IT之家 21分钟前
AI模型在投资大赛中展现卓越交易能力
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

在一场名为“Alpha Arena”的AI投资实战大赛中,来自深度求索的DeepSeek Chat V3.1模型表现抢眼,以超过36%的回报率拔得头筹。该模型在三天内将1万美元本金增值至13647.9美元。比赛中,六个顶级大语言模型在去中心化交易所Hyperliquid的加密货币永续合约市场展开了为期三天的交易对决。DeepSeek的成功归功于其清晰且严格执行的交易策略:分散投资于主流加密资产,采用温和的交易杠杆,并严格设置和执行止损点。与其他模型相比,DeepSeek展现了更强的执行力和风险管理能力,而其他模型则因执行问题、策略解读偏差或风险控制不当而表现不佳。

💡 **DeepSeek Chat V3.1在AI投资大赛中脱颖而出**:在美国研究公司Nof1发起的“Alpha Arena”AI投资实战大赛中,DeepSeek Chat V3.1模型凭借其出色的交易表现,在短短三天内将1万美元本金增长至13647.9美元,实现了超过36%的惊人回报率,成为本次比赛的冠军。

📈 **严格的交易策略是制胜关键**:DeepSeek的成功并非偶然,其核心优势在于一套结构清晰且执行严格的交易策略。该策略包括将资金分散投资于以太坊(ETH)、比特币(BTC)等六种主流加密资产以规避风险,采用温和的交易杠杆控制风险敞口,并为每笔交易设置明确的止损点并严格执行,从而有效控制亏损并抓住盈利机会。

📉 **模型间表现差异显著,凸显执行力与风控重要性**:在本次比赛中,六个顶级大语言模型在同一市场环境下展开竞争,但表现差异巨大。DeepSeek的优异成绩与其他模型因订单执行失败、平台延迟、策略解读偏差(如过度谨慎或过于激进)或风险处理不当而未能取得理想成绩形成了鲜明对比,Alpha Arena方面也强调了模型在执行指令、风险处理和交易管理能力上的差异是导致表现不同的关键因素。

IT之家 10 月 22 日消息,科技媒体 coincentral 昨日(10 月 21 日)发布博文,报道称美国研究公司 Nof1 发起名为“Alpha Arena”的 AI 投资实战大赛,DeepSeek Chat V3.1 模型表现出色,三天内将 1 万美元本金增值至 13647.9 美元,实现了超过 36% 的惊人回报率,成功拔得头筹。

Nof1 为了检验顶尖大语言模型在真实市场环境下的交易能力,给 6 个顶级模型 1 万美元的真金白银,在去中心化交易所 Hyperliquid 的加密货币永续合约市场中展开为期三天的对决。

IT之家援引博文介绍,这六大模型分别为 Anthropic 的 Claude 4.5 Sonnet、深度求索的 DeepSeek V3.1 Chat、谷歌的 Gemini 2.5 Pro、OpenAI 的 GPT 5、xAI 的 Grok 4 和阿里通义的 Qwen 3 Max。

该媒体指出 DeepSeek 的成功并非偶然,其制胜关键在于一套结构清晰且执行严格的交易策略。所有模型均接收了相同的简单交易指令,该指令不涉及复杂的技术分析。

DeepSeek 严格遵循指令核心原则:首先,将资金分散投资于以太坊(ETH)、比特币(BTC)等六种主流加密资产,有效规避了单一资产价格剧烈波动带来的风险;其次,采用温和的交易杠杆,控制了风险敞口;最关键的是,为每笔交易设置了明确的止损点并严格执行,从而快速退出了亏损头寸,并让盈利的交易继续发展。

相比之下,其他参赛模型的表现则相形见绌。Grok 4 虽然表现强劲,以 30% 的收益率紧随其后,但其余模型均因各类失误而未能取得理想成绩。部分模型在执行层面出现问题,如订单执行失败或因平台延迟错失交易信号。

另一些模型则在策略解读上出现偏差,有的因过度谨慎而错失市场良机,有的则因策略过于激进,在上涨市场中采取做空头寸,导致资金快速回撤。Alpha Arena 方面强调:“各模型表现的差异源于其对指令的执行、风险处理和交易管理能力。”

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

AI投资 DeepSeek Alpha Arena 加密货币交易 大语言模型 AI Investment DeepSeek Alpha Arena Cryptocurrency Trading Large Language Models
相关文章