量化视角的 AI 测评：盈利期望全员小于 1，人工智能离替代交易员还有多远？ | BlockWeeks

作者：Frank，PANews

如果给你10000美元，你会选择相信哪个人工智能来替你操盘？

此前，PANews曾针对nof1.ai的AI交易比赛进行过一次复盘（相关阅读：六大AI“交易员” 十日对决：一场关于趋势、纪律与贪婪的公开课）。然而，在nof1.ai的比赛时效是针对某一段行情，各个AI大模型的最终交易能力在特定的交易周期下似乎并非能够完全展现。此外，人们对于AI模型在不同条件下的实际预测能力也亟需一个答案。加上近日各个AI公司又发布了最新的大模型，模型的能力排名也在重新排位的阶段。

为了揭开这个谜底，PANews策划了一场“AI 交易员争霸赛”。了解在不同的场景下，AI大模型对于行情的判断能力和交易规划能力。比如更擅长哪一同时间框架的行情分析，以及在有指标作为辅助条件下，AI的预测成功率是否会提升。

我们将时间线拉长到2017年至今，从币安 BTC 历史数据中，随机抽取了100个真实的行情切片，构建了“4小时裸K”、“15分钟短线”、“4小时全指标”三大炼狱级测试场景。六位参赛选手为当今中美的算力巅峰：Gemini-3-pro、Doubao-1.6-vision、DeepSeek V3.2、Grok 4.1、GPT-5.1、Qwen3-max。

本次测试采集了币安BTC现货交易对自2017年8月至今的15分钟K线数据以及2021年至今的4小时K线数据，每个周期随机生成50张时间段为100根K线的图片，其中4小时周期分为两种，一是只有K线和交易量的图片，另一种是带有EMA、SMA、布林带、MACD、RSI等指标信息的K线图。15分钟K线图均为裸K图（带交易量）。并同步给AI当前K线图对应的具体价格数据值或指标数据值。所有的AI输出结果在此处可以查看。

4小时带指标的示意图

4小时纯K线的示意图

在测试的过程中，每个大模型获取的数据信息及命令都是完全相同的。从另一个角度来说，这也相当考验这些大模型的多模态能力（DeepSeek因只有文本大模型，最终接收的都是数据信息，未传输图片）。

Gemini 3 ：被“指标”封印的裸 K 之王

Gemini 3是当前最火热的AI大模型，从11月18日发布后的媒体评论和测试来看，可谓是当前综合能力最强的AI多模态大模型。然而，在本次交易预测的测试当中，Gemini 3的结果并不算是最佳，只能算是中规中距。在三个场景当中（4小时裸K、4小时带指标、15分钟裸K），Gemini 3表现最好的是4小时裸K场景，胜率达到了39.58%、其次是15分钟裸K场景下34.04%，在带指标的情况下（相同时间段）4小时周期的准确率反而降至了31%，是三个场景中最差的。

从这一点来看，Gemini 3似乎更擅长纯K线形态状态，叠加指标后反而容易受到干扰。在具体的操作过程中，没有指标的情况下，Gemini 3似乎更敢于开仓，纯K线的情况下，95%的行情都会选择入场，而添加了指标之后这一比例则下降至71%。值得一提的是，Gemini 3还是4小时纯K线情况下唯一一个获利的模型。

在15分钟的场景下，Gemini 3的总体盈利情况最佳，总仓位盈利15.34%，带指标的情景下反而亏损了21.18%。不过，这种盈利也是一种短期幸运，结合每次的盈亏比数据来看，Gemini 3的盈利期望（胜率*盈亏比）均低于1，也就意味着长期来看都是亏钱的状态。

DeepSeek V3.2：稳如老狗的“超短线刷单机器”

DeepSeek则是六个模型当中胜率综合表现最好的模型，相对来说也是最稳定的。在三个场景当中（4小时裸K、4小时带指标、15分钟裸K）下，胜率分别为40%、41.38%、42.86%。从这一点来看DeepSeek的预测能力在不同周期、有无指标的情况下都相对稳定。

只不过，DeepSeek最终的盈利情况都不佳，源于其盈亏比太低，平均值只有1.25。这种见好就收的盈亏比也体现出DeepSeek在交易过程中缺乏让利润奔跑的能力。因此，综合导致其盈利期望值几乎都在0.5左右，长期来看同样缺乏盈利可能。此外，DeepSeek在开仓决心方面也相对保守，总体的开仓比例只有58%。

Doubao (豆包)：本次大赛的“全能 MVP”

在这场测试比赛当中，Doubao1.6-vision的综合结果是最好的。在4小时带指标的场景中，Doubao1.6-vision的胜率达到了测试当中最高的数据，达到50%，最终收益达到22.2%。同时在15分钟的短周期当中，总体也获得了8.2%的收益水平。它是唯一一个在两个不同维度（短线和4小时指标）都能稳定盈利的模型。

并且，Doubao1.6-vision的这种结果并不是相对保守的风格下实现的，而是在平均开仓比例92%以上达成的。也就是说，Doubao1.6-vision在绝大多数的情景下都选择了开仓。不过，相对来看，Doubao1.6-vision的能力也很依赖指标信号，有无指标的情况下，总盈利相差38%。另外，从盈亏比的数据来看，Doubao1.6-vision在正收益的两个周期内的平亏比都较高，这也是它总体表现优异的原因。

Grok 4.1：来自 xAI 的“激进赌徒”

Grok 4.1的总体风格是胆大但季度依赖指标，同时愿意追逐更大的利润。在三种场景中，只有带指标的4小时周内，Grok 4.1获得了34.69%的胜率，剩下两种场景下的胜率极低。4小时纯K线的情况下，胜率只有14.58%，15分钟周期内为26.53%。但它开仓的平均比例却高达98%，几乎在所有K线情景下都愿意开仓。从这个角度来看，Grok 4.1的风格更像是一个管不住手的赌徒。

不过，Grok 4.1的盈亏比往往都比较高，平均值达到了2，是所有模型中最高的。但综合来说，如果你将资金交给Grok 4.1，并不是一个明智的选择。

GPT 5.1：极致谨慎的“死空头”悲观派

GPT 5.1的开单风格和Grok 4.1则是完全完全相反。GPT 5.1在谨慎程度这方面可谓是极致，在大多数的案例当中，他都选择了观望。最终150次的测试当中，只开单了52次，平均的开仓比只有0.34%。

不过，即便是这样的小心谨慎，也没能给GPT 5.1带来更好的胜率表现。它在最好的场景下也只获得了35%的胜率。并且相比4小时和15分钟后期，GPT 5.1显然不太擅长长周期的开仓，即便是加上了技术指标，4小时的胜率也只有27%。而在15分钟周期下，凭借较高的盈亏比（2.02），才算是获得了正收益反馈，最终结果为9.9%。

此外，GPT 5.1还有一个特点是明显的悲观主义，十分热衷于做空。超过70%的订单都是空单。

Qwen 3：惜字如金的“风险厌恶者”

Qwen 3显然是最谨慎的一个大模型，他在所有的测试当中一共只开仓了44次，开仓比例只有29%。不过，与GPT一样，这种极致的小心也没能带来更高的胜率。他的胜率平均水平也只有34%，表现最好的场景是4小时带指标的情景。

此外，Qwen 3的盈亏比也较高。达到1.96。看起来它属于风险厌恶型的选手，更擅长减少开单次数，但让利润奔跑。而在4小时带指标的场景下，Qwen 3的盈利期望值也是最接近盈利的，达到了0.95是所有模型中最高的。

数据汇总情况

总结：

综合来看，我们可能从这些AI的模拟交易过程中获得了以下几点启发。

第一，对绝大多数模型来说，带有指标都比纯K线图更有把握。带指标的情况下，这六个模型的平均胜率达到了38%，而没有指标的情况下胜率只有30%。

第二，AI可能更擅长短期交易，而非长线交易。15分钟的纯K线情景下，六个大模型的平均胜率达到34%，高于4小时周期的30%。六个模型中有三个盈利 (Gemini, GPT, Doubao)，且平均盈亏比普遍较好。

第三，将仓位完全交给AI并不可取。在本次测试过程中，所有AI模型的盈利期望都低于1，这也一位置长期按照这样的胜率和盈亏比来看，他们的最终结果都是亏损。只是亏得快慢的区别（不过，这里由于并未对AI模型进行专项调教，所使用的指标也只是较为简单的常用指标）。因此，如果你想要让AI来代替自己进行交易，那可能需要更复杂的调教过程和更多的回测数据。

当这场算力对决落下帷幕，看着账户余额的最终数字，我们得到的最重要启示或许并非“哪个模型最强”，而是“AI 交易的边界在哪里”。最终的结论是，今天的 AI 也许还不能直接替代一位优秀的基金经理，但它们已经进化成了一个在单方面相对成熟的交易助理，有的擅长看图，有点擅长风控，有的擅长数据分析实现稳定胜率。而对于人们对AI日益增长的期望来看，想要让AI取代人来做交易仍是一个复杂的命题。