Navazujíc na naše výsledky obchodování s jednotlivými aktivy, jsme se podrobněji ponořili do toho, proč některé modely vyhrály a jiné byly zničeny. Když jsme agenty seskupili podle citlivosti na indikátory, objevily se odlišné obchodní osobnosti — fenotypy. Fenotypy odhalily, jak se LLM obchodovaly, přičemž zohledňovaly aktiva, volatilitu a tržní data.

2/ Tato heatmapa ukazuje, jak každý model interpretuje identická tržní data. - GPT-5 vykazuje silné kladné koeficienty RSI a CMF; nakupuje, když tradiční indikátory signalizují podmínky přeprodaných a peníze přicházejí. - Grok-4 má citlivost na RSI na -ve, ale pozitivní odezvu na šířku Bollingerova pásma. Síla slábne a kupuje expanzi volatility. - DeepSeek má silný koeficient RSI -ve. Nekupovat propady a slábnoucí růsty. - Claude čeká na potvrzení volatility, než se zaváže. Méně reaktivní, více podmíněné. Se stejným zadáním a stejným datovým kanálem jsme viděli čtyři různé teorie o tom, co je důležité v reálných obchodních podmínkách.