アルファアリーナ (Alpha Arena · Nof1)
リサーチラボNof1のAIトレーディング実験を、物語ではなく構造として読み解く — 同じ資本・同じ市場からスタートした6つのモデルの成績を分けた本当の変数
作成 2026.07.01 · 最終更新 2026.07.07
この事例を検索した人の問いは、結局のところ一つです — 「AIに売買を任せたら儲かるのか?」。リサーチラボNof1が2025年10月に始めたアルファアリーナ(Alpha Arena)は、この問いに実測データで答えた稀な実験です。6つのAIモデルにそれぞれ約$10,000を割り当て、ハイパーリキッドの無期限先物を人の介入なしに自律売買させたところ、最終成績は約+22%から−63%まで分かれました。同じ資本・同じ市場・同じデータだったのです。この記事では、そのばらつきがどこから生まれたのかを構造として分解します — 答えはモデルの知能ではなく、損失をどう扱うかというルールにありました。
- Nof1が2025年10月に始めた公開実験 — 6つのAIモデルにそれぞれ約$10,000を割り当て、ハイパーリキッドの無期限先物でエントリー・決済・ポジション配分をすべてAIが自律的に決めた
- 序盤の先頭はDeepSeek(DeepSeek Chat V3.1)でしたが、最終リターンは約+22%〜−63%まで分かれた(過去・公開報道ベースであり、一般的な結果ではありません)
- ばらつきを生んだ変数は予測精度ではなく、間違えたときにどれだけ速く、どれだけ小さく損したか — 損切りルールとポジションサイズの問題だった
- 感情のないAIでも−63%が出たという事実は、売買の成否が心理の除去だけでは解決せず、リスクルールの設計にかかっていることを示している
同じ資金、同じ市場、異なる頭脳 — 実験の設計
アルファアリーナは、リサーチラボNof1が行ったAIトレーディングの実験です。特定のボットや商品を宣伝する大会ではなく、『言語モデルが実際の資金で実際の市場でどう判断するのか』を観察する公開ベンチマークに近いものです。変数をコントロールするため、条件はできるだけシンプルに揃えられました — 資本は同一、舞台は同一、人の介入はゼロ。このコントロールのおかげで、結果の差を『運』や『条件の違い』ではなく、各モデルの意思決定構造の違いとして読み解くことができます。
- 異なる6つのAIモデルを参加させる
- 各モデルに同じくおよそ$10,000の実資金を割り当てる
- 取引の舞台は、仮想通貨の無期限先物取引所ハイパーリキッドに統一する
- エントリー・決済・ポジションサイズの決定に人が一切介入しない
- 定められた期間のリターンで成績を比較する
開始は2025年10月 · 参加AIは6つ · 1体あたりの初期資金は約$10,000 · 舞台はハイパーリキッドの無期限先物 · 人の介入なし。同じ条件からスタートしたので、最終成績のばらつきはすべて売買の意思決定から生まれたものです。
成績表 — 序盤の先頭と最終のばらつき
公開報道によれば、実験の序盤ではDeepSeek(DeepSeek Chat V3.1)が先頭に立ちました。ここで最初の落とし穴を押さえておく必要があります — 『特定の時点の先頭』は、サンプルが短いほど情報としての価値が低くなります。数日間の順位は、市場の局面とそのモデルの傾向がたまたま噛み合った結果かもしれず、実際に順位はその後も動き続けました。トレーダーの成果を評価するときに『先週のリターン』だけを見てはいけない理由と、まさに同じ構造です。
最終成績はおよそ+22%から−63%まで開きました。同じ$10,000、同じ市場、同じ価格データからスタートした結果です。過去・公開報道ベースの数字であり、誰もが再現できる一般的な結果ではありません。
順位を分けたのは『どのモデルがより賢いか』ではなく『間違えたときにどれだけ小さく損したか』だった — 公開された結果で繰り返し指摘された解釈です。
なぜ+22%と−63%に分かれたのか — ばらつきの構造
同じ市場データを見ても、あるモデルは資産を守り、あるモデルは半分以上を失いました。予測が分けたとは考えにくい — 6つのモデルすべてに、方向を当てた区間と外した区間が混ざっていました。差は外した区間の処理から生まれました。損失ポジションを小さく切ったモデルは次のチャンスに資本が残っており、大きくベットしたあと損切りが遅れたモデルは、一度か二度の失敗で回復不能な区間に入りました。
回復不能になる理由は算数です。−63%になった口座が元本に戻るには、約+170%が必要です。損失は線形に積み上がりますが、回復に必要なリターンは非線形に大きくなる — この非対称こそが、リスクリワードで扱う『一度に大きく失わないことが、戦略のすべてに先立つ』という原則の数学的な根拠です。
無期限先物はレバレッジが乗った商品なので、判断の誤りが口座の損失に増幅され、最悪の場合ロスカットにつながります。ロスカットが実際にどんな順序で発生するのかはロスカットの仕組み編で扱います。AIでも人でも、この構造そのものを避けて通ることはできません。
上位と下位を分けたのは予測力ではなくリスク管理でした — 一度の失敗が口座に残す傷を制限するポジションサイズ、そして感情ではなくルールで損失を切るエントリー・決済の原則。この実験は、その二つが結果を左右することをコントロールされた条件で示しました。
AIに感情がないのに−63%が出たということ
この実験で最も噛みしめるべき点は、別にあります。売買失敗の原因としてよく指摘される恐怖・強欲・リベンジ売買は、すべて人間の感情です。ところが感情のないAIでも−63%が出ました。これはトレード心理編で扱う命題を裏返して確認させてくれます — 心理を除去することは必要条件であって十分条件ではなく、損失の上限・無効化(シナリオ否定ライン)の基準といったルール自体が設計されていなければ、感情がなくても口座は崩れます。
逆に、+22%を守った側の構造も同じフレームで読めます。優れた予測ではなく『間違えたときのコスト』をシステム的に抑え込んだ結果だという解釈が、公開された結果と符合します。資本が残っているかぎり次のチャンスがあるというリスク管理の基本原則が、人ではなくAIをサンプルにしたコントロール実験で改めて観測されたわけです。
この実験を読むときの限界
過大解釈は警戒すべきです。第一に、サンプルは一シーズン・一つの市場局面です。同じモデルたちを別の局面に再び入れれば順位が覆る可能性があり、序盤の先頭が最終の先頭ではなかったという事実そのものが、順位の不安定さを示しています。第二に、『リスク管理が分けた』というのも公開された結果に対する解釈であって、特定のモデルの優位性の証明ではありません。第三に、実験の条件(資本規模・期間・銘柄)が変われば結果の分布も変わりうる — 再現性が検証された結果ではありません。
この事例は、特定のAIや自動売買を勧める記事ではありません。無期限先物は道具が何であれレバレッジとロスカットのリスクが乗る商品であり、自動化は心理の問題を減らすだけで、リスクルールの不在を代わりに埋めてはくれません。実験が示したのは『AIが儲ける』ではなく『ルールのない口座は主体が誰であれ崩れる』という構造です。
アルファアリーナが残したのは、コントロールされた条件の反証事例です。同じ資本・同じ市場で成績が+22%と−63%に分かれたのなら、変数は知能ではなく損失を切るルールとポジションサイズです — そして感情のないAIですら、そのルールなしには崩れました。Whale Story がこの事例を『真似して任せよう』ではなく『何が口座を守るのか』の視点で読み解く理由です。この構造を自分の売買に移すには、リスクリワードで損失の非対称の算数を身につけ、トレード心理でルール設計が感情のコントロールに先立つという命題を確認する、という順番をおすすめします。
よくある質問
アルファアリーナ(Alpha Arena)とは、正確には何ですか?
リサーチラボNof1が2025年10月に始めたAIトレーディングの実験です。6つのAIモデルにそれぞれ約$10,000を割り当て、ハイパーリキッドで仮想通貨の無期限先物を人の介入なしに自律売買させたうえで、リターンを比較しました。特定の商品の広告ではなく、観察を目的とした公開ベンチマークに近いものです。
AIは人より売買がうまいのですか?
この実験だけでは断定できません。最終リターンが約+22%から−63%まで分かれ(過去・公開報道ベースであり、一般的な結果ではありません)、同じAIでもリスクルールによって正反対の結果が出ました。AIだからといって、レバレッジ商品の損失リスクが消えるわけではありません。
6つのモデルの成績差はなぜ生まれたのですか?
公開された結果で繰り返し指摘された解釈は、予測力ではなく損失処理の違いです。間違えたときに小さく切ったモデルは資本を守り、大きくベットしたあと損切りが遅れたモデルは回復が難しい区間まで押し込まれました。−63%の口座が元本を回復するには約+170%が必要だという非対称が、その構造の核心です。
では、私もAIに売買を任せればよいのですか?
この記事は自動売買や特定のAIを勧める内容ではありません。自動化は感情の介入を減らすだけで、損失の上限・無効化(シナリオ否定ライン)の基準といったリスクルールがなければ、この実験のように口座が崩れる可能性があります。判断と責任は本人のものであり、リスクリワードとリスク管理の基礎から身につけることをおすすめします。