DeepSeek在美股交易中干翻了GPT们：一场没有剧本的AI炒股大战

最近看到一个挺有意思的实验——香港大学的团队搞了个项目叫「AI-Trader」，让几个顶级AI模型在美股市场上真刀真枪地对决。结果还挺意外的：DeepSeek以9.68%的收益率拿了第一，把GPT、Claude、Gemini这些大牌都甩在了后面。

这次实验到底怎么玩的？

说实话，这个实验的设计还挺硬核的。研究团队给五个AI模型——DeepSeek、GPT-5、Claude、Gemini和Qwen——每个发了1万美元，让它们在纳斯达克100成分股里自己折腾将近一个月。

关键是游戏规则特别狠："三不原则"——不给交易策略、不许人工干预、不能作弊。也就是说，这些AI完全得靠自己的判断来决定买什么、卖什么、什么时候交易。

这跟我们平时看到的那些"AI炒股"可不一样。很多所谓的AI交易系统，其实背后都是程序员提前写好的规则，或者拿历史数据回测出来的"完美"策略。但这次实验里，AI真的是完全自主决策，没人管、没人教。

DeepSeek凭什么赢？

最终排名是这样的：

🥇 DeepSeek: +9.68%
🥈 Claude-3.7: +2.17%
🥉 GPT-5: +1.60%
基准QQQ指数: +1.22%
Qwen3-max: -0.75%
Gemini-2.5: -2.73%

DeepSeek的9.68%收益率相当惊人。要知道，这才一个月不到的时间。如果换算成年化收益，那就更夸张了。而且它的策略看起来也挺靠谱——主要买了NVDA(英伟达)、AAPL(苹果)、MSFT(微软)这些科技巨头，还做了分散投资和动态调仓。

说白了，DeepSeek玩的是"稳健投资"那一套：选优质标的、分散风险、根据市场变化调整。这跟很多散户一把梭哈某只股票的玩法完全不同。

Claude排第二，2.17%的收益虽然比DeepSeek差不少，但至少是正收益，而且策略比较稳健。GPT-5也勉强跑赢了大盘，1.60%虽然不多，但也算及格了。

Gemini到底怎么了？

最惨的是Google的Gemini，亏了2.73%。更夸张的是，它在短期内做了73次交易——这频率也太高了吧！

这其实说明了一个问题：频繁交易不等于高收益。Gemini可能是想通过高频操作来捕捉市场机会，但结果反而因为缺乏明确策略、频繁追涨杀跌而亏钱。每次交易都有成本(佣金、滑点)，交易越多，成本越高。而且频繁交易很容易被短期波动牵着鼻子走，错失真正的趋势。

巴菲特那句话说得没错："股市是把钱从急躁的人转移到有耐心的人手里的工具。"Gemini就是典型的"急躁型"选手。

阿里的Qwen也只做了22次交易，最后也是负收益。可能它太保守了，错过了一些机会。

这个项目已经开源了

好消息是，AI-Trader项目已经在GitHub上完全开源了，采用MIT协议。任何人都可以去下载代码，自己部署一套玩玩。

我看了下项目的功能，还挺完善的：

历史回测功能

你可以选择任意历史时间段，让AI在那个时间点"穿越"回去交易。系统会自动过滤掉未来信息，确保AI只能用当时能获取的数据做决策。这个设计挺科学的，避免了"事后诸葛亮"。

MCP工具链

项目用了一套标准化的工具系统，包括：

交易工具：买卖股票、管理仓位
价格工具：查询实时和历史价格
搜索工具：获取市场信息和新闻
数学工具：做金融计算和分析

AI通过调用这些工具来完成所有操作。

多市场扩展

虽然目前主要是纳斯达克100，但架构设计上支持扩展到其他市场。理论上可以改成A股、港股、甚至加密货币市场。

自定义AI代理

如果你会写代码，可以自己实现一个交易策略，然后让它跟这些大模型比一比。说不定你的策略能赢呢？

为什么金融市场是检验AI的好地方？

研究团队说，金融市场是检验AI智能水平的"终极试金石"。这话还真不夸张。

首先，市场充满了不确定性。 股价会受新闻、政策、情绪、国际局势等无数因素影响，这些因素之间还互相关联、互相影响。AI要想在这种环境下赚钱，必须有强大的信息处理能力和预测能力。

其次，市场有实时反馈。 你的每个决策都会立即反映在账户余额上。不像写代码或者写文章，可能要很久才知道效果。市场会马上告诉你：你这个决策是对还是错。

第三，市场是零和博弈。 你赚的钱，基本上就是别人亏的钱。这意味着AI不仅要理解市场规律，还要预测其他参与者(包括其他AI)会怎么做，然后在博弈中找到最优策略。

最后，市场有"反身性"。 AI的交易行为本身会影响市场价格，进而改变未来的市场状态。这就需要AI能够思考"如果我这样做，会对市场产生什么影响？其他人会怎么反应？"这种多层次的推理。

几点思考

1. 中国AI已经在某些方面超越了

DeepSeek作为一个中国的开源模型，在这个实验里击败了OpenAI、Google、Anthropic这些硅谷巨头的闭源模型。这说明在特定任务上，中国AI技术已经不输甚至超过了美国同行。

当然，这只是一个实验，不能说明全部问题。但至少证明了：技术路线和算法设计，有时候比砸钱更重要。

2. 基准测试不能说明一切

很多AI模型在学术榜单上分数很高，但一到实际应用就拉胯。金融交易这种真金白银的场景，才是真正的试金石。

以后评价一个模型好不好，可能不能只看它在MMLU、HumanEval这些测试上的分数，还得看它在真实场景里的表现。

3. AI投资还不能完全替代人类

虽然DeepSeek表现不错，但也要清醒地认识到：一个月的实验时间还是太短了。股市里有句话叫"牛市里傻子都能赚钱"。如果遇到熊市、震荡市、黑天鹅事件，AI还能不能稳定盈利，这还需要更长时间的验证。

而且，AI目前还缺乏对宏观经济、政策变化、突发事件的深度理解。这些"软"信息往往需要人的经验和判断。

所以我觉得，未来更可能是"人机协作"的模式：AI负责处理海量数据、发现规律、执行交易，人类负责战略决策、风险控制、应对黑天鹅。

4. 普通人能用吗？

理论上，AI-Trader已经开源了，你可以下载下来自己玩。但实际操作起来还是有门槛的：

需要懂点编程知识
需要申请各种API密钥(OpenAI、Alpha Vantage、Jina AI等)
需要一定的股票投资知识
最重要的是：即使AI能赚钱，也不保证你能赚钱

投资有风险，入市需谨慎。 这话永远不过时。

最后想说的

这个实验最有意思的地方，不是DeepSeek赢了，而是让我们看到：AI已经可以在复杂的金融市场中自主决策并获得正收益了。这在几年前还是不可想象的事。

但同时也要警惕：如果越来越多的AI参与市场交易，会不会导致市场行为趋同？会不会引发新的系统性风险？这些都是需要思考的问题。

对普通投资者来说，AI工具可以作为辅助，但不能完全依赖。最终还是要建立自己的投资理念、控制好风险、做好心理准备。

毕竟，市场永远不缺新技术、新概念，但赚钱的永远是那些保持理性、坚持原则的人。

项目地址: https://github.com/HKUDS/AI-Trader

许可协议: MIT License