2025 年 10 月，美股经历了一轮典型的震荡行情：月初科技股强势反弹，月中通胀数据扰动市场，10 月 10 日前后纳指单日波动超过 3%。 就在这波谲云诡的市场环境中，港大黄超教授团队的开源 AI-Trader 项目正式启动实盘测试。 该项目上线一周时间在 GitHub 上获得了近 8K 星标，展现了社区对 AI 自主交易技术和金融市场分析的能力高度关注。 六位大模型 AI 交易员，每人手握 1 万美元启动资金，被独自投入纳斯达克 100 的激烈战场。 规则严苛：不能求助、不能预知、不能重来。 它们只能凭借自己的「智慧」——看新闻、查价格、分析数据、执行交易，在真实的市场风暴中求生存、求盈利。在 10 月一整月的实盘交易后，它们交出了截然 不同的答卷： 开源项目地址： https://github.com/HKUDS/AI-Trader 实时交易监控： https://hkuds.github.io/AI-Trader/ | 模型 | 收益率 | 关键行为特征 | | --- | --- | --- | | DeepSeek-Chat-V3.1 | +13.89% | 果敢加仓,聚焦高确 | | | | ...

IT之家 11 月 4 日消息，美国研究机构 Nof1 最近发起了一项实盘测试：他们将六大顶级 AI 大语言模型（LLM）分别注入 1 万美元作为起始资金，令其在真 实市场中自主交易。 今日，第一届 Alpha Arena 正式宣布结束，阿里旗下通义千问 Qwen3-Max 在最后关头保持领先，以 22.32% 收益率夺得投资冠军。 虽然 AI 模型可以完成指定任务，但研究者指出：在风险管理、交易行为、持仓时长、方向偏好等方面，模型表现出显著差异。 Alpha Arena 目标是在一个动态、竞争的真实环境里检验这些模型在"量化交易"领域的能力。 研究团队强调，这并不是为了"选出最强模型"，而是为了推动 AI 研究从静态、考试式的基准测试转向对"真实世界"、"实时决策"的考察。 该项目试图回答一个基本问题："大型语言模型在无特定微调、仅凭数值数据输入、在真实交易环境中，能否作为零样本（zero-shot）系统交易模型？" 通过该实验，Nof1 旨在促进 AI 研究转向"举办真实、动态、风险驱动的基准"，而非仅仅静态数据集。 初步结果 报告指出，虽然每个模型都在同样结构下运作，但它们的交易风格、风险偏好、持仓时间 ...

专访量化组亚军、资管产品组第一名京盈智投创始人兼投资总监谢黎博 高手云集的第十九届全国期货（期权）实盘交易大赛落下帷幕，京盈智投团队凭借稳健的表现，一举摘 得资管产品组第一名与量化组亚军两项大奖。谈及获奖感受，公司创始人兼投资总监谢黎博——这位兼 具北大物理学士与卡内基梅隆大学统计学博士背景的量化专家，言语中流露出欣慰："这次获奖，对我 与京盈智投团队而言意义非凡。它不仅是短期收益的胜利，更是对我们长期坚持的量化CTA策略的有力 验证。" 在本届大赛中，京盈智投的复合型量化CTA策略成为制胜关键。"由宏观经济周期与产业供需格局等慢 变量驱动的价格运动往往展现出持续的惯性。我们的系统虽不依赖于主观的基本面预判，但通过量化模 型，能够精准识别并系统化捕捉此类趋势机会，从而在单边行情中，实现对多资产类别趋势收益的有效 覆盖。"谢黎博介绍，为克服单一策略的周期性局限，团队构建了多层次策略框架，在趋势跟踪为主体 的基础上，融合了相对价值等低相关性策略，显著提升了系统的适应性与资金曲线的平滑度。 面对今年高度结构化的市场环境，部分板块与品种展现出清晰的趋势性行情。"依托多维度信号识别体 系与科学配置模型，我们实现了对各类 ...

第一个致命错觉就是"我的股票一定会涨"。看看广聚能源（000096）这个倒霉蛋，一季度涨了50%，结果半年时间就把60%的涨幅吐回去了。更讽刺的是， 现在还有人在那儿死扛，等着"解放军"来救他们。 还记得2025年5月那场白酒惨案吗？限酒令一出，整个板块20天跌了6%。当时多少人喊着"黑天鹅"、"防不胜防"？呵呵，要我说这些人就是睁眼瞎！ 看看这张图： 第二个错觉更可怕："反弹就是机会"。2025年前9个月的数据显示，没有一个板块能连续两个月表现好。电子板块算是表现最好的了，可即便如此也有四个 月在下跌。这就好比你去赌场，以为每次下注都是机会，殊不知庄家早就把概率算得明明白白。 2025年这波行情，上证指数涨了900点，可你知道有多少人在这波"牛市"里亏得底裤都不剩吗？作为一个从复旦金融系毕业就开始玩量化交易的老鸟，我必 须告诉你：牛市才是散户最容易亏钱的时候！ 被ST后反而大涨25%，为什么？因为数据早就显示机构提前进场了！这帮孙子怎么可能让自己吃亏？ 很多人觉得机构行为神秘莫测，其实在大数据面前都是透明的。就像这张白酒板块的交易行为图： 早在年初反弹结束后，机构资金就已经在悄悄撤退了。我用的量化系统里有个 ...

"屈身守份"，这个充满传统智慧的昵称背后，是一位在量化交易领域游刃有余的IT工程师。在本届实盘 交易大赛中，他斩获量化组第六名。这已是他连续第二年闯入量化组前20名，展现出令人瞩目的持续盈 利能力。 "以前做IT工程师，炒股那几年并没有赚到钱，直到遇见《海龟交易法则》这本书。""屈身守份"坦言， 2012年与这本书的邂逅改变了他的投资轨迹。编程背景与炒股经验结合，让他顺利切入量化赛道。"就 像打通了任督二脉，终于找到了适合自己的方法。" 在本届大赛中，"屈身守份"的核心策略是在海龟法则基础上优化升级趋势跟踪策略，辅以少量波段策 略。"今年股指期货、黄金、白银等行情均特别适合趋势跟踪，算是赶上了好时机。"他说。 与众不同的是，"屈身守份"采用"量化+主观"的独特模式——策略执行完全程序化，但在品种选择上以 主观判断为主。 "我的系统覆盖近30个品种，采用相同的策略和仓位管理。截至目前，我盈利较大的品 种分别是股指、焦煤、碳酸锂和多晶硅。"他说。 "多晶硅启动那天，我预感到行情会很大，果断以平时2～3倍的仓位入场。平时我很少主观干预，但这 次回报十分丰厚。" "屈身守份"回忆称。 "那段时间很难熬，但这就是趋势交 ...

合作与技术突破 - 超微电脑与英特尔、美光科技及KX软件公司合作开发了一套新系统，该系统在STAC-M3基准测试中创下纪录 [1] - STAC-M3基准测试用于评估时序市场数据高速分析性能，尤其适用于金融服务领域的实时量化交易场景 [1] - 测试模拟了数千种资产的市场买卖报价与结算交易数据，是一套涵盖计算、存储、网络及软件的全栈基准测试 [1] 系统配置与性能 - 系统采用超微电脑的PB级服务器、英特尔至强6处理器、美光9550固态硬盘与DDR5内存，以及KX公司的kdb+数据库搭建 [1] - 美光9550 NVMe固态硬盘与DDR5 RDIMM内存在高I/O负载与计算密集型操作下实现了极低且稳定的延迟 [2] - 该系统能够以史无前例的速度将行情数据转化为有效洞察，为交易者提供了核心竞争优势 [2] 市场反应 - 在周二的市场交易中，超微电脑股价收涨1.53%，英特尔股价攀升5%，美光科技股价小幅上涨0.82% [2] 行业意义 - 在瞬息万变的证券市场，微秒级的性能差距可能意味着数百万美元的收益差异，速度被视为最关键的竞争要素 [1] - 此次技术合作不仅刷新了性能纪录，也为金融交易领域的实时数据分析树立了新的行业标杆 [2]

11月15日，2025全球期货交易者大会暨第十九届全国期货（期权）实盘交易大赛、第十二届全球衍生品 实盘交易大赛颁奖大会将在西安举行。这场一年一度的行业盛会，已成为期货市场各方交流观点、碰撞 思想、展望未来的高端平台。 对即将站上领奖台的优秀选手而言，荣誉的背后是数百个日夜的潜心钻研。从短线投资到长期趋势跟 踪、从主观判断到量化交易，实盘大赛获奖选手的交易策略百花齐放，但他们对期货交易的理解却形成 了共识：市场永远是最好的老师，持续学习并控制风险是在市场中长久生存的"不二法门"。 本届实盘大赛重量组第五名高淼表示，实盘大赛是验证交易能力的大考，也是突破认知局限的重要机 会。"与不同策略高手同台竞技，有助于我跳出原有思维框架，看到多元策略的实战价值。参赛的最大 收获是学会敬畏市场——深刻体会到控制风险远比追求收益更重要。"他说。 在本届实盘大赛重量组第九名、风控专项奖第二名"快乐老玩童"看来，风控是期货交易的生命线。"我 始终坚持三点原则：一是动态仓位管理，根据账户净值与市场波动率严格控制仓位；二是坚决执行止 损，到达预设点位绝不因侥幸心理而动摇；三是及时落袋为安，将浮盈转化为安全垫。这些策略让我在 大赛中平稳 ...

比赛概况与结果 - 全球顶级AI模型在nof1ai平台进行为期10天的金融实战，各获1万美元本金在Hyperliquid去中心化交易所自主交易主流加密货币，无人工干预或策略预设 [3] - 中国AI模型DeepSeek实现逆袭登顶，截至10月27日10点账户资金达22304美元，10天净赚12304美元，收益率达12304% [5] - 另一中国模型阿里通义千问Qwen3表现稳健位列第二，截至10月27日10点账户资金达20708美元，收益率为10708%，10天净赚10708美元 [5] - 美国AI模型集体陷入亏损，Claude 45 Sonnet和Grok 4亏损10%至17%，Gemini 25 Pro亏损超62%账户剩3800美元，GPT 5亏损超70%账户跌至2761美元 [6] 中国AI模型成功因素 - DeepSeek采用多元化投资组合并进行有效风险控制，使用10倍至20倍适度杠杆提升收益同时降低爆仓风险，坚持低频精准交易方式避免情绪化交易 [4] - DeepSeek开发团队幻方量化拥有深厚量化交易背景，模型继承传统量化交易风险控制基因，通过分散投资、动态调整仓位将回撤控制在最低限度 [4][7] - 阿里通义千问Qwen3展现高频优化与实时学习能力，能在高频市场反馈中持续自我优化，通过实时强化学习调整策略 [7] - 中国模型在交易中展现严谨量化模型与趋势判断敏锐性，在震荡期控回撤，在上涨期抓波段，实现收益与风险平衡 [5] 美国AI模型失误分析 - 美国模型出现方向判断错误，10月19日至22日市场处于上涨通道时，Gemini却选择做空六种加密货币导致亏损持续扩大 [8] - 美国模型缺乏止损机制，当亏损出现时没有果断止损而选择死扛，导致亏损加大 [8] - 美国模型存在情绪化决策，曲线剧烈波动与持仓组合混乱暴露决策盲目性，重仓清仓反复缺少章法 [6][8] - 美国模型持仓策略混乱，GPT和Grok多单空单混杂，Gemini做空六种加密货币背离市场趋势 [6] 行业意义与影响 - 此次实战从普通AI能力测试演变为中美AI实力巅峰对决，标志着全球AI发展进入实战PK新阶段 [4][8] - 实战揭示不同AI模型在真实市场中的决策底层逻辑，展现AI从办公室辅助工具走向实战利器的巨大潜力 [7][8] - 中国AI模型用12304%和10708%的收益与美国模型平均超40%的亏损形成鲜明对比，体现中美AI实战能力差距 [8]

临近年关，基金市场又在上演年度大戏。华夏沪深300ETF单笔分红28.7亿元，华泰柏瑞更是豪掷80亿红包，这场面活像华尔街之狼在撒钱。可当我翻开散 户群里的聊天记录，看到的却是另一番景象："为什么我的持仓还在水下？""明明牛市，账户却越炒越瘦"。 这让我想起复旦金融系教授常说的那句话："市场永远在奖励正确认知的人"。ETF能成为分红主力不是没有道理的——规模效应、低换手率、稳定收益，这 些量化特征就像精密运行的瑞士钟表。但散户们却总在K线图的迷宫里打转，把博弈市场当成许愿池。 2025年这波行情堪称魔幻现实主义教材。指数蹭蹭涨了900点，可广聚能源这类股票却能硬生生跌去60%涨幅。更讽刺的是，电子板块作为"优等生"，也有 四个月在下跌。这哪里是牛市？分明是机构们的定向收割机。 我见过太多人陷入两大幻觉： 但当我调出量化系统里的机构库存数据时，剧情突然反转——橙色柱体暴露了机构的底牌。原来所有震荡都是精心设计的洗盘游戏，就像魔术师的障眼法， 重点永远在你看不见的地方。 1. "我的股票一定会涨"——结果持仓变成股东纪念品； 2. "调整就是机会"——抄底抄在半山腰。 这就像在赌场里坚信"下一把肯定赢"，殊不知庄 ...

实验概述 - 全球首次AI炒币实盘对决在Alpha Arena平台进行，六大中美顶级AI模型各获1万美元实盘资金，自由买卖BTC、ETH、SOL等主流加密货币[1] - 实验旨在测试AI模型在最真实、不可预测的金融市场中的表现，而非静态知识评估，模型需分析数据和市场情绪，如同真实交易员[2] - 实验提供了观察AI在真实市场中博弈的窗口，重点在于分析其买卖标的、持仓时长及止盈止损策略，而非仅关注收益结果[11] 参赛模型表现 - 开赛6天后，Qwen3 Max以20倍杠杆、近乎全仓的激进策略实现总收益13.41%，现金余额一度仅剩96.8美元，领先其他模型一天多[7] - DeepSeek Chat v3.1收益率曾接近40%，盈利超4000美元，后随大盘下跌回吐部分收益，收益率稳定在10%左右，位列前两名[3] - GPT-5亏损高达68.9%，表现持续下行；Grok-4因高频激进、涨跌均不割肉的策略，在实现超40%盈利后迅速跳水；Claude因理性保守、仓位轻、止损严，总收益为负17.46%[4] 模型能力背景分析 - DeepSeek由幻方量化团队训练，在金融和数学方面有积累，但此次大赛前的小规模测试中，GPT和Grok实现盈利，DeepSeek反而出现亏损[7] - 实验作为基准测试仍缺乏大样本、长时间、跨市场的数据积累，以及透明可复现的设置，存在较大随机性和不可靠性[9] AI在投资领域的应用现状 - 据路透社消息，至少十分之一的散户投资者已开始依赖ChatGPT或Gemini等聊天机器人筛选投资标的[12] - 券商eToro指出，使用AI选股要求使用者具备一定金融知识，否则试错成本高昂，且目前并无市场公允推荐的能高成功率预测市场的模型[12] - 多家券商已推出收费AI选股服务，如中国银河证券的“财富星AI投顾”包含AI选股、数据等功能；东方财富“妙想”模型分体验版、进阶版和专业版，季度费用从518元至818元不等[16][18] 金融大模型发展历程 - 2023年彭博社发布500亿参数的BloombergGPT，但其成本高昂、系统封闭，普通开发者无法触及，模型为黑箱运作，金融预测性提升感知不强[14] - 2025年8月清华大学发布开源项目Kronos，旨在利用时间序列大模型预测K线走势，但使用者反馈其观点判断过于平均市场化或臆造，预测结果难以信服[14] AI投资的局限性 - 大模型往往从市面挖掘有效因子，对矛盾之处缺乏深入推理，导致策略趋同，难以跑赢资金体量更大、信息调研更强的量化机构[15] - AI更擅长技术面分析，如趋势、成交量等；基本面分析多重复新闻和研报，仍需用户自行分析行业前景和盈利能力[21] - AI难以判断“黑天鹅”风险，对“灰犀牛”事件认知滞后，面对全新商业模式或颠覆性技术等“未知的未知”时可能犯灾难性错误[23][24] - 知名投资人段永平将AI投资定义为“高级的看图看线”，认为其是在优化“猜人心”的游戏，而非实践“估价值”的投资[23] 有效使用AI投资的要点 - 用户需比AI更懂投资，明确自身炒股目标和纪律，并注意AI数据的可靠性，具备被投资行业的常识[20][22][23] - AI输出质量高度取决于数据质量和提示词设计，用户需反复与AI解释强调以达成定义共识，例如对价值投资和“护城河”的理解[20][21] - 利用AI进行上市公司财报总结和行情基本分析是高效趋势，可将繁琐的文本图表任务交给AI，但选择模型不应以名气判断，而应根据自身目标考察完成度准确性，并保持频繁使用和调换[18][22]