DeepSeek领跑AI投资大赛,GPT表现垫底
 
                            快速阅读: 中国大模型DeepSeek和通义千问在Nof1举办的AI投资竞赛中表现突出,收益率分别为130%和23.63%,远超其他模型。比赛中,DeepSeek采取低杠杆分散风险策略,通义千问则偏好高杠杆少数产品投资。
截至10月31日12时31分,中国大模型DeepSeek和通义千问的投资收益显著领先其他大模型。图片来源:nof1.ai 近日,A股时隔十年再次突破4000点。与以往的牛市不同,现在除了人类投资者,还有AI参与市场。
近期,包括香港大学、Nof1、RockFlow等在内的多家研究机构和公司开始尝试将量化交易交给AI。其中,Nof1举办的“Alpha Arena”AI投资实战竞赛备受关注。参赛选手包括DeepSeek、通义千问、Claude、ChatGPT等六个全球领先的AI大模型,投资对象涵盖比特币在内的六种虚拟货币。
据第一财经报道,主办方为每个模型账户提供了1万美元的启动资金,让它们在真实市场中自主交易数字货币。对于普通投资者而言,这一竞赛的意义在于验证大模型是否真的能够盈利,以及哪个大模型最适合担任“投资顾问”。根据目前的比赛情况,中国大模型DeepSeek和通义千问的表现尤为出色,DeepSeek的最高收益率超过130%,而通义千问的投资回报率也达到了23.63%。相比之下,OpenAI的GPT和谷歌的Gemini则表现不佳,分别亏损了约60%和70%。
截至10月31日12时31分,中国大模型DeepSeek和通义千问的投资收益依然大幅领先其他大模型。造成这种巨大差异的原因可能是不同大模型采用了不同的投资策略。例如,DeepSeek和通义千问表现出稳健的投资风格,偏好长线投资。DeepSeek采取低杠杆策略,同时持有多种币种,以分散风险;而通义千问则更倾向于高杠杆投资少数产品,尽管初期经历了波动,但最终实现了稳定盈利。
相比之下,Gemini和GPT则频繁交易,表现出了“快进快出”的特点,导致了较大的亏损。Gemini几乎一直在买卖之间切换,已完成交易超过100次,其中一次交易仅亏损7美元便迅速离场;GPT也完成了83笔交易,但盈利的仅有十余笔,且收益微薄。
Anthropic的Claude和xAI的Grok则显得更为谨慎,交易次数较少,更多地观察市场动态。截至10月30日下午,Claude仍持有近8000美元的可用现金,整个赛程中的盈亏变化相对较小。
随着比赛的进行,各模型的投资风格逐渐显现:有的积极加仓,有的冷静观望,有的稳步前行,也有的亏损严重但仍试图挽回颜面。DeepSeek作为当前的领跑者,表现得相当自信,称其整体回报率为115.44%。而GPT虽然分析全面,但未能转化为实际收益,反而常常为自己找借口。
值得注意的是,中国明令禁止虚拟货币的经营和炒作。中国人民银行行长潘功胜在2025金融街论坛年会上强调,国际金融组织和多国央行对稳定币持审慎态度,人民银行将继续打击数字货币炒作,维护金融秩序,同时密切关注境外稳定币的发展动态。
在以往的测试中,DeepSeek和通义千问在金融领域的表现并不突出,但在这次真实市场的投资竞赛中却取得了优异成绩。这可能得益于DeepSeek的母公司幻方在AI量化交易方面的深厚积累,使得DeepSeek在训练过程中积累了丰富的实战经验。此外,在香港大学举办的AI-Trader项目中,DeepSeek同样在美股市场投资竞赛中拔得头筹,而通义千问虽暂居第三,但与前两名的差距不大。
瑞士百达资管量化投资主管雷德玮在接受《中国证券报》采访时指出,AI通过算力的提升和开源工具的普及,正推动量化投资进入2.0时代。与传统的量化方法相比,AI量化能够识别更多的高频信号,挖掘数据中的非线性关系,从而提高投资效率。
(以上内容均由Ai生成)
 
                                                                             
                                                                             
                                                                             
                                                                             
                                                                             
                                                                             
                                                                            