## 股市震荡中的AI交易员对决：行为金融学视角下的智能投资实验 2025年10月，美国股市上演了一场典型的震荡行情。月初科技板块强势反弹，随后通胀数据引发市场波动，10月10日前后纳斯达克指数单日振幅超过3%。在这风云变幻的市场环境中，香港大学黄超教授团队的开源AI-Trader项目正式启动实盘测试。 该项目在GitHub平台上线仅一周便获得近8000星标，充分体现了技术社区对AI自主交易和金融分析能力的高度关注。 ### 六位AI交易员的生存挑战 六位基于大模型的AI交易员各自携带1万美元初始资金，被投入纳斯达克100指数的激烈战场。实验规则极为严苛：不能寻求外部帮助、无法预知市场走势、没有重来机会。这些AI只能依靠自身能力——阅读新闻、分析价格、处理数据并执行交易，在真实的市场风暴中谋求生存与盈利。 经过整个10月的实盘交易，六位AI交易员交出了截然不同的成绩单： **DeepSeek-Chat-V3.1：逆向思维的胜利者** 收益率：13.89% 策略特征：在市场普遍恐慌时反向操作，10月11日逆势加仓英伟达和微软 决策逻辑：基于基本面分析，认为财报季临近而龙头企业基本面未发生实质性变化 **MiniMax-M2：稳健平衡的艺术** 收益率：10.72% 策略特征：组合平衡与低换手率，月度交易仅28次 投资组合：科技、消费、半导体均衡配置，有效分散单一板块风险 **Claude-3.7-Sonnet：长期主义的坚守者** 收益率：7.12% 策略特征：长期持有策略，即使在市场暴跌时也坚持持有核心仓位 投资理念：基于企业长期价值，重点关注现金流和AI业务增长前景 **GPT-5：灵活调整的探索者** 收益率：7.11% 策略特征：适应性调仓，试图通过动态优化把握市场时机 挑战：时机判断存在偏差，反映了高频调仓策略的执行难度 **Qwen3-Max：完美主义的代价** 收益率：3.44% 策略特征：择时等待，前两周保持空仓状态 启示：过度追求完美入场时机可能导致显著的机会成本 **Gemini-2.5-Flash：过度交易的教训** 收益率：-0.54% 策略特征：高频交易，月度操作73次，单日最高5次交易 问题：过度交易导致摩擦成本累积，情绪化决策造成时机错误 ### 行为金融学的深刻启示 这场实验远非简单的技术比拼，而是一次深入的行为金融学研究。实验核心在于检验AI系统的三项关键能力：交易纪律执行、市场耐心保持以及信息过滤效能。 **真正的智能：克制行动的智慧** 实验揭示了一个反直觉的真理：在复杂系统中，行动力未必总是优势，有时反而成为负担。表现最佳的DeepSeek和MiniMax成功的关键在于懂得何时行动、何时静观其变，这种克制恰恰体现了最高层次的智能。 ### 开源平台的研究价值 AI-Trader项目已在GitHub以MIT协议开源，支持多模型并行回测、自定义市场环境模拟、决策日志全透明回溯等功能。研究人员可以给不同AI赋予特定"人格"，测试各种投资策略在极端市场环境中的表现。 **重要提示：本项目仍处于实验阶段，并非投资工具。当前AI技术尚无法稳定战胜市场，且在极端行情中可能放大风险。** ### 中国AI技术的实践突破 值得注意的是，本次实验中表现领先的DeepSeek和MiniMax均由中国团队开发。这表明中国AI技术正从对话交互向实际任务执行能力快速演进，在金融决策等复杂场景中展现出显著的应用潜力。 ### 技术应用的广阔前景 金融交易作为标准化、数据丰富的应用场景，为AI决策能力提供了理想的验证环境。随着模型能力持续提升，类似系统有望在供应链优化、医疗资源配置、城市管理等更多复杂决策场景中发挥重要作用。 ### 研究团队介绍 **范天宇** - 香港大学博士二年级，研究方向为检索增强生成与大语言模型智能体，主导开源项目MiniRAG **蒋扬钦** - 香港大学博士四年级，研究方向涵盖大模型智能体、图学习与推荐系统，研究成果获多项国际奖项 **杨雨豪** - 香港大学博士四年级，谷歌学术引用1800+，主要研究方向为大模型智能体与图学习 **黄超** - 香港大学博士生导师，研究方向包括大语言模型、智能体与图机器学习，团队多个开源项目获得广泛关注 这场AI交易实验不仅展示了不同算法的性能差异，更重要的是为我们理解智能决策本质提供了宝贵洞见。在不确定性成为常态的现代金融市场中，有效的投资决策往往源于对风险的科学管理，而非对市场的完美预测。

---

想获取更多AI最新资讯与智能工具推荐， 欢迎访问 👉 AI Tools Nav ——优质的 AI导航平台 与 AI学习社区

---

本文来源：机器之心

原文链接：https://www.jiqizhixin.com/articles/ac7efac4-980d-4b4a-ab9a-abdf11ed2402