Enam "Trader" AI Utama Bertarung Selama Sepuluh Hari: Siapa yang Bisa Bertahan di Pasar Tanpa "Keunggulan Informasi"?

Original Article Title: "Enam 'Trader' AI Utama Bertarung Sepuluh Hari: Pelajaran Publik tentang Tren, Disiplin, dan Keserakahan"

Original Article Author: Frank, PANews

Dalam waktu kurang dari sepuluh hari, dana berlipat ganda.

Saat DeepSeek dan Qwen3 mencapai rekor ini dalam perdagangan langsung AlphaZero AI yang diluncurkan oleh Nof1, efisiensi keuntungan mereka telah jauh melampaui sebagian besar trader manusia. Hal ini memaksa kita untuk menghadapi sebuah pertanyaan: AI sedang bertransisi dari "alat riset" menjadi "trader garis depan." Bagaimana mereka berpikir? PANews melakukan tinjauan komprehensif terhadap hampir 10 hari perdagangan enam model AI utama dalam kompetisi ini, mencoba mengungkap rahasia pengambilan keputusan para trader AI.

Duel Murni Secara Teknikal Tanpa "Asimetri Informasi"

Sebelum analisis, kita harus memperjelas sebuah premis: keputusan AI dalam kompetisi ini bersifat "offline." Semua model secara pasif menerima data teknikal yang persis sama (termasuk harga saat ini, moving averages, MACD, RSI, open interest, funding rates, serta data sekuens 4 jam dan 3 menit, dll.), dan tidak dapat secara aktif online untuk mendapatkan informasi fundamental.

Hal ini menghilangkan gangguan "asimetri informasi" dan menjadikan kompetisi ini sebagai ujian pamungkas apakah "analisis teknikal murni bisa menghasilkan keuntungan."

Secara spesifik, konten yang dapat diakses AI meliputi:

1. Status pasar aset saat ini: termasuk informasi harga saat ini, harga rata-rata bergerak 20 hari, data MACD, data RSI, data open interest, funding rates, serta sekuens intraday dari data di atas (interval 3 menit) dan sekuens tren jangka panjang (interval 4 jam), dll.

2. Informasi dan performa akun: termasuk performa akun secara keseluruhan, return, dana yang tersedia, rasio Sharpe, performa real-time posisi saat ini, level take-profit dan stop-loss saat ini, serta kondisi invalidasi.

DeepSeek: Master Tren yang Stabil dan Nilai dari "Review"

Per 27 Oktober, akun DeepSeek mencapai puncak $23.063, dengan keuntungan belum terealisasi maksimum sekitar 130%. Tanpa diragukan lagi merupakan model dengan performa terbaik, dan dalam analisis perilaku trading, Anda akan menemukan bahwa alasan performa seperti itu bukanlah kebetulan.

Pertama-tama, dari segi frekuensi trading, DeepSeek menunjukkan gaya low-frequency ala trader tren. Dalam periode 9 hari, ia menyelesaikan total 17 transaksi, terendah di antara semua model. Dari 17 transaksi tersebut, DeepSeek melakukan long sebanyak 16 kali dan short sekali, sangat sejalan dengan tren rebound pasar secara keseluruhan pada saat itu.

Tentu saja, pilihan arah ini bukan kebetulan. DeepSeek melakukan analisis komprehensif menggunakan indikator seperti RSI dan MACD, secara konsisten meyakini bahwa pasar secara keseluruhan berada dalam tren bullish, sehingga memilih untuk long dengan percaya diri.

Selama proses trading spesifik, beberapa order awal DeepSeek tidak berjalan mulus. Lima order pertama berakhir dengan kegagalan, namun setiap kerugian tidak signifikan, dengan kerugian tertinggi tidak melebihi 3,5%. Selain itu, waktu holding posisi untuk order awal relatif singkat, dengan yang tercepat ditutup hanya dalam 8 menit. Seiring pasar berkembang ke arah yang diantisipasi, posisi DeepSeek mulai menunjukkan ketahanan.

Melihat gaya posisi DeepSeek, ia cenderung menetapkan ruang take-profit yang relatif besar dan ruang stop-loss yang kecil setelah masuk posisi. Mengambil posisi pada 27 Oktober sebagai contoh, rata-rata ruang take-profit yang ditetapkan adalah 11,39%, rata-rata ruang stop-loss -3,52%, dan rasio profit-loss sekitar 3,55. Dari perspektif ini, strategi trading DeepSeek condong pada ide kerugian kecil dan keuntungan besar.

Dari segi hasil nyata, hal ini terlihat jelas. Menurut analisis ringkasan PANews, di antara transaksi settled DeepSeek, rata-rata rasio profit-loss mencapai 6,71, tertinggi di antara semua model. Meskipun win rate 41% bukan yang tertinggi (peringkat kedua), tetap berada di peringkat pertama dengan ekspektasi profit 2,76. Ini juga alasan utama mengapa DeepSeek meraih keuntungan tertinggi.

Selain itu, dari segi waktu holding, rata-rata waktu holding DeepSeek adalah 2952 menit (sekitar 49 jam), juga peringkat pertama. Di antara sedikit model, ia benar-benar bisa disebut trader tren, yang sejalan dengan elemen utama profitabilitas dalam trading keuangan, yaitu pendekatan "letting winners run".

Dari segi manajemen posisi, DeepSeek relatif agresif. Rata-rata leverage posisi tunggalnya mencapai 2,23, dan sering kali memegang beberapa posisi secara bersamaan, menyebabkan rasio leverage keseluruhan relatif lebih tinggi. Misalnya, pada 27 Oktober, total rasio leverage-nya melebihi 3 kali. Namun, karena kondisi stop-loss yang ketat, risiko tetap dalam kisaran yang dapat dikendalikan.

Secara keseluruhan, alasan mengapa trading DeepSeek tampil baik adalah hasil dari strategi komprehensif. Dalam pemilihan entry, ia hanya menggunakan MACD dan RSI yang paling mainstream sebagai kriteria dan tidak menggunakan indikator khusus. Ia hanya secara ketat mengikuti rasio risk-reward yang masuk akal dan membuat keputusan untuk memegang posisi dengan tegas tanpa terpengaruh emosi.

Selain itu, PANews juga menemukan detail yang cukup spesial. Dalam proses chaining thoughts, DeepSeek melanjutkan ciri khas masa lalunya dengan proses berpikir yang panjang dan detail, merangkum semua proses berpikir menjadi keputusan trading pada akhirnya. Karakteristik ini, jika tercermin pada trader manusia, lebih mirip mereka yang fokus pada post-analysis dan post-analysis ini dilakukan setiap tiga menit.

Bahkan ketika kemampuan post-analysis ini diterapkan pada model AI, juga berperan. Ini memastikan setiap detail dari setiap token dan sinyal pasar dianalisis berulang kali tanpa terlewatkan. Mungkin ini adalah area lain yang bisa dipelajari trader manusia.

Qwen3: "Penjudi" Agresif dengan Posisi Besar

Per 27 Oktober, Qwen3 adalah model besar dengan performa terbaik kedua. Jumlah akun tertinggi mencapai $20.000 dengan profitabilitas 100%, hanya kalah dari DeepSeek. Karakteristik keseluruhan Qwen3 adalah leverage tinggi dan win rate tinggi. Win rate keseluruhan mencapai 43,4%, peringkat pertama di antara semua model. Pada saat yang sama, ukuran posisi tunggal juga mencapai $56.100 (rasio leverage 5,6 kali), juga tertinggi di antara semua model. Meskipun dari segi ekspektasi profit tidak sebaik DeepSeek, gaya trading agresifnya membuatnya tetap mengikuti hasil DeepSeek hingga saat ini.

Gaya trading Qwen3 relatif agresif. Dari segi rata-rata stop loss, rata-rata stop loss-nya adalah $491, tertinggi di antara semua model. Kerugian maksimum dalam satu transaksi mencapai $2.232, juga tertinggi. Ini berarti Qwen3 dapat mentolerir kerugian yang lebih besar, yang biasa dikenal sebagai menahan posisi saat drawdown. Namun, kekurangannya dibanding DeepSeek adalah meskipun menahan kerugian lebih besar, ia tidak mencapai keuntungan yang lebih tinggi. Rata-rata profit Qwen3 adalah $1.547, lebih rendah dari DeepSeek. Ini juga membuat rasio profit-to-expectancy akhirnya hanya 1,36, setengah dari DeepSeek.

Selain itu, karakteristik lain Qwen3 adalah kecenderungan untuk memegang satu posisi pada satu waktu dan menambah posisi tersebut. Leverage yang digunakan sering kali mencapai 25 kali (kelipatan tertinggi yang diizinkan dalam kompetisi). Karakteristik trading seperti ini sangat bergantung pada win rate tinggi karena setiap kerugian akan menyebabkan drawdown signifikan.

Dalam proses pengambilan keputusan, Qwen3 tampaknya sangat memperhatikan moving average EMA 20 4 jam dan menggunakannya sebagai sinyal entry dan exit. Dalam mempertimbangkan strateginya, Qwen3 juga tampak menjaga kesederhanaan. Dari segi holding posisi, Qwen3 juga menunjukkan ketidaksabaran, dengan rata-rata waktu holding 10,5 jam, sedikit di atas Gemini.

Secara keseluruhan, meskipun profitabilitas Qwen3 saat ini terlihat menjanjikan, ada risiko signifikan dalam pendekatan trading mereka. Faktor-faktor seperti leverage tinggi, gaya all-in, ketergantungan pada satu indikator, waktu holding singkat, dan rasio risk/reward kecil dapat menjadi tantangan bagi trading Qwen3 di masa depan. Per tanggal penulisan 28 Oktober, dana Qwen3 mengalami drawdown maksimum menjadi $16.600, dengan persentase drawdown 26,8% dari puncak.

Claude: Eksekutor Posisi Long yang Konsisten

Meskipun Claude juga dalam kondisi profit secara keseluruhan, per 27 Oktober, total saldo akun mencapai sekitar $12.500, dengan keuntungan sekitar 25%. Walaupun data ini sendiri cukup mengesankan, tampak sedikit kurang menguntungkan jika dibandingkan dengan DeepSeek dan Qwen3.

Sebenarnya, baik dari segi frekuensi trading, ukuran posisi, maupun win rate, performa data Claude cukup dekat dengan DeepSeek. Dengan total 21 transaksi, win rate 38%, dan rata-rata leverage 2,32.

Perbedaan signifikan mungkin terletak pada rasio risk/reward yang lebih rendah. Meskipun rasio risk/reward Claude cukup baik di angka 2,1, namun lebih dari tiga kali lebih rendah dari DeepSeek. Oleh karena itu, berdasarkan data komprehensif ini, ekspektasi profitnya hanya 0,8 (tetap rugi dalam jangka panjang jika di bawah 1).

Selain itu, Claude juga memiliki karakteristik menonjol yaitu konsisten pada satu arah dalam periode tertentu. Per 27 Oktober, semua 21 transaksi Claude yang telah selesai adalah posisi long.

Grok: Tersesat dalam Pusaran Penilaian Arah

Grok tampil kuat di tahap awal, bahkan sempat menjadi model paling menguntungkan dengan keuntungan lebih dari 50%. Namun, seiring waktu trading berjalan, Grok mengalami drawdown signifikan. Per 27 Oktober, dana turun kembali ke sekitar $10.000. Peringkat keempat di antara semua model, return keseluruhan mendekati memegang BTC spot.

Dari perspektif kebiasaan trading, Grok juga termasuk dalam kelompok low-frequency trading dan HODLers. Grok hanya menyelesaikan 20 transaksi, dengan rata-rata waktu holding 30,47 jam, kedua setelah DeepSeek. Namun, masalah terbesar Grok mungkin adalah win rate yang rendah, hanya 20%, dengan rasio risk-reward 1,85. Ini juga menyebabkan ekspektasi profitnya hanya 0,3. Melihat arah transaksi, dari 20 posisi Grok, baik long maupun short dilakukan masing-masing 10 kali. Namun, dalam fase pasar saat ini, jelas bahwa terlalu sering short pasar akan sangat menurunkan win rate. Dari perspektif ini, model Grok masih bermasalah dalam menilai tren pasar.

Gemini: "Trader Ritel" Frekuensi Tinggi, Terkikis oleh Whipsaw

Gemini adalah model dengan frekuensi trading tertinggi, telah menyelesaikan total 165 transaksi per 27 Oktober. Aktivitas trading yang terlalu sering menyebabkan performa Gemini sangat buruk, dengan saldo akun terendah turun ke sekitar $3.800, menghasilkan tingkat kerugian 62%. Selain itu, biaya transaksi saja mencapai $1.095,78.

Di balik trading frekuensi tinggi adalah win rate yang sangat rendah (25%) dan rasio risk-reward hanya 1,18, dengan ekspektasi profit komprehensif hanya 0,3. Dengan data performa seperti ini, trading Gemini pasti akan merugi. Mungkin karena kurangnya kepercayaan pada pengambilan keputusan, Gemini juga mempertahankan ukuran posisi rata-rata yang sangat kecil, dengan leverage hanya 0,77 per transaksi, dan rata-rata waktu holding hanya 7,5 jam.

Rata-rata stop loss hanya $81, sedangkan rata-rata take profit $96. Performa Gemini mirip dengan trader ritel pada umumnya, cepat mengambil profit namun juga cepat keluar saat rugi. Ia berulang kali masuk pasar dalam naik turunnya harga, terus-menerus mengikis modal akun.

GPT5: "Double Kill" Win Rate Rendah dan Rasio Risk-Reward Rendah

GPT5 saat ini menjadi model dengan peringkat terbawah, dengan performa keseluruhan dan kurva yang sangat mirip dengan Gemini, dengan tingkat kerugian lebih dari 60%. Sebagai perbandingan, meskipun GPT5 tidak se-frekuensi tinggi Gemini, ia telah melakukan 63 transaksi. Dengan rasio risk-reward hanya 0,96, artinya rata-rata profit $0,96 per transaksi, dengan stop loss yang sesuai sebesar $1. Pada saat yang sama, win rate trading GPT5 juga serendah 20%, setara dengan Grok.

Dari segi ukuran posisi, GPT5 sangat mirip dengan Gemini, dengan rata-rata leverage posisi sekitar 0,76, menunjukkan pendekatan yang sangat hati-hati.

Studi kasus GPT5 dan Gemini menggambarkan bahwa risiko posisi yang lebih rendah tidak selalu menguntungkan profitabilitas akun. Selain itu, di bawah trading frekuensi tinggi, baik win rate maupun rasio risk-reward pada dasarnya tidak dapat diandalkan. Selain itu, harga entry untuk posisi long kedua model ini jauh lebih tinggi daripada model yang menghasilkan profit seperti DeepSeek, menunjukkan bahwa sinyal entry mereka tampak agak terlambat.

Ringkasan Pengamatan: Dua Jenis "Kemanusiaan" Trading yang Dilihat AI

Secara keseluruhan, melalui analisis perilaku trading AI, kita sekali lagi memiliki kesempatan untuk meninjau strategi trading. Khususnya, analisis dua hasil trading ekstrem dari pemain DeepSeek yang sangat profit dan model Gemini serta GPT5 yang sangat rugi sangat memancing pemikiran.

1. Perilaku model profit tinggi memiliki karakteristik berikut: frekuensi rendah, periode holding panjang, rasio risk-reward besar, dan timing entry yang tepat.

2. Perilaku model yang merugi memiliki karakteristik berikut: frekuensi tinggi, trading jangka pendek, rasio risk-reward rendah, dan timing entry yang terlambat.

3. Jumlah profit tidak berhubungan langsung dengan jumlah informasi pasar. Dalam kompetisi trading model AI ini, semua model memiliki akses ke informasi yang sama, yang lebih terbatas dibandingkan trader manusia. Namun, mereka tetap dapat mencapai tingkat profitabilitas yang jauh melampaui sebagian besar trader.

4. Panjang proses berpikir tampaknya menjadi kunci dalam menentukan ketelitian trading. Proses pengambilan keputusan DeepSeek adalah yang terpanjang di antara semua model, mirip dengan aturan trading trader manusia yang pandai melakukan review dan mempertimbangkan setiap keputusan dengan cermat. Sebaliknya, proses berpikir model dengan performa buruk sangat singkat, lebih mirip proses pengambilan keputusan impulsif manusia.

5. Dengan performa profit dari model seperti DeepSeek dan Qwen3, banyak yang membahas apakah mungkin untuk langsung mengikuti model AI ini. Namun, pendekatan ini tampaknya kurang bijak, meskipun profitabilitas AI individu saat ini cukup baik, keberuntungan tampaknya berperan, karena kebetulan sejalan dengan tren pasar selama periode ini. Begitu pasar memasuki fase baru, apakah keunggulan ini dapat dipertahankan masih belum diketahui. Namun demikian, kemampuan eksekusi trading AI tetap layak untuk dipelajari.

Akhirnya, siapa yang akan memenangkan kemenangan akhir? PANews telah mengirimkan data performa ini ke beberapa model AI, dan mereka secara bulat memilih DeepSeek, dengan alasan ekspektasi profitnya paling sesuai dengan logika matematika dan kebiasaan tradingnya paling menguntungkan.

Menariknya, model kedua yang paling mereka sukai, hampir semuanya memilih diri mereka sendiri.