Los modelos de trading con IA enfrentan desafíos en entornos de mercado en vivo, con la mayoría de los sistemas reportando pérdidas, según recientes competiciones públicas de trading. La competencia Alpha Arena, operada por la startup tecnológica Nof1, destacó estas dificultades cuando ocho sistemas avanzados de IA, incluyendo Claude de Anthropic y ChatGPT de OpenAI, negociaron acciones tecnológicas estadounidenses con un capital inicial de 10,000 dólares cada uno. La competencia reveló que el portafolio general sufrió una pérdida de aproximadamente un tercio, con solo seis de 32 resultados obteniendo ganancias. Los datos de la competencia mostraron discrepancias significativas en el comportamiento de trading entre los modelos de IA. Por ejemplo, Qwen de Alibaba ejecutó 1,418 operaciones en una ronda, mientras que Grok 4.20 realizó solo 158 órdenes. Los modelos también mostraron tendencias variadas en la toma de decisiones, con Claude favoreciendo posiciones largas y Gemini mostrando preferencia por posiciones cortas. A pesar de estos desafíos, algunos modelos, como ChatGPT, demostraron potencial en áreas específicas, alcanzando una tasa de precisión del 68% en la predicción de la dirección de las previsiones de ganancias para el cuarto trimestre de 2025. Las limitaciones de los modelos de trading con IA se atribuyen a su incapacidad para ponderar eficazmente numerosos factores que afectan los precios de las acciones, lo que conduce a problemas como el mal momento en las operaciones y el trading excesivo. Dado que los métodos tradicionales de backtesting resultan inadecuados para los LLM, las pruebas en mercados en vivo siguen siendo el método principal de evaluación. Nof1 planea mejorar sus modelos de IA para la próxima temporada de Alpha Arena proporcionándoles más fuentes de datos y capacidades, aunque la empresa se enfoca en ofrecer herramientas para traders minoristas en lugar de desplegar IA directamente en los pisos de trading.