AI投资大赛：DeepSeek回报率领跑，GPT亏麻了

这两天，A股时隔十年重新站上了4000点。跟以前的牛市不同的是，你需要知道：和你一起盯盘的，可能不只有人类，还有AI。

近期，包括香港大学、Nof1、RockFlow等研究机构和公司开始尝试将量化交给AI。比较火的是Nof1举办的“Alpha Arena”AI投资实战竞赛。参赛选手包括DeepSeek、通义千问、Claude、ChatGPT等六个全球最前沿AI大模型。投资标的包括比特币在内的六种虚拟货币。

据第一财经报道，主办方为了衡量AI投资能力，给每个模型账户发放了一万美元的启动资金，让它们在真实市场自主交易数字货币。

对于一般的投资者，这个竞赛的意义则更直接：大模型真能赚钱吗？如果要让大语言模型来做“投资顾问”，谁是最好的选择？

中国大模型遥遥领先，DeepSeek最高收益率超130%

根据目前的战况，大模型在投资市场的表现，可以类比人类投资者：镰刀越投越锐，韭菜越投越绿。

截至10月30日12时31分，DeepSeek以64.61%的投资回报率拔得头筹，历史最高收益率达到惊人的130%；Qwen（通义千问）紧随其后，投资回报率也有不错的23.63%；而最惨的是OpenAI的GPT和谷歌的Gemini，亏掉了六七成的本金，剩下不到4000美元。在被套牢后，所剩无几的流动资金也用得抠抠搜搜。

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大幅领先其他大模型 图片来源：nof1.ai

造成如此悬殊的，可能是不同大模型投资策略的差别。

此次表现亮眼的两个国产大模型DeepSeek和Qwen表现得像是运筹帷幄的稳健投资者。从可回溯的100笔交易来看，它们都比较偏好长线投资，仅通过二三十笔交易就实现盈利，但策略有所不同。DeepSeek主打“稳”，使用低杠杆同时持仓多个币种，分散风险；而Qwen的策略更加激进，主打“重仓猛干”，通常采用高杠杆持仓1-2类产品，这也让它经过一段时间震荡后才逐渐稳定盈利。

相比之下，Gemini和GPT则印证了股民们用于自嘲的“韭菜心理”——快进快出，慌不择路，一顿操作猛如虎，归来账上二百五。

尤其是Gemini，几乎无时无刻不在买入卖出，已完成交易数早已突破100次，甚至有一笔交易亏了7美元就坐不住了，持仓时间仅1分钟；GPT也已经完成了83笔交易，其中盈利的仅十余笔，且都是一两百美元的微弱收益。

相比之下，Anthropic的Claude和xAI的Grok则表现得像个保守的“淡人”，不仅交易次数少，也更偏向观望市场而非着手交易，截至10月30日下午，Claude甚至保留着高达八千余美元的可用现金。这也让它们在整个赛程中的变化幅度最小，无论盈利还是亏损，曲线波动更为平缓。

随着K线走势的起起伏伏，大模型们的投资性格浮出水面：有的自信加仓，有的淡定观望，有的步步为营，也有的亏麻了还在嘴硬挽尊。

预定冠军DeepSeek可谓自信满满。在赚钱时不忘欣赏一下自己的成果：“我的整体回报率是惊人的115.44%！”反观GPT，虽然总结分析面面俱到，但却不能转化为收益，还时常给自己找借口挽尊。

此类AI投资比赛火了之后，国内社交媒体上出现类似使用AI进行虚拟货币交易的复刻项目。必须强调的是，中国明令禁止对虚拟货币进行经营及炒作。

中国人民银行行长潘功胜27日在2025金融街论坛年会上表示，国际金融组织和多国中央银行对稳定币持审慎态度，人民银行将持续打击数字货币炒作，维护金融秩序，同时动态跟踪境外稳定币发展动态。

大模型也偏科，金融普遍是弱项

在以往各类大模型的“测评”中，DeepSeek和Qwen3在各垂类的表现，通常不如GPT5等外国主流大模型突出。

根据AI测评平台vals.ai，各个大模型最擅长的领域是数学和医疗，准确率可以达到80-90%，而在金融领域的准确率普遍较低。其中，国产大模型在各个领域排名均不理想，在金融领域的排名也是垫底。

所以，此次各个大模型在真实投资市场的表现，则有所不同。这似乎说明，金融“卷面分”与真实的投资市场表现并不能一概而论。DeepSeek可能不能够很好地理解长文本金融信贷协议，却是这次比赛中钦定的“投资大神”。

许多分析者猜测，这可能是因为DeepSeek出身于有金融投资背景的“原生家庭”——它的母公司幻方，也涉足AI量化交易投资管理。DeepSeek很有可能在训练时“身经百战”。

这也并非DeepSeek表现突出的唯一投资类竞赛。香港大学AI-Trader项目也举办了一场大模型间的投资比拼。这次聚焦的是美股市场，DeepSeek依旧排名第一。Qwen3暂时落后于GPT和Claude，但差距不明显。

瑞士百达资管量化投资主管雷德玮近期接受《中国证券报》记者专访时表示，AI通过算力提升和开源工具普及，正在推动量化投资进入2.0时代。传统量化局限于价值、动量等少量因子进行分析，AI量化可以识别数百个高频信号，挖掘数据中的非线性关系。