एआई ट्रेडिंग मॉडल लाइव बाजार परीक्षणों में कठिनाई का सामना कर रहे हैं, अधिकांश प्रणालियों ने नुकसान की रिपोर्ट की है

कृत्रिम बुद्धिमत्ता वॉल स्ट्रीट के ट्रेडिंग रूम के दरवाजे पर दस्तक दे रही है, लेकिन अभी तक का प्रदर्शन अच्छा नहीं है।

प्रारंभिक परिणामों के अनुसार, एक श्रृंखला खुली व्यापार प्रतियोगिताओं में, प्रमुख बड़े भाषा मॉडल (LLM) स्वयं व्यापार में सामान्य रूप से कमजोर प्रदर्शन कर रहे हैं—अधिकांश प्रणालियाँ नुकसान में हैं, बहुत अधिक व्यापार कर रही हैं, और समान निर्देशों को प्राप्त करने पर बिल्कुल अलग निर्णय ले रही हैं। ये परिणाम एक मूल प्रश्न को उठाते हैं: LLM और वास्तविक बाजार के कार्य के बीच कितनी गहरी खाई है।

सबसे प्रतिनिधित्वपूर्ण मामला Nof1 द्वारा संचालित Alpha Arena प्रतियोगिता से आया, जिसमें Anthropic का Claude, Google का Gemini, OpenAI का ChatGPT और Elon Musk का Grok सहित आठ अग्रणी AI प्रणालियों को चार अलग-अलग प्रतियोगिताओं में शामिल किया गया, जहां प्रत्येक प्रतियोगिता से पहले 10,000 डॉलर की राशि प्राप्त हुई और दो सप्ताह के भीतर अमेरिकी टेक स्टॉक्स पर स्वयं व्यापार किया गया। अंततः, कुल निवेश पोर्टफोलियो में लगभग एक-तिहाई की हानि हुई और 32 परिणामों में से केवल 6 में लाभ हुआ।

Nof1 के संस्थापक जे अज़हंग ने सीधे कहा: "अभी अपना पैसा सीधे LLM को देकर इसे खुद ट्रेड करने का रास्ता अभी असंभव है।"

Alpha Arena के डेटा से पता चलता है कि वर्तमान LLM ट्रेडिंग स्थितियों में कई दोषों से ग्रस्त हैं। एक ही प्रॉम्प्ट के तहत, अलीबाबा का Qwen एक प्रतियोगिता में 1,418 लेनदेन करता है, जबकि सर्वश्रेष्ठ Grok 4.20 केवल 158 ऑर्डर देता है। Grok का सर्वश्रेष्ठ प्रदर्शन उस समय हुआ जब वह प्रतिद्वंद्वियों के प्रदर्शन को देख सकता था।

AI ब्लॉग Flat Circle ने 11 बाजार-संबंधित मैदानों का अनुसरण किया, जिसमें पाया गया कि सभी मैदानों में कम से कम एक मॉडल लाभ कमा रहा है, लेकिन केवल दो मैदानों में मध्यिका मॉडल ने धनात्मक लाभ प्राप्त किया, जिससे स्पष्ट होता है कि अधिकांश मॉडल बाजार को पीछे छोड़ने में समर्थ नहीं हैं।

प्रत्येक मॉडल के बीच निर्णयों में अंतर भी ध्यान आकर्षित करता है। अज़हंग के अनुसार, एल्फा एरीना के हालिया परीक्षण में, क्लॉड लंबी स्थिति लेने की प्रवृत्ति रखता है, जेमिनी छोटी स्थिति के प्रति कोई आपत्ति नहीं रखता है, और क्वेन उच्च लीवरेज का उपयोग करके जोखिम उठाने में संतुष्ट है। "उनके पास प्रत्येक की अपनी 'व्यक्तित्व' है, उनका प्रबंधन लगभग मानव विश्लेषक के प्रबंधन की तरह है," Intelligent Alpha के प्रमुख डग क्लिंटन कहते हैं, जो LLM-संचालित फंड का संचालन करते हैं, मॉडल को इस बात का सूचना देकर कि उसमें कोई विकृति है, परिणामों में कुछ सुधार किया जा सकता है।

जे ज़हांग ने बताया कि LLM अनुसंधान और सही उपकरणों के उपयोग में लाभ रखते हैं, लेकिन व्यापार निष्पादन स्तर पर वे प्रणालीगत कमजोरियों से ग्रस्त हैं: उन्हें अभी तक शेयर मूल्य को प्रभावित करने वाले कई चरों—जैसे विश्लेषक मूल्यांकन, आंतरिक पक्षकारों के लेनदेन, भावनात्मक परिवर्तन—के संबंधित भार की जानकारी नहीं है, जिसके कारण वे व्यापार के समय, स्थिति आकार और बहुत अधिक खरीद-बिक्री की समस्याओं में फंस जाते हैं।

Intelligent Alpha के बेंचमार्क ने एक तुलनात्मक रूप से सकारात्मक संदर्भ प्रदान किया। इस बेंचमार्क में 10 AI मॉडलों को वित्तीय दस्तावेज, विश्लेषकों के अनुमान, आय रिपोर्ट कॉल रिकॉर्ड, मैक्रोइकोनॉमिक डेटा और वेब सर्च एक्सेस प्रदान किया गया, जिसका फोकस लाभ पूर्वानुमान की दिशा के निर्णय पर था। परिणामों के अनुसार, 2025 की चौथी तिमाही में, OpenAI के ChatGPT ने लाभ पूर्वानुमान की दिशा का 68% सही ढंग से पूर्वानुमान लगाया, जो अब तक का सर्वश्रेष्ठ प्रदर्शन है। क्लिंटन ने कहा कि प्रत्येक नए संस्करण के प्रकाशन के साथ, मॉडल का प्रदर्शन समग्र रूप से सुधरता जा रहा है।

AI ट्रेडिंग क्षमता का मूल्यांकन एक मौलिक विधिगत बाधा का सामना करता है। पारंपरिक मात्रात्मक रणनीतियाँ वैधता की पुष्टि के लिए ऐतिहासिक बैकटेस्टिंग पर निर्भर करती हैं, लेकिन यह ढांचा LLM के लिए लगभग पूरी तरह से अक्षम है—एक मॉडल जिसे 2026 में 2020 के मार्च के बाजार की ट्रेडिंग के बारे में पूछा जाए, पहले से ही "जानता" है कि उस अवधि का क्या परिणाम हुआ। इस "अग्रदृष्टि पूर्वाग्रह" (lookahead bias) के संक्रमण के कारण, शोधकर्ताओं को AI का मूल्यांकन केवल वास्तविक बाजार में ही करना पड़ता है, जिससे वर्तमान में विभिन्न बेंचमार्क और प्रतियोगिताओं की भरमार हो गई है।

फ्लैट सर्कल के ब्लॉग लेखक और पूर्व वैकल्पिक डेटा प्रदाता YipitData के सह-संस्थापक जिम मोरन का मानना है कि वर्तमान में अधिकांश खुले प्रयोग अत्यंत छोटे चक्र और अधिक शोर के कारण निश्चित निष्कर्ष निकालने के लिए पर्याप्त नहीं हैं। इन प्रतियोगिताओं में प्राकृतिक नुकसान भी हैं, जिनमें निजी स्टॉक रिसर्च संसाधनों तक पहुँच न होना और कम गुणवत्ता वाला निष्पादन शामिल है। "अगर इन प्रतियोगिताओं में से किसी एक AI एजेंट को सीधे एक शीर्ष हेज़फंड के अंदर स्थानांतरित कर दिया जाए, तो इसका प्रदर्शन बेहतर होगा," वह कहते हैं।

पूर्व Coatue Management डेटा साइंस प्रमुख और वर्तमान में NX1 Capital में कार्यरत अलेक्जेंडर इज़ीडोर्च्ज़्क ने हाल ही में एक लेख में बताया कि उनके द्वारा ट्रैक किए जा रहे AI ट्रेडिंग बॉट्स में से कोई भी अभी तक स्थायी अतिरिक्त लाभ क्षमता नहीं दिखाए है। उनका मानना है कि इन प्रतियोगिताओं की सीमा इस बात में है कि उनके प्रशिक्षण डेटा में गुप्त ट्रेडिंग संस्थानों द्वारा उपयोग की जाने वाली व्यावहारिक मात्रात्मक तकनीकों का अभाव है।

हालाँकि, इज़ीडोर्चिक ने एक दिलचस्प टिप्पणी भी छोड़ी: "शुरुआती कभी-कभी विशेषज्ञों को दिखाई न देने वाली चीजें देख सकते हैं।" उन्होंने अपने व्यक्तिगत ब्लॉग में लिखा, "जब LLM एजेंट ट्रेडिंग स्ट्रैटेजी वास्तव में काम करना शुरू कर देती है, तो आपको तुरंत कोई समाचार नहीं सुनाई देगा।"

Nof1 अल्फा एरेना सीजन 2 की तैयारी कर रहा है, जिसमें प्रत्येक AI मॉडल को वेब खोज, लंबे विचार समय, अधिक डेटा स्रोत और बहु-चरण निष्पादन क्षमता प्रदान करने की योजना है। हालाँकि, कंपनी का मुख्य व्यावसायिक मॉडल, AI ट्रेडिंग एजेंट बनाने के लिए छोटे निवेशकों को सिस्टम टूल्स प्रदान करना है—न कि सीधे AI को ट्रेडिंग फ्लोर पर भेजना। यह स्थिति स्वयं, वर्तमान AI ट्रेडिंग क्षमताओं के लिए सबसे व्यावहारिक टिप्पणी हो सकती है।