ستة متداولين بالذكاء الاصطناعي يتنافسون في مواجهة تستمر عشرة أيام: دورة متقدمة في تحليل الاتجاه، والانضباط، والجشع

تضاعف رأس المال خلال أقل من عشرة أيام.

عندما حققت DeepSeek وQwen3 هذه النتائج خلال جلسة التداول الحية للذكاء الاصطناعي AlphaZero الخاصة بـ Nof1، تفوقت كفاءتهما الربحية على معظم المتداولين البشر، مما يبرز نقطة تحول مركزية: أصبح الذكاء الاصطناعي ينتقل من كونه «أداة بحث» إلى «مشغل تداول في الصفوف الأمامية». كيف تتخذ هذه النماذج قراراتها؟ أجرت PANews مراجعة دقيقة لما يقارب عشرة أيام من التداول بواسطة ستة نماذج ذكاء اصطناعي رائدة في هذه المنافسة، بهدف كشف استراتيجيات اتخاذ القرار وراء نجاح التداول بالذكاء الاصطناعي.

مواجهة تقنية بحتة دون «عدم تكافؤ المعلومات»

قبل الخوض في التفاصيل، يجب توضيح آلية العمل: جميع نماذج الذكاء الاصطناعي في هذه المنافسة عملت «دون اتصال». تلقى كل نموذج نفس البيانات الفنية بالضبط—السعر الحالي، المتوسطات المتحركة، MACD، RSI، الاهتمام المفتوح، معدلات التمويل، وبيانات التسلسل للفترات الزمنية (4 ساعات و3 دقائق)—دون أي إمكانية للوصول إلى بيانات أساسية عبر الإنترنت.

أزال هذا أي «عدم تكافؤ في المعلومات»، وجعل المنافسة اختبارًا واضحًا لقدرة التحليل الفني البحت على تحقيق الأرباح.

توفر لنماذج الذكاء الاصطناعي المعلومات التالية:

1. حالة سوق العملات الرقمية: السعر الحالي، المتوسط المتحرك لـ 20 يومًا، MACD، RSI، الاهتمام المفتوح، معدل التمويل، بيانات التسلسل اللحظية (كل 3 دقائق)، بيانات الاتجاه طويل الأمد (كل 4 ساعات)، وغيرها.

2. حالة الحساب والأداء: الأداء الكلي للحساب، معدل العائد، رأس المال المتاح، نسبة Sharpe، أداء المراكز في الوقت الفعلي، شروط جني الأرباح/وقف الخسارة الحالية، ومعايير الإلغاء.

DeepSeek: خبير الاتجاهات المستقرة وقوة «المراجعة»

في 27 أكتوبر، بلغ رصيد حساب DeepSeek ذروته عند 23,063 دولارًا، مع أرباح غير محققة بنسبة تقارب 130%، ليصبح الأعلى أداءً. يكشف تحليل سلوك التداول الخاص به أن هذا النجاح كان مدروسًا بعناية.

اتبع DeepSeek أسلوب تداول اتجاه منخفض التكرار—فقط 17 صفقة خلال تسعة أيام، وهو الأقل بين جميع النماذج. من بينها، كانت 16 صفقة شراء وصفقة واحدة بيع، متماشية مع انتعاش السوق خلال تلك الفترة.

جاء هذا الانحياز الاتجاهي بتخطيط مسبق. اعتمد DeepSeek على تحليل شامل باستخدام RSI وMACD، حيث قيّم السوق باستمرار بأنه صاعد وحافظ على مركز شراء قوي.

انتهت أول خمس صفقات لـ DeepSeek بخسائر طفيفة لم تتجاوز 3.5% لكل منها. أُغلقت المراكز المبكرة بسرعة، وأقصرها دام ثماني دقائق فقط. ومع تحرك السوق لصالحه، بدأ DeepSeek في الاحتفاظ بالمراكز لفترات أطول.

يحدد DeepSeek عادة هدف جني أرباح واسع ووقف خسارة ضيق. في 27 أكتوبر، بلغ متوسط جني الأرباح 11.39%، ووقف الخسارة -3.52%، ونسبة المخاطرة/المكافأة حوالي 3.55. تركز هذه الاستراتيجية على تقليل الخسائر وتعظيم الأرباح.

تؤكد النتائج قوة الأداء: وجدت PANews أن متوسط نسبة المخاطرة/المكافأة في الصفقات المغلقة لـ DeepSeek بلغ 6.71—الأعلى بين جميع النماذج. بلغت نسبة النجاح 41% (الثانية الأعلى)، لكن الربح المتوقع 2.76 احتل المركز الأول، ما يفسر ريادته في الصناعة.

كما تصدر DeepSeek في متوسط مدة الاحتفاظ بالمراكز: 2,952 دقيقة (حوالي 49 ساعة)، وهو مثال لتداول الاتجاه ومبدأ «دع الأرباح تستمر».

كانت إدارة المراكز حاسمة، بمتوسط رافعة مالية 2.23 لكل صفقة وعدة مراكز متزامنة. في 27 أكتوبر، تجاوزت الرافعة الإجمالية 3x، لكن تطبيق حدود وقف الخسارة الصارمة حافظ على المخاطر ضمن السيطرة.

باختصار، يعكس نجاح DeepSeek نهجًا متوازنًا ومنضبطًا. يعتمد على مؤشرات رئيسية (MACD، RSI)، ويطبق نسب مخاطرة/مكافأة مدروسة، ويتخذ قرارات حاسمة غير متأثرة بالعواطف.

كما لاحظت PANews سمة مميزة: عملية تفكير DeepSeek طويلة ومفصلة، وتنتهي بقرار تداول موحد. هذا يشبه المتداولين البشر الذين يراجعون كل خطوة بدقة—يقوم DeepSeek بمراجعة كل ثلاث دقائق، على غرار المتداولين البشر الذين يتبعون إجراءات مراجعة دقيقة.

تضمن هذه المراجعة المنهجية أن كل أصل وإشارة سوقية تخضع للتحليل المتكرر، مما يقلل فرص التغافل—وهي ممارسة يجدر بالمتداولين البشر اتباعها.

Qwen3: أسلوب جريء وعدواني «مقامر»

في 27 أكتوبر، حقق Qwen3 ثاني أفضل النتائج، حيث بلغ أعلى رصيد للحساب 20,000 دولار ومعدل ربح 100%، ليحتل المركز الثاني بعد DeepSeek. سجل Qwen3 أعلى رافعة مالية وأعلى نسبة نجاح (43.4%). بلغ متوسط حجم المركز 56,100 دولار (رافعة مالية 5.6x)، وكلاهما الأعلى بين جميع النماذج. رغم أن الربح المتوقع أقل من DeepSeek، إلا أن أسلوبه الجريء أبقاه منافسًا قويًا.

يتداول Qwen3 بعدوانية، مع أعلى متوسط وقف خسارة (491 دولارًا) وأكبر خسارة فردية (2,232 دولارًا) بين النماذج. يتحمل Qwen3 خسائر أكبر، لكن على عكس DeepSeek، لا تتحول هذه الخسائر إلى أرباح أعلى بنفس النسبة: بلغ متوسط الربح لكل صفقة 1,547 دولارًا—أقل من DeepSeek. كانت نسبة الربح المتوقع 1.36 فقط، أي نصف DeepSeek.

يفضل Qwen3 أيضًا المراكز الفردية الكبيرة ويستخدم بشكل منتظم رافعة مالية تصل إلى 25x—أقصى حد في المنافسة. يتطلب هذا النهج معدل نجاح مرتفعًا؛ فكل خسارة تؤدي إلى تراجع كبير في الرصيد.

يعتمد Qwen3 بشكل كبير على EMA 20 لمدة 4 ساعات كإشارة دخول/خروج. تفكيره بسيط، ومتوسط مدة الاحتفاظ بالمركز (10.5 ساعات) قصير—فوق Gemini بقليل.

بالمحصلة، تخفي أرباح Qwen3 الحالية مخاطر كبيرة: الرافعة المالية المفرطة، الرهان الكلي، الاعتماد على مؤشر واحد، فترات الاحتفاظ القصيرة، ونسب مخاطرة/مكافأة منخفضة تهدد الأداء المستقبلي. بحلول 28 أكتوبر، انخفض رصيد حساب Qwen3 إلى 16,600 دولار من ذروته—بانخفاض قدره 26.8%.

Claude: منفذ صفقات الشراء بلا هوادة

لا يزال Claude يحقق أرباحًا، حيث بلغ رصيد الحساب نحو 12,500 دولار وربحًا يقارب 25% حتى 27 أكتوبر. رغم أن هذه النتائج محترمة، إلا أنها أقل من DeepSeek وQwen3.

تتطابق وتيرة تداول Claude، وحجم المراكز، ونسبة النجاح مع DeepSeek: 21 صفقة، نسبة نجاح 38%، ومتوسط رافعة مالية 2.32.

يكمن الاختلاف في انخفاض نسبة المخاطرة/المكافأة—2.1، أي أقل من ثلث DeepSeek. نتيجة لذلك، يبلغ الربح المتوقع لـ Claude 0.8 فقط (أقل من 1 يشير إلى خسائر محتملة طويلة الأجل).

سمة أخرى رئيسية: تداول Claude حصريًا مراكز شراء خلال الفترة. جميع الصفقات الـ21 المنفذة حتى 27 أكتوبر كانت مراكز شراء.

Grok: ضياع في اتخاذ القرارات الاتجاهية

تفوق Grok في البداية، وتصدر جميع النماذج بأرباح تجاوزت 50%. لكن مع تقدم التداول، تعرض لخسائر كبيرة. بحلول 27 أكتوبر، عاد رصيد حسابه إلى حوالي 10,000 دولار، ليحتل المركز الرابع، مع عوائد تتوافق تقريبًا مع أداء BTC الفوري.

يعد Grok أيضًا متداولًا منخفض التكرار وطويل الاحتفاظ، حيث نفذ 20 صفقة فقط، مع متوسط مدة الاحتفاظ بالمركز 30.47 ساعة—الثاني بعد DeepSeek. أكبر مشكلته هي انخفاض نسبة النجاح (20%) ونسبة مخاطرة/مكافأة 1.85، ما أدى إلى ربح متوقع 0.3 فقط. من بين مراكزه الـ20، وزع Grok تداولاته بالتساوي بين الشراء والبيع. في هذه المرحلة السوقية، أدى الإفراط في البيع إلى تراجع نسبة النجاح—ما يظهر أن Grok لا يزال يواجه صعوبة في تحديد الاتجاه.

Gemini: «متداول التجزئة» عالي التكرار متآكل جراء التدوير المستمر

نفذ Gemini أكبر عدد من الصفقات—165 صفقة حتى 27 أكتوبر. أدى هذا التكرار المفرط إلى أداء ضعيف، حيث انخفض رصيد الحساب إلى 3,800 دولار ونسبة خسارة 62%. بلغت رسوم المعاملات وحدها 1,095.78 دولار.

أدى التداول عالي التكرار إلى انخفاض شديد في نسبة النجاح (25%) ونسبة مخاطرة/مكافأة 1.18 فقط، مع ربح متوقع 0.3 فقط—ما يضمن الخسائر. كان متوسط حجم المركز صغيرًا، والرافعة المالية 0.77 فقط، ومتوسط مدة الاحتفاظ بالمركز 7.5 ساعات.

بلغ متوسط وقف الخسارة 81 دولارًا، ومتوسط جني الأرباح 96 دولارًا. يشبه أسلوب تداول Gemini النمط التقليدي لمتداول التجزئة—جني أرباح سريعة وقطع الخسائر بسرعة مماثلة. أدت كثرة التداولات أثناء تقلبات السوق إلى تآكل رأس ماله تدريجيًا.

GPT5: «مشكلة مزدوجة» في انخفاض نسبة النجاح ونسبة المخاطرة/المكافأة

يحتل GPT5 المركز الأخير، ويتشابه بشكل كبير مع Gemini في خسائر تجاوزت 60%. حجم التداول أقل (63 صفقة)، لكن نسبة المخاطرة/المكافأة 0.96 فقط—يحقق في المتوسط 0.96 دولار لكل ربح، ويخسر دولارًا واحدًا في كل خسارة. نسبة النجاح أيضًا 20% فقط، مثل Grok.

متوسط حجم المركز في GPT5 مشابه لـ Gemini، مع رافعة مالية 0.76—حذر للغاية.

يبرز كل من GPT5 وGemini أن انخفاض المخاطرة لكل مركز لا يضمن الربحية. يؤدي التداول عالي التكرار إلى تآكل نسبة النجاح ونسب المخاطرة/المكافأة. كما يميل النموذجان إلى دخول الصفقات الشرائية عند أسعار أعلى من DeepSeek، ما يدل على إشارات دخول متأخرة.

الدروس الأساسية: الذكاء الاصطناعي يكشف عن «طبيعتين بشريتين» في التداول

تحليل سلوك التداول بالذكاء الاصطناعي يقدم منظورًا جديدًا للاستراتيجية. يشكل التباين بين ربحية DeepSeek والخسائر الكبيرة لـ Gemini وGPT5 أبرز الدروس.

1. النماذج المربحة تتسم بالوتيرة المنخفضة، وفترات الاحتفاظ الطويلة، ونسب المخاطرة/المكافأة العالية، وتوقيت الدخول المناسب.

2. النماذج الخاسرة تتسم بالوتيرة المرتفعة، وفترات الاحتفاظ القصيرة، ونسب المخاطرة/المكافأة المنخفضة، والدخول المتأخر.

3. الربحية لا ترتبط مباشرة بكمية معلومات السوق. جميع نماذج الذكاء الاصطناعي في هذا التحدي استخدمت نفس المدخلات—بدرجة أعلى من التماثل مقارنة بالمتداولين البشر—ومع ذلك تفوقت كثيرًا على النتائج البشرية المعتادة.

4. يبدو أن عمق عملية التفكير أمر أساسي للانضباط التداولي. يتميز DeepSeek بعملية اتخاذ قرار مطولة شبيهة بالمتداولين الذين يراجعون كل خطوة، بينما تتصرف النماذج الأضعف بشكل اندفاعي.

5. مع تصاعد الاهتمام بنتائج DeepSeek وQwen3، يتساءل الكثيرون حول نسخ تداول هذه النماذج. لا ينصح بذلك، إذ أن النتائج القوية قد ترجع جزئيًا إلى ظروف سوق مواتية وقد لا تستمر. ومع ذلك، يستحق انضباط التنفيذ لدى الذكاء الاصطناعي الاقتداء به.

في النهاية، من سيحقق الفوز؟ استطلعت PANews عدة نماذج ذكاء اصطناعي باستخدام بيانات الأداء—واختار الجميع بالإجماع DeepSeek، مستشهدين بالربح المتوقع الرياضي وأسلوب تداوله المنضبط.

ومن اللافت، أن كل نموذج تقريبًا اختار نفسه كأفضل ثاني.

بيان:

1. هذه المقالة معاد نشرها من [PANews]. تعود حقوق النشر للمؤلف الأصلي [Frank]. إذا كان لديك أي استفسار حول إعادة النشر، يرجى التواصل مع فريق Gate Learn لمعالجة الأمر بسرعة وفق الإجراءات المعتمدة.
2. تنويه: الآراء والمواقف الواردة في هذه المقالة تعبر عن رأي الكاتب فقط ولا تشكل نصيحة استثمارية.
3. تمت ترجمة النسخ بلغات أخرى بواسطة فريق Gate Learn ولا يجوز نسخها أو توزيعها أو اقتباسها دون الإشارة إلى Gate.