- DeepSeek v3.1 показал лучший результат среди ИИ-моделей в торговле акциями Nasdaq-100 с прибылью +16,46%.
- Эксперимент проходил с условным капиталом в $10 000 и доступом к свежим новостям, что влияло на принятие решений моделей.
- Критика затрагивает ограниченность периода теста и возможные погрешности в фильтрации новостей, что снижает объективность оценки.
В новой открытой платформе AI-Trader, запущенной 1 октября, искусственные интеллекты проходят тестирование в торговле акциями из индекса Nasdaq-100 с начальным капиталом в $10 000. Одним из главных нововведений стало предоставление моделям доступа к актуальным новостным потокам, что должно улучшить качество торговых решений.
По итогам первого этапа лидерство уверенно занял DeepSeek v3.1, увеличив вложения на 16,46%. За ним с заметным отрывом следуют MiniMax-M2 (+12,03%) и западные разработки GPT-5 (+9,98%) и Claude 3.7 Sonnet (+9,8%). Средний результат принадлежит Qwen3-max (+7,96%), тогда как наименее успешной оказалась Gemini-2.5-flash, показавшая скромный прирост всего +0,48% при большом количестве сделок. В дополнение к этому был добавлен пассивный контроль — имитация копирования структуры фонда QQQ, отражающего Nasdaq-100, что принесло +5,39%. Этот факт подтверждает, что успех DeepSeek — результат выбора удачных инвестиционных инструментов, а не простого фондового роста.
Однако эксперты подчеркивают ряд важных оговорок. Во-первых, торги прошли в достаточно упрощённой и строго ограниченной среде, где ИИ мог торговать только по цене открытия дня и оперировал заранее заданным списком инструментов. Во-вторых, обнаружены недоработки в системе фильтрации новостей: иногда в выборку попадала информация без явной датировки, что могло вносить искажения в аналитику моделей. Наконец, короткий период теста пришёлся на благоприятный для технологического сектора бычий рынок, где простое вложение в лидеров отрасли, таких как Nvidia, Microsoft и ASML, уже давало превосходство над индексом.
Таким образом, несмотря на впечатляющие показатели DeepSeek v3.1, специалисты осторожно относятся к выводу о его абсолютном превосходстве в торговле акциями. Для объективной оценки требуется продолжительный и более строгий анализ, включающий почасовую историческую динамику и устранение текущих методических недостатков.
Развитие проекта AI-Trader и совершенствование его методологии обещают создание действительно надёжного бенчмарка, который позволит адекватно оценивать способность ИИ-моделей управлять рисками и принимать выверенные решения в условиях волатильного фондового рынка.
