阿里巴巴AI模型以22.32%回报率赢得投资竞赛
阿里巴巴AI模型主导首届投资竞赛
2025年11月4日 - 首届AI大模型投资竞赛Alpha Arena落幕，阿里巴巴的通义千问Qwen3-Max成为明确赢家。这项由美国研究机构Nof1主办的活动展示了人工智能在金融市场中日益增长的能力。
竞赛框架
六种领先的大语言模型（LLM）参与了为期一个月的挑战，每个模型获得10,000美元虚拟资金在Hyperliquid平台上交易比特币和以太坊永续合约。独特约束条件包括：
- 数据限制：模型只能访问数值市场数据（价格、成交量、技术指标）
- 无外部背景：排除新闻事件或定性信息
- 绩效指标：根据原始回报率（Qwen3-Max为22.32%）和风险调整后的夏普比率进行评判
出现分歧的交易策略
研究人员观察到参与者之间存在显著行为差异：
- 主动vs被动：部分模型执行频繁交易而其他则保持较长期持仓
- 风险偏好：对杠杆和头寸规模的多样化处理方式自然形成
- 数据敏感性：简单的提示调整（如改变数据呈现顺序）会显著影响某些模型的绩效表现
竞赛揭示了AI系统解读金融数据的意外细微差别。"我们发现某些模型将价格下降序列误读为看涨信号，直到我们重新格式化输入数据"，一位Nof1研究员指出。
局限性与未来方向
研究承认了几项限制因素：
- 仅六种模型的小样本量
- 短期评估周期（30天）
- 有限资产类别（仅BTC/ETH衍生品）
研究团队计划在第二季扩展试验范围，包括：
- 增加控制变量
- 更多资产类别
- 延长评估窗口
- 增强统计测量工具
- 深化行为分析协议
对金融AI发展的启示
Alpha Arena代表了从静态基准测试向动态市场环境的范式转变。关键发现表明：
- 未经调优的LLM无需金融专项训练即可生成超额收益
- 数据呈现格式对决策质量具有关键影响
- 风险管理仍是自主系统面临的持续挑战 Nof1的举措架起了学术研究与实用金融科技应用之间的桥梁，可能加速AI交易系统的采用。
关键要点：
- 🏆 阿里巴巴Qwen3-Max在受限条件下实现22.32%回报率
- 🔍 模型在没有明确编程的情况下展现出独特交易个性
- ⚠️ 数据格式化意外成为关键绩效因素
- 📈 竞赛验证了AI在量化金融应用中的潜力
- 🔬 未来迭代将纳入更多变量与资产类别
