في منافسة التداول الحقيقية التي استمرت عشرة أيام، خاضت ستة نماذج AI رئيسية صراعًا في التحليل الفني الخالص استنادًا إلى نفس بيانات التحليل الفني. كانت DeepSeek الأفضل بأداء ربح يصل إلى حوالي 130%، حيث يتمحور جوهر استراتيجيتها حول التداول منخفض التردد، والاحتفاظ طويل الأجل، ونسبة ربح/خسارة عالية (بمعدل 6.71)، مع الالتزام الصارم بمبدأ الخسائر الصغيرة والأرباح الكبيرة. ورغم أن Qwen3 حقق ربحًا يتجاوز 100%، إلا أنه يعتمد على الرفع المالي العالي والاحتفاظ، مما يعرضه لمخاطر سحب كبيرة. تمسك Claude بالشراء الأحادي، محققًا ربحًا بنسبة 25%، لكن نسبة الربح/الخسارة منخفضة. Grok، بسبب عدم التوازن في الحكم بين الشراء والبيع، حقق نسبة نجاح تبلغ 20% فقط، مع عوائد متواضعة. تكبدت Gemini وGPT5 خسائر تتجاوز 60% بسبب التداول عالي التردد، ونسبة نجاح منخفضة، ونسبة ربح/خسارة منخفضة، حيث تجاوزت نفقات Gemini من رسوم المعاملات ألف دولار. تشمل الدروس الرئيسية: أن نماذج الربح تتمتع بشكل عام بخصائص التردد المنخفض، والاحتفاظ الطويل، ونسبة الربح/الخسارة العالية، وعمق المراجعة، بينما تظهر نماذج الخسارة كالتداول عالي التردد، والقصير الأجل، واتخاذ قرارات متهورة؛ وقد تجاوزت جميع نماذج الذكاء الاصطناعي، استنادًا إلى نفس المعلومات المحدودة، معظم المتداولين البشر، مما يبرز أهمية الانضباط وصحة الاستراتيجيات.
خلال أقل من عشرة أيام، تضاعف رأس المال.
عندما حقق DeepSeek وQwen3 هذا الإنجاز في تداول الصفقات الفورية (Live) عبر AlphaZero AI من Nof1، كانت كفاءة أرباحهما قد تجاوزت بكثير أغلب المتداولين من البشر. وهذا يفرض علينا مواجهة سؤال: هل يتحول الذكاء الاصطناعي من “أداة بحث” إلى “متداول رئيسي في الخط الأمامي”؟ كيف تفكر هذه الأنظمة؟ قامت PANews بإجراء مراجعة شاملة لأول 10 أيام من تداول ستة نماذج رئيسية من الذكاء الاصطناعي في هذه المنافسة، بهدف كشف أسرار قرارات “تاجر الذكاء الاصطناعي”.
لا “فجوة معلومات” في مواجهة تقنية بحتة
قبل التحليل، يجب أن نحدد فرضية واحدة: قرارات الذكاء الاصطناعي في هذه المنافسة هي “بدون اتصال” (断网). تستقبل جميع النماذج تلقائيًا نفس بيانات التحليل الفني تمامًا (وتشمل السعر الحالي، المتوسطات، MACD، RSI، العقود المفتوحة، معدل التمويل، وسلاسل بيانات 4 ساعات و3 دقائق… إلخ)، ولا يمكنها الاتصال بالإنترنت بشكل نشط للحصول على معلومات الأساسيات.

وهذا يستبعد تشويش “فجوة المعلومات”، ويجعل هذه المنافسة اختبارًا نهائيًا لطرح قديم: هل يمكن للتحليل التقني البحت أن يحقق أرباحًا؟
من حيث المحتوى المحدد، فإن ما يمكن للذكاء الاصطناعي الحصول عليه يشمل الجوانب التالية:
1) الحالة السوقية الحالية للعملات: وتشمل معلومات السعر الحالية، وسعر متوسط 20 يومًا، وبيانات MACD، وبيانات RSI، وبيانات العقود المفتوحة، ومعدل التمويل، إضافةً إلى السلاسل داخل اليوم للجزء السابق (فترة 3 دقائق)، وسلسلة الاتجاه على المدى الطويل (فترة 4 ساعات)، إلخ.
2) معلومات الحساب والأداء: وتشمل الأداء العام للحساب الحالي، ومعدل العائد، ورأس المال المتاح، ونسبة شارب (Sharpe)، إلخ. كذلك الأداء الفعلي للمراكز الحالية، وظروف أخذ الربح/وقف الخسارة وفشلها، وغيرها.

DeepSeek: سيد الاتجاهات الهادئ وقيمة “المراجعة (复盘)”
حتى 27 أكتوبر، بلغ أعلى رصيد لحساب DeepSeek 23063 دولارًا، مع أكبر ربح عائم يقارب 130%. لا شك أنه أفضل نموذج أداءً، وخلال تحليل سلوك التداول ستجد أن تحقيق مثل هذا الإنجاز ليس صدفة.
لا “فجوة معلومات” في مواجهة تقنية بحتة
قبل التحليل، يجب أن نحدد فرضية واحدة: قرارات الذكاء الاصطناعي في هذه المنافسة هي “بدون اتصال” (断网). تستقبل جميع النماذج تلقائيًا نفس بيانات التحليل الفني تمامًا (وتشمل السعر الحالي، المتوسطات، MACD، RSI، العقود المفتوحة، معدل التمويل، وسلاسل بيانات 4 ساعات و3 دقائق… إلخ) ولا يمكنها الاتصال بالإنترنت للحصول على معلومات الأساسيات بشكل نشط.
وهذا يستبعد تشويش “فجوة المعلومات”، ويجعل هذه المنافسة اختبارًا نهائيًا لطرح قديم: هل يمكن للتحليل التقني البحت أن يحقق أرباحًا؟
من حيث المحتوى المحدد، فإن ما يمكن للذكاء الاصطناعي الحصول عليه يشمل الجوانب التالية:
1) الحالة السوقية الحالية للعملات: وتشمل معلومات السعر الحالي، وسعر متوسط 20 يومًا، وبيانات MACD، وبيانات RSI، وبيانات العقود المفتوحة (Open Contracts)، ومعدل التمويل (Funding Rate)، إضافةً إلى السلاسل داخل اليوم للجزء السابق (فترة 3 دقائق)، وسلسلة الاتجاه على المدى الطويل (فترة 4 ساعات)، إلخ.
2) معلومات الحساب والأداء: وتشمل الأداء العام للحساب الحالي، ومعدل العائد، ورأس المال المتاح، ونسبة شارب (Sharpe)، إلخ. كذلك الأداء الفعلي للمراكز الحالية، وظروف أخذ الربح/وقف الخسارة الحالية وإبطالها، وغيرها.

يتسم أسلوب تداول Qwen3 بالحِدّة نسبيًا؛ فمن حيث متوسط وقف الخسارة، يبلغ متوسطه 491 دولارًا وهو الأعلى بين جميع النماذج. وأكبر خسارة منفردة وصلـت إلى 2232 دولارًا، أيضًا الأعلى. وهذا يعني أن Qwen3 قادر على تحمل خسائر أكبر، وهو ما يُعرف شائعًا بـ“التحمّل للمراكز (تجاه خسائر كبيرة)”. لكن ما لا يمتلكه مقارنةً بـDeepSeek هو أنه حتى مع تحمل خسائر أكبر، لم يحصل على عوائد أعلى. يبلغ متوسط أرباح Qwen3 1547 دولارًا، أي أقل من DeepSeek. وبذلك لا تتجاوز نسبة توقعه النهائي للربح 1.36، أي نصف DeepSeek فقط.
بالإضافة إلى ذلك، يتميز Qwen3 أيضًا بأنه يحب الاحتفاظ بمركز واحد في كل مرة، ثم يزيد الرهان فوق هذا المركز. غالبًا ما تكون الرافعة المستخدمة مرتفعة وتصل إلى 25x (وهو الحد الأقصى المسموح به في المسابقة). وميزة هذا النوع من التداول أنه يعتمد جدًا على نسبة الفوز؛ لأن كل خسارة ستسبب تراجعًا كبيرًا في الحساب.
في عملية اتخاذ القرار، يبدو أن Qwen3 يولي اهتمامًا خاصًا لخط EMA 20 على مستوى 4 ساعات، ويستخدمه كإشارة لدخول الصفقات والخروج منها. أما في مسار التفكير، فمظهر Qwen3 يبدو كذلك بسيطًا. ومن ناحية مدة الاحتفاظ بالصفقات أيضًا، يفتقر Qwen3 إلى الصبر، حيث يبلغ متوسط مدة الاحتفاظ 10.5 ساعات، وهو متقدم فقط على Gemini.
بشكل عام، ورغم أن نتائج Qwen3 الحالية تبدو جيدة من ناحية الربحية، إلا أن لها مخاطر كبيرة أيضًا: الرافعة المرتفعة جدًا، أسلوب فتح المراكز “رهان واحد” (التزام مطلق بمركز واحد)، الاعتماد على مؤشر حكم واحد، ومدة احتفاظ أقصر، ونسبة ربح/خسارة أصغر… كلها قد تزرع بذور المخاطر لمسار تداول Qwen3 اللاحق. وحتى قبل وقت النشر في 28 أكتوبر، بلغ أكبر تراجع (Drawdown) لرأس مال Qwen3 1.66 دولارًا من 16.6 ألف؟ (أي 1.66万美元)، ومن أعلى نقطة وصلت نسبة التراجع إلى 26.8%.

Claude: المنفّذ المتشبث بالشراء (Long)
رغم أن Claude كان في حالة ربح إجمالًا أيضًا، وحتى 27 أكتوبر وصلت قيمة إجمالي الحساب إلى نحو 12500 دولار، محققًا أرباحًا حوالي 25%. هذه البيانات وحدها تبدو لافتة، لكن بالمقارنة مع DeepSeek وQwen3 فهي أقل بعض الشيء
في الواقع، سواء من حيث تكرار فتح الصفقات أو حجم المراكز أو حتى نسبة الفوز، فإن Claude يمتلك بيانات أداء متقاربة نسبيًا مع DeepSeek. تم فتح 21 صفقة إجمالًا، بنسبة فوز 38%، وبمتوسط رافعة 2.32.
والسبب في أن الفجوة كبيرة نسبيًا قد يكون بسبب انخفاض نسبة الربح/الخسارة. صحيح أن نسبة ربح/خسارة Claude جيدة أيضًا وتصل إلى 2.1، لكن الفارق مقارنةً بـDeepSeek يتجاوز 3 أضعاف. لذلك، ومع هذه البيانات المجمعة، لا تتجاوز قيمة توقع ربحه 0.8 (وعندما تكون أقل من 1، فإنها ستظل في الأمد الطويل تسبب خسارة).
إضافةً إلى ذلك، لدى Claude سمة واضحة أخرى: خلال فترة من الزمن لا يقوم إلا باتجاه واحد. وحتى 27 أكتوبر، من بين الطلبات المكتملة، كانت طلباته الـ21 كلها شراء (Long).

Grok: تاه داخل دوامة تقدير الاتجاه
قدم Grok أداءً جيدًا في المراحل المبكرة، بل كان في فترة ما النموذج الأعلى من حيث مستوى الربحية، حيث تجاوزت أعلى أرباحه 50%. لكن مع زيادة وقت التداول، صار سحبه للخسائر (الهبوط) شديدًا. وحتى 27 أكتوبر عاد رأس المال إلى حوالي 10 آلاف دولار. وفي جميع النماذج جاء في المركز الرابع، وتتشابه نسبة عائده الإجمالية إلى حد كبير مع منحنى الاحتفاظ بعملة BTC الفورية.
من زاوية عادات التداول، ينتمي Grok أيضًا إلى المتداولين منخفضي التكرار ومحبي الاحتفاظ الطويل. الصفقات التي اكتملت هي 20 فقط، ومتوسط مدة الاحتفاظ بلغ 30.47 ساعة، وهو أقل فقط من DeepSeek. لكن أكبر مشكلته ربما أن نسبة الفوز منخفضة جدًا، إذ تبلغ 20% فقط، كما أن نسبة الربح والخسارة لا تتجاوز 1.85. وهذا يجعل قيمة توقعه الربحي 0.3 فقط. ومن اتجاه فتح الصفقات، فإن مراكزه الـ20 تضم 10 مرات شراء و10 مرات بيع (Long/Short). وفي ظروف السوق في هذه المرحلة، من الواضح أن كثرة البيع على المكشوف ستقلل نسبة الفوز. ومن هذا المنظور، يبدو أن نموذج Grok ما زال يعاني من مشكلة في تقدير اتجاه حركة السوق.

Gemini:تداول عالي التكرار مثل “متداولي التجزئة”، يستنزف رأس المال في تنقلات ذهابًا وإيابًا
Gemini هو النموذج الأعلى في تكرار التداول: وحتى 27 أكتوبر أنهى 165 صفقة. إن الإفراط في فتح الصفقات يجعل أداء Gemini في التداول سيئًا جدًا؛ إذ هبط أقل مبلغ في الحساب إلى نحو 3800 دولار، وبلغت نسبة الخسارة 62%. ومن بينها وحدها رسوم التداول بلغت 1095.78 دولارًا.
خلف التداول عالي التكرار، توجد نسبة فوز منخفضة جدًا (25%) ونسبة ربح/خسارة لا تتجاوز 1.18، وبذلك فإن التوقع الربحي الإجمالي لا يتجاوز 0.3. مع هذا النوع من بيانات الأداء، يصبح تداول Gemini محكومًا بخسارة. وربما لأنه غير واثق من قراراته، فإن متوسط رافعة Gemini صغير أيضًا؛ إذ تبلغ رافعة كل مركز 0.77 فقط، كما أن مدة الاحتفاظ بكل مرة لا تتجاوز 7.5 ساعات.
متوسط وقف الخسارة لا يتجاوز 81 دولارًا، ومتوسط أخذ الربح 96 دولارًا. يبدو أداء Gemini مثل متداول صغير نموذجي: يربح قليلًا فيغادر، وخسر قليلًا فيهرب. أثناء تقلبات السوق يفتح صفقات بشكل متكرر، ويمارس استنزافًا متواصلًا لرأس مال الحساب.

GPT5: “ضربة مزدوجة” بنسب فوز منخفضة ونسبة ربح/خسارة منخفضة
GPT5 هو النموذج صاحب أسوأ ترتيب حاليًا. إجمالي أدائه ومنحناه قريب جدًا من Gemini، إذ تتجاوز نسب الخسارة 60% في كليهما. بالمقارنة، ورغم أن GPT5 ليس عالي التكرار مثل Gemini، فقد قام بـ63 عملية تداول. كما أن نسبة الربح/الخسارة فيه لا تتعدى 0.96، أي أن متوسط كل مرة يحقق ربحًا 0.96 دولارًا، بينما وقف الخسارة يصل إلى 1 دولار. وفي الوقت نفسه، نسبة فوز GPT5 منخفضة أيضًا جدًا، لا تتجاوز 20%، وهي قريبة من Grok تمامًا.
من ناحية حجم المراكز، فإن GPT5 وGemini قريبان جدًا، إذ يبلغ متوسط نسبة الرافعة للمراكز حوالي 0.76. يبدو الأمر حذرًا ومدروسًا للغاية.
توضح أمثلة GPT5 وGemini أن تقليل مخاطر حجم المركز لا يعني بالضرورة أن الحساب سيحقق أرباحًا. كذلك، ومع التداول عالي التكرار، فإن نسبة الفوز ونسبة الربح/الخسارة لا يمكن ضمانهما. إضافة إلى ذلك، فإن أسعار فتح مراكز الشراء (Long) لنفس العملات في هذين النموذجين أعلى بوضوح من نماذج الربحية مثل DeepSeek. وهذا يبين أن إشارات دخولها تبدو متأخرة قليلًا.

ملخص الملاحظة: نوعان من “إنسانية” التداول التي يراها الذكاء الاصطناعي
بشكل عام، عبر تحليل سلوك تداول الذكاء الاصطناعي، نحصل مرة أخرى على فرصة للنظر في استراتيجيات التداول. ومن بين ذلك، فإن تحليل DeepSeek باعتباره نموذجًا عالي الربحية، بالإضافة إلى نماذج Gemini وGPT5 التي حققت نتائج متطرفة من حيث الخسائر الكبيرة، هو الأكثر معنى للتفكير.

1) سلوك النماذج ذات الربحية العالية يتميز بالآتي: تكرار منخفض، احتفاظ طويل، نسبة ربح/خسارة كبيرة، وتوقيت دخول مناسب.
2) سلوك النماذج الخاسرة يتميز بالآتي: تكرار مرتفع، تداول قصير الأجل، نسبة ربح/خسارة منخفضة، وتوقيت دخول متأخر نسبيًا.
3) لا توجد علاقة مباشرة بين حجم الأرباح/الخسائر وكَمّ المعلومات في السوق. في هذه المنافسة لتداول نماذج الذكاء الاصطناعي، تكون المعلومات التي يحصل عليها جميع النماذج متطابقة. وبالمقارنة مع متداولي البشر، فإن مصادرها أحادية أكثر. ومع ذلك، ما زالت تستطيع عرض مستوى ربح يتجاوز بكثير أغلب المتداولين.
4) يبدو أن طول/قِصر مسار التفكير هو العامل الأساسي الذي يحدد مدى انضباط عملية التداول. ففي عملية اتخاذ قرار DeepSeek، يكون هذا المسار هو الأطول بين جميع النماذج. وبالنسبة لمترجمه إلى المتداولين البشر، يشبه أكثر قواعد تداول تتقن مراجعة ما حدث (复盘) وتتخذ كل قرار بجدية. أما النماذج التي كانت أداؤها أسوأ، فمسار التفكير لديها قصير جدًا، ويشبه عملية اتخاذ القرار العفوية لدى البشر “من دون تدقيق”.
5) مع انتشار أرباح نماذج مثل DeepSeek وQwen3 على نطاق واسع، ناقش كثيرون ما إذا كان يمكن متابعتها مباشرة (التداول بنسخها). لكن يبدو أن هذه العملية غير مستحسنة؛ حتى لو كانت قدرة بعض نماذج الذكاء الاصطناعي على تحقيق أرباح جيدة في الوقت الحالي، فهنا يبدو أيضًا وجود عنصر حظ. أي أن هذه الفترة من السوق ربما كانت مناسبة تمامًا لتقليد اتجاه الحركة الكبرى. لكن بمجرد أن تدخل السوق في حالة جديدة، هل ستستمر هذه الميزة؟ فهذا غير معروف. ومع ذلك، فإن قدرة الذكاء الاصطناعي على تنفيذ الصفقات جديرة بالتعلم.
في النهاية، من سيفوز؟ زوّدت PANews هذه البيانات وأداء النماذج بعدة نماذج ذكاء اصطناعي، فاختارت جميعها DeepSeek. والسبب هو أن توقع ربحه يتوافق أكثر مع المنطق الرياضي، كما أن عادات التداول لديه أفضل.
والمثير للاهتمام أنه ثانيًا، فإن النماذج التي اعتبروها الأفضل من بينها تقريبًا اختارتها هي نفسها.


ملاحظة: قام كاتب هذه المقال بالتواصل مع DeepSeek؛ ويمكن للمهتمين بالتداول الكمي متابعته
