD، RSI، العقود المفتوحة، معدل التمويل، وسلاسل بيانات لفترات 4 ساعات و3 دقائق، إلخ)، ولم يكن بإمكانها الوصول إلى معلومات أساسية عبر الإنترنت.

هذا استبعد تأثير "فروق المعلومات"، وجعل من هذه المنافسة اختبارًا نهائيًا لموضوع قديم: "هل التحليل الفني الخالص يمكن أن يكون مربحًا؟"

من حيث المحتوى المحدد، يمكن للذكاء الاصطناعي الحصول على المعلومات التالية:

1. الحالة السوقية الحالية للعملة: بما في ذلك معلومات السعر الحالي، سعر المتوسط المتحرك لـ20 يومًا، بيانات MACD، بيانات RSI، بيانات العقود المفتوحة، معدل التمويل، وسلاسل البيانات اليومية (دورة 3 دقائق)، وسلاسل الاتجاهات طويلة الأمد (دورة 4 ساعات)، إلخ.

2. معلومات الحساب والأداء: بما في ذلك الأداء الإجمالي الحالي للحساب، معدل العائد، الأموال المتاحة، نسبة Sharpe، أداء المراكز الحالية في الوقت الفعلي، شروط جني الأرباح ووقف الخسارة الحالية وشروط الإلغاء، إلخ.

DeepSeek: سيد الاتجاه الهادئ وقيمة "المراجعة"

حتى 27 أكتوبر، بلغ رصيد حساب DeepSeek الأعلى 23063 دولارًا، بأقصى ربح عائم حوالي 130%. بلا شك هو النموذج الأفضل أداءً، ومن خلال تحليل سلوك التداول، ستجد أن تحقيق هذا الأداء لم يكن صدفة.

أولاً، من حيث وتيرة التداول، أظهر DeepSeek أسلوب متداول الاتجاه منخفض التكرار، حيث أجرى 17 صفقة فقط خلال 9 أيام، وهو الأقل بين جميع النماذج. من بين هذه الصفقات الـ17، اختار DeepSeek الشراء 16 مرة والبيع مرة واحدة فقط، وهو ما يتوافق مع الاتجاه العام للسوق خلال هذه الفترة من التعافي من القاع.

بالطبع، لم يكن هذا الاختيار عشوائيًا، حيث اعتمد DeepSeek على مؤشرات مثل RSI وMACD للتحليل الشامل، واعتبر أن السوق في اتجاه صاعد، لذا اختار الشراء بثبات.

خلال عملية التداول الفعلية، لم تكن أوامر DeepSeek الأولى ناجحة، حيث انتهت أول 5 أوامر بخسارة، لكن كل خسارة كانت صغيرة، ولم تتجاوز 3.5%. كما أن مدة الاحتفاظ بالمراكز في البداية كانت قصيرة، حيث تم إغلاق أقصر مركز خلال 8 دقائق فقط. ومع تطور السوق في الاتجاه المتوقع، بدأت مراكز DeepSeek تظهر استمرارية أكبر.

من حيث أسلوب الاحتفاظ بالمراكز، يفضل DeepSeek تعيين مساحة جني أرباح كبيرة ومساحة وقف خسارة صغيرة بعد الدخول. على سبيل المثال، في مركز 27 أكتوبر، كان متوسط مساحة جني الأرباح 11.39%، ومتوسط مساحة وقف الخسارة -3.52%، بنسبة ربح/خسارة حوالي 3.55. هذا يدل على أن استراتيجية DeepSeek تميل إلى خسائر صغيرة وأرباح كبيرة.

والنتيجة الفعلية تؤكد ذلك أيضًا، فوفقًا لتحليل PANews، بلغ متوسط نسبة الربح/الخسارة في صفقات DeepSeek المغلقة 6.71، وهي الأعلى بين جميع النماذج. رغم أن معدل الفوز 41% ليس الأعلى (الثاني)، إلا أن توقع الربح 2.76 جعله يحتل المرتبة الأولى. وهذا هو السبب الرئيسي لتحقيق DeepSeek أعلى ربحية.

بالإضافة إلى ذلك، بلغ متوسط مدة الاحتفاظ بالمراكز لدى DeepSeek 2952 دقيقة (حوالي 49 ساعة)، وهو أيضًا الأعلى. بين جميع النماذج، هو بالفعل متداول اتجاه حقيقي، ويتوافق مع أهم قاعدة ربحية في التداول المالي "دع الرصاصة تطير لبعض الوقت".

من حيث إدارة المراكز، DeepSeek يعتبر عدوانيًا نسبيًا، حيث بلغ متوسط الرافعة المالية لكل مركز 2.23، وغالبًا ما يحتفظ بعدة مراكز في نفس الوقت، مما يجعل الرافعة المالية الإجمالية أعلى نسبيًا. في 27 أكتوبر، تجاوزت الرافعة المالية الإجمالية لمراكزه 3 مرات. لكن بفضل شروط وقف الخسارة الصارمة، ظل الخطر تحت السيطرة.

بشكل عام، نجاح DeepSeek في التداول هو نتيجة لاستراتيجية شاملة. في اختيار الدخول، استخدم فقط مؤشرات MACD وRSI الأكثر شيوعًا، دون أي مؤشرات خاصة. فقط نفذ بدقة نسبة ربح/خسارة معقولة، واتخذ قرارات الاحتفاظ بالمراكز دون التأثر بالعواطف.

بالإضافة إلى ذلك، لاحظت PANews تفصيلًا خاصًا: خلال عملية التفكير، يواصل DeepSeek أسلوبه المعتاد، حيث يشكل سلسلة تفكير طويلة ومليئة بالتفاصيل، ثم يجمع كل هذه الأفكار في قرار تداول واحد. هذا يشبه المتداولين البشر الذين يركزون على المراجعة، وتتم هذه المراجعة كل ثلاث دقائق.

حتى عند تطبيقها على نماذج الذكاء الاصطناعي، فإن قدرة المراجعة هذه لها دور. فهي تضمن تحليل كل تفاصيل الإشارات السوقية والعملات مرارًا وتكرارًا دون إغفال. وربما يكون هذا هو الجانب الأكثر جدارة بالتعلم من قبل المتداولين البشر.

Qwen3: "مقامر" جريء ذو أسلوب هجومي

حتى 27 أكتوبر، كان Qwen3 ثاني أفضل نموذج أداءً. بلغ أعلى رصيد للحساب 20,000 دولار، بنسبة ربحية 100%، وهو ثاني أفضل نتيجة بعد DeepSeek. يتميز Qwen3 برافعة مالية عالية ومعدل فوز مرتفع. بلغ معدل الفوز الإجمالي 43.4%، وهو الأعلى بين جميع النماذج. كما بلغ حجم المركز الواحد 56,100 دولار (رافعة مالية 5.6 مرات)، وهو الأعلى أيضًا. رغم أن توقع الربح ليس مثل DeepSeek، إلا أن أسلوبه الجريء جعله حتى الآن يتبع DeepSeek عن كثب.

أسلوب تداول Qwen3 هجومي نسبيًا، حيث بلغ متوسط وقف الخسارة 491 دولارًا، وهو الأعلى بين جميع النماذج. وبلغت أكبر خسارة في صفقة واحدة 2232 دولارًا، وهي الأعلى أيضًا. هذا يعني أن Qwen3 يمكنه تحمل خسائر أكبر، وهو ما يسمى "تحمل المركز". لكن ما يعيبه مقارنة بـ DeepSeek هو أنه رغم تحمله لخسائر أكبر، لم يحقق عوائد أعلى. بلغ متوسط الربح 1547 دولارًا، أقل من DeepSeek. لذا فإن توقع الربح النهائي هو 1.36 فقط، أي نصف DeepSeek.

ميزة أخرى لـ Qwen3 هي أنه يفضل الاحتفاظ بمركز واحد في كل مرة ويراهن عليه بشكل كبير. غالبًا ما يستخدم رافعة مالية تصل إلى 25 مرة (الحد الأقصى المسموح به في المنافسة). هذا النوع من التداول يعتمد بشكل كبير على معدل الفوز العالي، لأن كل خسارة ستؤدي إلى تراجع كبير.

خلال عملية اتخاذ القرار، يبدو أن Qwen3 يركز بشكل خاص على المتوسط المتحرك الأسي EMA 20 على مستوى الأربع ساعات، ويستخدمه كإشارة للدخول والخروج. أما من حيث سلسلة التفكير، فيبدو Qwen3 بسيطًا جدًا. حتى من حيث مدة الاحتفاظ بالمراكز، يظهر Qwen3 قلة الصبر، حيث بلغ متوسط مدة الاحتفاظ 10.5 ساعات، وهو أعلى فقط من Gemini.

بشكل عام، رغم أن نتائج Qwen3 الحالية تبدو جيدة، إلا أن هناك مخاطر كبيرة، مثل الرافعة المالية العالية، أسلوب الدخول الشامل، الاعتماد على مؤشر واحد، مدة الاحتفاظ القصيرة، ونسبة الربح/الخسارة الصغيرة، وكلها قد تخلق مخاطر مستقبلية. حتى وقت نشر التقرير في 28 أكتوبر، تراجع رأس مال Qwen3 إلى 16,600 دولار، بنسبة تراجع من الذروة بلغت 26.8%.

Claude: منفذ صفقات الشراء العنيد

رغم أن Claude يحقق أرباحًا إجمالية، فقد بلغ رصيد الحساب حتى 27 أكتوبر حوالي 12,500 دولار، بنسبة ربح حوالي 25%. هذه النتيجة جيدة بحد ذاتها، لكنها تبدو أقل مقارنة بـ DeepSeek و Qwen3.

في الواقع، سواء من حيث وتيرة فتح الصفقات أو حجم المراكز أو معدل الفوز، فإن Claude قريب جدًا من DeepSeek. أجرى 21 صفقة، بمعدل فوز 38%، ومتوسط رافعة مالية 2.32.

والسبب في الفارق الكبير ربما يكمن في نسبة الربح/الخسارة المنخفضة نسبيًا، فرغم أن Claude حقق نسبة جيدة (2.1)، إلا أنها أقل بثلاث مرات من DeepSeek. لذا، مع هذه البيانات، بلغ توقع الربح لديه 0.8 فقط (أقل من 1 يعني خسارة مستمرة على المدى الطويل).

ميزة أخرى واضحة لـ Claude هي أنه يتداول في اتجاه واحد فقط لفترة طويلة، فحتى 27 أكتوبر، كانت جميع صفقاته الـ21 صفقات شراء.

Grok: تائه في دوامة تحديد الاتجاه

أداء Grok كان جيدًا في البداية، بل كان الأعلى ربحية لفترة، حيث تجاوزت أرباحه 50%. لكن مع مرور الوقت، تراجعت أرباحه بشكل كبير. حتى 27 أكتوبر، عاد رصيد الحساب إلى حوالي 10,000 دولار. يحتل المرتبة الرابعة بين جميع النماذج، ويتشابه منحنى أرباحه مع منحنى الاحتفاظ بـ BTC الفوري.

من حيث عادات التداول، ينتمي Grok أيضًا إلى المتداولين منخفضي التكرار وطويلي الأمد. أجرى 20 صفقة فقط، بمتوسط مدة احتفاظ 30.47 ساعة، وهو ثاني أعلى رقم بعد DeepSeek. لكن المشكلة الرئيسية لدى Grok هي انخفاض معدل الفوز (20%)، ونسبة ربح/خسارة 1.85 فقط. لذا بلغ توقع الربح 0.3 فقط. من حيث اتجاه الصفقات، أجرى Grok 10 صفقات شراء و10 بيع. في هذه المرحلة من السوق، كان البيع المفرط يقلل من معدل الفوز بشكل واضح. من هذا المنظور، يعاني نموذج Grok من مشاكل في تحديد اتجاه السوق.

Gemini: "مستثمر فردي" عالي التكرار يستهلك رأس المال حتى "الموت"

Gemini هو النموذج الأعلى من حيث وتيرة التداول، حيث أجرى 165 صفقة حتى 27 أكتوبر. هذا التكرار المفرط أدى إلى أداء تداول سيء للغاية، حيث انخفض رصيد الحساب الأدنى إلى حوالي 3800 دولار، بنسبة خسارة 62%. وحدها الرسوم بلغت 1095.78 دولارًا.

وراء التداول عالي التكرار، هناك معدل فوز منخفض جدًا (25%) ونسبة ربح/خسارة 1.18 فقط، وتوقع ربح إجمالي 0.3. مع هذه النتائج، كان من المحتم أن يخسر Gemini. ربما بسبب عدم الثقة في قراراته، كان متوسط حجم المركز صغيرًا جدًا، برافعة مالية 0.77 فقط، ومدة احتفاظ 7.5 ساعات فقط.

كان متوسط وقف الخسارة 81 دولارًا، ومتوسط جني الأرباح 96 دولارًا. أداء Gemini يشبه المستثمر الفردي النموذجي، يخرج بسرعة عند الربح القليل ويهرب عند الخسارة القليلة. يفتح صفقات متكررة مع تقلبات السوق، مما يستهلك رأس المال باستمرار.

GPT5: "ضربة مزدوجة" من معدل فوز منخفض ونسبة ربح/خسارة منخفضة

GPT5 هو النموذج الأدنى تصنيفًا حاليًا، وأداؤه ومنحناه قريبان جدًا من Gemini، حيث تجاوزت نسبة الخسارة 60%. رغم أن GPT5 لم يكن عالي التكرار مثل Gemini، إلا أنه أجرى 63 صفقة. ونسبة الربح/الخسارة لديه 0.96 فقط، أي أن متوسط الربح في كل صفقة 0.96 دولار، مقابل وقف خسارة 1 دولار. في الوقت نفسه، بلغ معدل الفوز 20% فقط، وهو مماثل لـ Grok.

من حيث حجم المراكز، كان GPT5 قريبًا جدًا من Gemini، بمتوسط رافعة مالية 0.76. يبدو حذرًا للغاية.

توضح حالة GPT5 وGemini أن انخفاض مخاطر المراكز لا يعني بالضرورة تحقيق أرباح. ومع التداول عالي التكرار، من المستحيل ضمان معدل الفوز ونسبة الربح/الخسارة. بالإضافة إلى ذلك، كان سعر دخول صفقات الشراء في هذين النموذجين أعلى بكثير من النماذج المربحة مثل DeepSeek، مما يشير إلى أن إشارات الدخول لديهما بطيئة نسبيًا.

ملاحظات ختامية: نوعان من "الطبيعة البشرية" في التداول كما تعكسها الذكاء الاصطناعي

بشكل عام، من خلال تحليل سلوك التداول للذكاء الاصطناعي، حصلنا مرة أخرى على فرصة لمراجعة استراتيجيات التداول. من بينها، تحليل النماذج ذات الربحية العالية مثل DeepSeek والنماذج ذات الخسائر الكبيرة مثل Gemini وGPT5 له أهمية خاصة.

1. سلوك النماذج ذات الربحية العالية يتميز بما يلي: وتيرة منخفضة، احتفاظ طويل، نسبة ربح/خسارة عالية، توقيت دخول مناسب.

2. سلوك النماذج الخاسرة يتميز بما يلي: وتيرة عالية، صفقات قصيرة الأجل، نسبة ربح/خسارة منخفضة، توقيت دخول متأخر.

3. لا توجد علاقة مباشرة بين مقدار الربح وكمية المعلومات السوقية، ففي هذه المنافسة، جميع النماذج حصلت على نفس المعلومات، ومصادر معلوماتها أكثر توحدًا من المتداولين البشر. ومع ذلك، لا تزال تحقق مستويات ربحية تتجاوز معظم المتداولين.

4. يبدو أن طول سلسلة التفكير هو العامل الأساسي في تحديد دقة التداول. كانت عملية اتخاذ القرار في DeepSeek هي الأطول بين جميع النماذج، وهذا يشبه المتداولين البشر الذين يجيدون المراجعة ويأخذون كل قرار على محمل الجد. أما النماذج ذات الأداء الضعيف، فكانت سلسلة تفكيرها قصيرة جدًا، تشبه قرارات البشر العشوائية.

5. مع انتشار ربحية نماذج مثل DeepSeek وQwen3، ناقش كثيرون إمكانية نسخ تداولات هذه النماذج مباشرة. لكن يبدو أن هذا غير مستحسن، فحتى لو كانت بعض نماذج الذكاء الاصطناعي تحقق أرباحًا جيدة حاليًا، إلا أن هناك عنصر حظ، أي أنها استفادت من اتجاه السوق في هذه الفترة. إذا تغيرت حالة السوق، من غير المعروف ما إذا كان يمكن الحفاظ على هذا التفوق. ومع ذلك، فإن قدرة الذكاء الاصطناعي على تنفيذ التداول تستحق التعلم.

أخيرًا، من سيفوز في النهاية؟ أرسلت PANews هذه البيانات إلى عدة نماذج ذكاء اصطناعي، وجميعها اختارت DeepSeek، لأن توقع ربحه هو الأكثر منطقية رياضيًا، وعاداته في التداول هي الأفضل.

المثير للاهتمام، أن النموذج الثاني المفضل لديهم كان في الغالب أنفسهم.