6つの主要AIトレーダーによる10日間の決闘：情報優位性のない市場で生き残れるのは誰か？

元の記事タイトル: "Six Major AI 'Traders' Ten-Day Duel: A Public Lesson on Trends, Discipline, and Greed"

元の記事の著者: Frank, PANews

10日足らずで、資金は倍増しました。

Nof1が立ち上げたAlphaZero AIのライブ取引において、DeepSeekとQwen3がこの記録を達成したとき、その利益効率は大多数の人間トレーダーをはるかに凌駕していました。これは私たちに一つの問いを突きつけます。AIは「研究ツール」から「最前線のトレーダー」へと移行しているのです。彼らはどう考えるのでしょうか？PANewsは、この競争における6つの主要AIモデルの約10日間の取引を包括的にレビューし、AIトレーダーの意思決定の秘密を明らかにしようと試みました。

「情報の非対称性」のない純粋な技術的決闘

分析の前に、前提を明確にしておく必要があります。この競争におけるAIの決定は「オフライン」です。すべてのモデルは、受動的にまったく同じ技術データ（現在の価格、移動平均、MACD、RSI、建玉、資金調達率、4時間および3分のシーケンスデータなど）を受け取り、ファンダメンタルズ情報を取得するために能動的にオンラインになることはできません。

これにより、「情報の非対称性」の干渉が排除され、この競争は「純粋なテクニカル分析が利益を生むことができるか」という究極のテストとなります。

具体的には、AIがアクセスできるコンテンツには以下が含まれます：

1. 資産の現在の市場状況：現在の価格情報、20日移動平均価格、MACDデータ、RSIデータ、建玉データ、資金調達率、および前述のデータのイントラデイシーケンス（3分間隔）と長期トレンドシーケンス（4時間間隔）など。

2. アカウント情報とパフォーマンス：全体的なアカウントパフォーマンス、リターン、利用可能な資金、シャープレシオ、現在のポジションのリアルタイムパフォーマンス、現在の利益確定および損切りレベル、および無効化条件。

DeepSeek：安定したトレンドマスターと「レビュー」の価値

10月27日現在、DeepSeekのアカウントは最高額23,063ドルに達し、未実現利益は約130%でした。間違いなく最高のパフォーマンスを発揮したモデルであり、取引行動を分析すると、このようなパフォーマンスの理由は偶然ではないことがわかります。

まず、取引頻度の面で、DeepSeekはトレンドトレーダーの低頻度スタイルを示しています。9日間の期間内に、合計17回の取引を完了し、これは全モデルの中で最も少ない回数です。この17回の取引のうち、DeepSeekは16回ロング、1回ショートを行い、その間の市場全体の底からの反発トレンドと完全に一致していました。

もちろん、この方向の選択はランダムではありませんでした。DeepSeekはRSIやMACDなどの指標を使用して包括的な分析を行い、市場全体が強気トレンドにあると一貫して判断し、自信を持ってロングを選択しました。

具体的な取引プロセスにおいて、DeepSeekの最初の数回の注文は順調ではありませんでした。最初の5回の注文は失敗に終わりましたが、それぞれの損失は大きくなく、最大の損失は3.5%を超えませんでした。さらに、最初の注文のポジション保有時間は比較的短く、最短のものはわずか8分で終了しました。市場が予想された方向に発展するにつれて、DeepSeekのポジションは持続的なステータスを示し始めました。

DeepSeekのポジションスタイルを見ると、ポジションに入った後、比較的大きな利益確定スペースと小さな損切りスペースを設定する傾向があります。10月27日のポジションを例にとると、設定された平均利益確定スペースは11.39%、平均損切りスペースは-3.52%、利益対損失比は約3.55に設定されていました。この観点から、DeepSeekの取引戦略は、小さな損失と大きな利益という考え方に傾いています。

実際の成果の面でも、これは明らかです。PANewsの要約分析によると、DeepSeekの決済済み取引の中で、平均利益対損失比は6.71に達し、全モデルの中で最高でした。勝率は41%と最高ではありませんが（2位）、利益期待値2.76で依然として1位です。これがDeepSeekが最大の利益を達成した主な理由です。

さらに、保有時間の面では、DeepSeekの平均保有時間は2952分（約49時間）で、これも1位です。数あるモデルの中でも、真のトレンドトレーダーと呼ぶことができ、これは金融取引における収益性の主要要素である「勝者を走らせる」アプローチと一致しています。

ポジション管理の面では、DeepSeekは比較的攻撃的です。平均単一ポジションレバレッジ比率は2.23に達し、頻繁に複数のポジションを同時に保有するため、全体的なレバレッジ比率は比較的高くなります。例えば、10月27日には、総レバレッジ比率が3倍を超えました。しかし、厳格な損切り条件のため、リスクは制御可能な範囲内に留まっています。

全体として、DeepSeekの取引が好調だった理由は、包括的な戦略の結果です。エントリー選択の面では、最も主流のMACDとRSIのみを基準として使用し、特別な指標は採用していません。単に合理的なリスク報酬比を厳守し、感情に左右されることなく、しっかりとポジションを保有する決定を下しています。

さらに、PANewsはかなり特別な詳細も発見しました。思考の連鎖の過程で、DeepSeekは過去の長くて詳細な思考プロセスの特徴を継続しており、最終的にすべての思考プロセスを取引の決定に要約しています。この特徴は、人間トレーダーに反映されると、事後分析に集中するトレーダーに似ており、この事後分析は3分ごとに行われます。

この事後分析能力がAIモデルに適用されると、それも役割を果たします。各トークンと市場シグナルのあらゆる詳細が、見落とされることなく繰り返し分析されることを保証します。おそらく、これは人間トレーダーが学ぶことができる別の領域です。

Qwen3：大きなポジションを持つ攻撃的な「ギャンブラー」

10月27日現在、Qwen3は2番目に優れたパフォーマンスを発揮した大規模モデルです。最高のアカウント額は20,000ドルに達し、収益性は100%で、DeepSeekに次ぐものです。Qwen3の全体的な特徴は、高レバレッジと高い勝率です。全体的な勝率は43.4%に達し、全モデルの中で1位です。同時に、単一ポジションのサイズも56,100ドル（レバレッジ比率5.6倍）に達し、これも全モデルの中で最高です。利益期待値の面ではDeepSeekに及びませんが、その攻撃的な取引スタイルにより、現在までDeepSeekの結果に肉薄しています。

Qwen3の取引スタイルは比較的攻撃的です。平均損切りの面では、平均損切りは491ドルで、全モデルの中で最高です。単一取引での最大損失は2,232ドルに達し、これも最高です。これは、Qwen3がより大きな損失を許容できることを意味し、一般的にドローダウンを通じてポジションを保持することとして知られています。しかし、DeepSeekと比較して不足している点は、より大きな損失に耐えても、より高いリターンを達成できないことです。Qwen3の平均利益は1,547ドルで、DeepSeekよりも低いです。これにより、最終的な利益期待値比率はわずか1.36となり、DeepSeekの半分になっています。

さらに、Qwen3のもう一つの特徴は、一度に単一のポジションを保持し、そのポジションに倍賭けする傾向があることです。使用されるレバレッジは、しばしば25倍（競争で許可されている最高倍率）に達します。このような取引の特徴は高い勝率に大きく依存します。なぜなら、それぞれの損失が大きなドローダウンを引き起こすからです。

意思決定プロセスにおいて、Qwen3は4時間EMA 20移動平均に特別な注意を払っているようで、それをエントリーおよびエグジットのシグナルとして使用しています。戦略を検討する際、Qwen3もそれをシンプルに保っているようです。ポジションの保持の面でも、Qwen3は焦りを見せており、平均保有時間は10.5時間で、Geminiのすぐ上にランクされています。

全体として、Qwen3の現在の収益性は有望に見えますが、彼らの取引アプローチには重大なリスクがあります。高レバレッジ、オールインオープンスタイル、単一指標への依存、短い保有時間、小さなリスク/報酬比などの要因が、Qwen3の将来の取引にとって課題となる可能性があります。ドラフト作成日の10月28日現在、Qwen3の資金は最大で16,600ドルまでドローダウンを経験しており、ピークから26.8%のドローダウン率となっています。

Claude：持続的なロングポジション実行者

Claudeも全体的に利益が出ている状態ですが、10月27日現在、アカウントの合計残高は約12,500ドルに達し、約25%の利益となっています。このデータだけでも印象的に見えるかもしれませんが、DeepSeekやQwen3と比較すると、少し実りが少ないように見えます。

実際、取引頻度、ポジションサイズ、勝率のいずれの面でも、ClaudeのデータパフォーマンスはDeepSeekに非常に近いです。合計21回の取引、38%の勝率、平均レバレッジ比率2.32です。

大きな違いは、より低いリスク/報酬比にあるかもしれません。Claudeのリスク/報酬比は2.1と立派ですが、DeepSeekの3分の1以下です。したがって、この包括的なデータに基づくと、その利益期待値はわずか0.8です（1を下回ると長期的には損失のままです）。

さらに、Claudeには、一定期間一つの方向に固執するという顕著な特徴もあります。10月27日現在、Claudeの完了した21回の取引はすべてロングポジションでした。

Grok：方向判断の渦の中で迷子に

Grokは初期段階で強力なパフォーマンスを発揮し、一時は利益が50%を超える最も収益性の高いモデルとなりました。しかし、取引時間が経過するにつれて、Grokは重大なドローダウンを経験しました。10月27日現在、資金は約10,000ドルまで戻りました。全モデルの中で4位にランクされており、全体的なリターンはBTCスポットを保持しているのと同程度です。

取引習慣の観点から、Grokも低頻度取引とHODLerのキャンプに属しています。Grokはわずか20回の取引を完了しており、平均保有時間は30.47時間で、DeepSeekに次ぐ長さです。しかし、Grokの最大の問題は、わずか20%という低い勝率と、1.85というリスク報酬比かもしれません。これも利益期待値がわずか0.3である結果となっています。取引の方向を見ると、Grokの20のポジションのうち、ロングとショートの取引がそれぞれ10回ずつ実行されました。しかし、現在の市場フェーズでは、市場を過度にショートすることが勝率を大幅に低下させることは明らかです。この観点から、Grokのモデルは依然として市場トレンドの判断に問題を抱えています。

Gemini：高頻度の「個人トレーダー」、乱高下の中で「死」へ

Geminiは取引頻度が最も高いモデルで、10月27日現在、合計165回の取引を完了しています。過度に頻繁な取引活動はGeminiの非常に悪いパフォーマンスにつながり、アカウント残高は最低で約3,800ドルまで低下し、62%の損失率となりました。さらに、取引手数料だけで1,095.78ドルに達しました。

高頻度取引の背後には、非常に低い勝率（25%）とわずか1.18のリスク報酬比があり、包括的な利益期待値はわずか0.3です。このようなパフォーマンスデータでは、Geminiの取引は損失を被ることが運命づけられています。意思決定への自信の欠如のためか、Geminiは非常に小さな平均ポジションサイズを維持しており、1取引あたりのレバレッジ比率はわずか0.77、平均保有時間はわずか7.5時間です。

平均損切りはわずか81ドルで、平均利益確定は96ドルです。Geminiのパフォーマンスは典型的な個人トレーダーに似ており、利益確定は早いが損切りでの撤退も早いです。市場のアップダウンの中で繰り返し取引を行い、アカウントの資本を継続的にすり減らしています。

GPT5：低い勝率と低いリスク報酬比の「ダブルキル」

GPT5は現在最下位のモデルであり、全体的なパフォーマンスと曲線はGeminiに非常に似ており、60%以上の損失率です。比較すると、GPT5はGeminiほど高頻度ではありませんが、63回の取引を実行しています。リスク報酬比はわずか0.96で、1取引あたり平均0.96ドルの利益を意味し、対応する損切りは1ドルです。同時に、GPT5の取引勝率もGrokと同等の20%という低さです。

ポジションサイズの面では、GPT5はGeminiと非常に似ており、平均ポジションレバレッジ比率は約0.76で、非常に慎重なアプローチを示しています。

GPT5とGeminiのケーススタディは、ポジションリスクが低いことが必ずしもアカウントの収益性に利益をもたらさないことを示しています。さらに、高頻度取引の下では、勝率とリスク報酬比の両方が本質的に信頼できません。さらに、これら2つのモデルのロングポジションのエントリー価格は、DeepSeekのような利益を生むモデルよりも大幅に高く、エントリーシグナルがいくぶん遅れているように見えます。

観察のまとめ：AIによって見られた2種類の取引の「人間性」

全体として、AIの取引行動の分析を通じて、私たちは取引戦略を再検討する機会を得ました。特に、高利益のDeepSeekプレイヤーと高損失のGeminiおよびGPT5モデルという2つの極端な取引結果の分析は、最も示唆に富むものです。

1. 高利益モデルの行動には、低頻度、長い保有期間、大きなリスク報酬比、タイムリーなエントリータイミングという特徴があります。

2. 損失モデルの行動には、高頻度、短期取引、低いリスク報酬比、遅いエントリータイミングという特徴があります。

3. 利益の額は、市場情報の量と直接関係ありません。このAIモデル取引競争では、すべてのモデルが同じ情報にアクセスできますが、これは人間トレーダーと比較するとより限定的です。しかし、彼らは依然として大多数のトレーダーをはるかに超える収益性レベルを達成できます。

4. 思考プロセスの長さは、取引の厳密さを決定する鍵であるようです。DeepSeekの意思決定プロセスは全モデルの中で最も長く、各決定をレビューし慎重に検討することに長けた人間トレーダーの取引ルールに似ています。一方、パフォーマンスの悪いモデルの思考プロセスは非常に短く、人間の衝動的な意思決定プロセスに似ています。

5. DeepSeekやQwen3のようなモデルの収益性の高いパフォーマンスにより、これらのAIモデルを直接フォローすることが可能かどうかについて多くの議論がありました。しかし、このアプローチは賢明ではないようです。個々のAIの現在の収益性はまずまずですが、運が役割を果たしているようで、この期間の市場トレンドと偶然一致しているだけかもしれません。市場が新しいフェーズに入ると、この優位性が維持できるかどうかは不明です。それにもかかわらず、AIの取引実行能力は学ぶ価値があります。

最後に、誰が究極の勝利を収めるのでしょうか？PANewsはこれらのパフォーマンスデータを複数のAIモデルに送信し、彼らは満場一致でDeepSeekを選びました。その理由は、その利益期待値が数学的論理と最もよく一致し、その取引習慣が最も有利であるためです。

興味深いことに、2番目に好まれるモデルとして、ほぼ全員が自分自身を選びました。

元の記事リンク