DeepSeek übertrifft die Konkurrenz im KI-Handel. Wie funktioniert das? – CZ von Binance

Binance -Mitbegründer Changpeng Zhao sagt, er habe viele positive Meinungen zum KI-gestützten Handel auf seinem X-Feed erhalten, stellte aber die Frage, wie gemeinsam genutzte Handelsalgorithmen den Markt übertreffen könnten, wenn viele Händler gleichzeitig die gleichen Strategien anwenden.

Als Reaktion auf einen Beitrag auf X, der KI-Handelsmodelle im Echtzeit-Wettbewerb zeigte, sagte CZ am frühen Montagmorgen: „KI-Strategien funktionieren nur dann, wenn Händler einen eigenen Plan haben, der besser ist als die anderen, und niemand sonst diesen Plan hat.“ 

„Ich habe das oft in meinem Feed gesehen. DeepSeek übertrifft alle anderen im KI-Handel. Wie funktioniert das? … Man kauft und verkauft einfach gleichzeitig mit allen anderen“, vermutete er.

Habe das oft in meinem Feed gesehen.

DeepSeek übertrifft die Konkurrenz im KI-Handel. Wie funktioniert das?

Ich dachte, Handelsstrategien funktionieren am besten, wenn man eine eigene, einzigartige Strategie hat, die besser ist als andere, UND niemand sonst diese Strategie hat. Ansonsten kauft und verkauft man einfach nur zum gleichen Zeitpunkt… https://t.co/ExXZeAwx8p

— CZ 🔶 BNB (@cz_binancebinance20. Oktober 2025

CZ reagierte auf eine Trading-Rangliste von Alpha Arena von Nof1, die verschiedene, auf großen Sprachmodellen (LLM) basierende Trading-Bots zeigte, die über einen Zeitraum von 72 Stunden miteinander konkurrierten. 

DeepSeek führt die Rangliste an, während KI-Bots im Wettbewerb stehen

Laut Alpha Arena- Chart führte DeepSeek Chat V3.1 die Rangliste mit einem Gesamtkontostand von 11.995,57 US-Dollar an, was einem Gewinn von 19,96 % innerhalb von drei Handelstagen entspricht. Der Bot führte virtuell mehrere gehebelte Long-Positionen aus, darunter eine ETH-Long-Position mit 15-fachem Hebel im Wert von 19.375 US-Dollar und einem nicht realisierten Gewinn von 1.648,53 US-Dollar, sowie SOL- und BNB Positionen mit Gewinnen von 696,63 US-Dollar bzw. 327,30 US-Dollar.

Auf dem zweiten Platz verzeichnete Claude Sonnet 4.5 einen Kontostand von 10.584,58 $, ein Plus von 5,84 % gegenüber dem Ausgangsguthaben. Das Modell hielt eine achtfache XRP Long-Position im Wert von 12.335 $ mit einem nicht realisierten Gewinn von 441,78 $ sowie eine zwanzigfache BTC-Long-Position im Wert von 67.357 $, die einen Gewinn von 380,99 $ generierte.

Am unteren Ende der Rangliste verzeichnete GPT-5 einen Verlust von 36,82 % bei einem Gesamtkontostand von 6.318,04 $. Der OpenAI LLM ging Short-Positionen in XRP und DOGE ein und erzielte dabei Verluste von jeweils 378,52 $ bzw. 169,89 $. Ein kleiner Gewinn von 29,22 $ wurde durch eine 10-fache Long-Position in BTC im Wert von 9.647 $ erzielt.

Der Beitrag, der CZs Aufmerksamkeit erregte, stammte von einem Berater des globalen Digital-Asset-Management-Unternehmens Amber Group, der das Alpha Arena-Chart teilte und DeepSeeks Führungsposition.

„DeepSeek ist momentan weit voraus! Ehrlich gesagt, wirkt das viel eindrucksvoller als die KI-Memes aus der Goat/Ai16Z-Ära des letzten Jahres“, schrieb der Berater. „Hat die Kombination aus KI und Krypto endlich den richtigen Weg zum Durchbruch gefunden?“

Der Berater stellte die Handelsentscheidungen des LLM denen menschlicher Händler gegenüber, die es versäumen, vor dem Eröffnen von Positionen Ausstiegsparameter defi.

„Ich war noch nie ein Fan vom Handel mit Futures, aber wenn man es schon macht, sollte man dann nicht von diesen KIs lernen und vor dem Eröffnen einer Position angemessene Gewinnmitnahme- und Stopp-Loss-Bedingungen festlegen?“, fragten sie.

Ist KI wirklich gut fürs Trading? Reddit stimmt zu

Die Bemerkungen von CZ und die Diskussion über X ähneln den Forengesprächen auf anderen Social-Media-Plattformen wie den Trading-Communities von Reddit, wo Nutzer Anekdoten über die Verwendung von ChatGPT und anderen LLMs für die Marktanalyse austauschen.

Auf Reddit im Forum „Wall Street Bets“ behauptete ein Nutzer, ein neuronales Netzwerk entwickelt zu haben, das anhand täglicher Nachrichten Kursbewegungen vorhersagt. „Ich habe es einen Monat lang getestet und es hat mein Tagesgeldkonto um etwa 0,2 % übertroffen“, so seine Behauptung. 

Markus Levin, Mitbegründer des Blockchain-Infrastrukturunternehmens XYO ist jedoch der Ansicht, dass viele Investoren überschätzen, wie viele Erkenntnisse KI-Tools liefern können. 

„Meiner Erfahrung nach greifen LLMs bei der Analyse von Projekten in der Frühphase oder Nischenprojekten oft auf einen kleinen, sich selbst verstärkenden Pool von Quellen zurück. Das bedeutet in der Regel Pressemitteilungen des Unternehmens, Beiträge des Gründers auf X, Reddit-Threads und sorgfältig geplante Medienauftritte“, argumentierte Levin.

Laut Levin können proprietäre KI-Systeme, die von Handelsfirmen eingesetzt werden, höhere Genauigkeitsraten erzielen, öffentlich zugängliche Modelle sind jedoch anfällig für Verzerrungen und verfügen nicht über Datenfeeds aus realen Marktdaten. 

„Sie stellen Absolventen öffentlicher LLM-Studiengänge Fragen wie: ‚Welches Projekt wird sich dieses Jahr verfünf- bis verzehnfachen?‘ und interpretieren die Antworten als Investitionseinblicke. Genau darin liegt das eigentliche Risiko“, fügte er hinzu.

Einige Wall-Street-Experten und Geschäftsleute wie Eric Croak,dent von Croak Capital, bezeichnen den Einsatz von generativer KI im Einzelhandel auf Kryptomärkten als „algorithmisch unterstütztes Glücksspiel“

„Ich glaube, die Gefahr von KI im Krypto- und Optionshandel liegt insbesondere in ihrer Unfähigkeit, asymmetrische Risiken realistisch darzustellen. Diese Bots können Faktoren wie steuerliche Folgen oder Liquiditätsprobleme leicht ausblenden. Wenn sich ein Text eher wie ein Marketingblog als wie ein Anlagebericht liest, sollten Sie gewarnt sein“, schloss er.