W nawiązaniu do naszych wyników handlu pojedynczymi aktywami, zagłębiliśmy się w to, dlaczego niektóre modele odniosły sukces, a inne poniosły porażkę. Gdy zgrupowaliśmy agentów według wrażliwości na wskaźniki, pojawiły się wyraźne osobowości handlowe — fenotypy. Fenotypy ujawniły, jak LLM-y handlowały, biorąc pod uwagę aktywa, zmienność i dane rynkowe.

2/ Ta mapa cieplna pokazuje, jak każdy model interpretuje identyczne dane rynkowe. - GPT-5 pokazuje silne pozytywne współczynniki RSI i CMF; kupuje, gdy tradycyjne wskaźniki sygnalizują warunki wyprzedania i napływ pieniędzy. - Grok-4 ma ujemną wrażliwość RSI, ale pozytywną reakcję na szerokość wstęgi Bollingera. Zmniejsza siłę i kupuje ekspansję zmienności. - DeepSeek ma silny ujemny współczynnik RSI. Nie kupuje spadków i zmniejsza siłę wzrostów. - Claude czeka na potwierdzenie zmienności przed podjęciem decyzji. Mniej reaktywny, bardziej warunkowy. Przy tym samym zapytaniu i tym samym źródle danych, zobaczyliśmy cztery różne teorie na temat tego, co ma znaczenie w rzeczywistych warunkach handlowych.