Volver a Guías

Tutorial · IA agéntica · 25 min

TradingAgents: una mesa de trading con IA en tu computadora

Instala TradingAgents, elige el modelo y el activo, y mira cómo los agentes analista, investigador, trader y de riesgo llegan a una decisión. Open source y gratis.

Empezar tutorial
Seis asientos marfil alrededor de una mesa ovalada bermellón vista desde arriba, con un pequeño informe en cada sitio, sobre azul marino.
Paulo Cauhi ·

TradingAgents es un framework open source que ejecuta una mesa de trading completa en tu computadora, con un agente de IA en cada silla. Los analistas leen los fundamentales, las noticias, el ánimo en redes y los indicadores técnicos. Un investigador alcista y uno bajista discuten esos informes. Un trader convierte el debate en una propuesta, un equipo de riesgo la pone a prueba y un gestor de cartera da la decisión final. Tú solo eliges el activo, la fecha y el modelo. Lo crearon investigadores de UCLA y del MIT y es gratis de ejecutar.

01Instalar Clona el repositorio e instálalo en un entorno Python.02Configurar Agrega una clave de API, o apunta a un modelo local gratis.03Ejecutar Responde seis preguntas en la terminal y lee la decisión.

Antes de empezar

  • Una computadora con macOS, Windows o Linux, y git instalado.
  • Python 3.10 o más nuevo (el ejemplo del propio proyecto usa 3.12). Compruébalo con python3 --version.
  • Un proveedor de modelos: una clave de API de OpenAI, Anthropic, Google, xAI, DeepSeek, OpenRouter, Groq u otro proveedor compatible, u Ollama para un modelo local gratis.
  • Ninguna cuenta de bróker. TradingAgents solo analiza y recomienda; no envía órdenes.

Cada ejecución gasta tokens. Un análisis hace decenas de llamadas al modelo (las capturas de abajo muestran 45 en una ejecución completa). Empieza con modelos más baratos y la profundidad superficial, y profundiza cuando sepas cuánto te cuesta una ejecución.

Es una herramienta de investigación, no asesoramiento de inversión. El propio proyecto lo dice. Trata la salida como una opinión más que verificar, nunca como una orden que ejecutar.

Instala TradingAgents

Clona el repositorio y entra en la carpeta:

Terminal
git clone https://github.com/TauricResearch/TradingAgents.git && cd TradingAgents

Crea un entorno virtual y actívalo (en Windows, ejecuta .venv\Scripts\activate en lugar de la parte del source):

Terminal
python3 -m venv .venv && source .venv/bin/activate

Instala el paquete y sus dependencias:

Terminal
pip install .

Eso crea el comando tradingagents dentro de ese entorno. ¿Prefieres Docker? Copia .env.example a .env, agrega tus claves y ejecuta docker compose run --rm tradingagents.

Agrega un proveedor de modelos

TradingAgents lee las claves de API de un archivo .env en la carpeta del proyecto. Copia la plantilla:

Terminal
cp .env.example .env

Abre .env y completa la clave del proveedor que vas a usar, por ejemplo:

.env
OPENAI_API_KEY=sk-...

Con una clave basta. El archivo también tiene espacio para ANTHROPIC_API_KEY, GOOGLE_API_KEY, DEEPSEEK_API_KEY, OPENROUTER_API_KEY, GROQ_API_KEY y otras, y una FRED_API_KEY opcional para datos macro de la Reserva Federal.

Modelos locales gratis. Instala Ollama, descarga un modelo con ollama pull <nombre> y elige Ollama como proveedor en la terminal. Habla con http://localhost:11434/v1 por defecto. Cualquier otro servidor compatible con la API de OpenAI (vLLM, LM Studio, llama.cpp) funciona con el proveedor OpenAI-compatible, donde escribes la dirección del servidor.

El mismo archivo puede fijar elecciones para que la terminal salte una pregunta: TRADINGAGENTS_LLM_PROVIDER, TRADINGAGENTS_DEEP_THINK_LLM, TRADINGAGENTS_QUICK_THINK_LLM y TRADINGAGENTS_OUTPUT_LANGUAGE son las más útiles.

Ejecuta un análisis

Con el entorno activo, inicia la terminal interactiva:

Terminal
tradingagents

Si no encuentra el comando, python -m cli.main hace lo mismo desde la carpeta del proyecto.

Pantalla de bienvenida de TradingAgents en la terminal, con el flujo: equipo de analistas, equipo de investigación, trader, gestión de riesgo, gestión de cartera.
Captura de pantalla: proyecto TradingAgents.

La terminal hace seis preguntas:

  1. Activo (ticker). SPY es el predeterminado. Usa los símbolos de Yahoo Finance: AAPL, NVDA, BTC-USD, o tickers con sufijo de bolsa, como AZN.L o 7203.T.
  2. Fecha del análisis. AAAA-MM-DD. Elige un día de mercado; los fines de semana y feriados no tienen datos.
  3. Idioma de salida. Los informes y la decisión final salen en el idioma que elijas; el español está en la lista.
  4. Equipo de analistas. Espacio marca cada uno de Market, Social, News y Fundamentals; a los marca todos.
  5. Profundidad de la investigación. Shallow (1 ronda de debate), Medium (3) o Deep (5). Más profundo significa más llamadas y más tokens.
  6. Proveedor y modelos. Elige el proveedor, luego un modelo rápido para los analistas y un modelo de razonamiento profundo para el debate y la decisión.

Entonces se ejecuta. El panel izquierdo sigue a cada agente, el derecho muestra cada llamada a herramientas y cada paso de razonamiento, y el informe crece abajo a medida que cada analista termina.

Ejecución de TradingAgents en curso: tabla de progreso a la izquierda, llamadas a herramientas a la derecha, informe de noticias abajo.
Captura de pantalla: proyecto TradingAgents. El informe del analista de noticias, con los demás analistas aún pendientes.
Informe del analista de mercado de TradingAgents con medias móviles, MACD, RSI, Bandas de Bollinger y ATR.
Captura de pantalla: proyecto TradingAgents. El analista de mercado consulta los indicadores (SMA, MACD, RSI, Bollinger, ATR) antes de escribir.

Lee la decisión, luego la memoria

Cuando todos los equipos terminan, la terminal pregunta si quieres guardar el informe en disco y si quieres verlo completo. La última sección es la Portfolio Management Decision: la recomendación, los argumentos clave de los analistas agresivo, conservador y neutral, y el plan.

Decisión final de gestión de cartera de TradingAgents: recomendación, resumen de los argumentos clave y plan de inversión refinado.
Captura de pantalla: proyecto TradingAgents. Una ejecución completa que termina en una recomendación de venta parcial, con un plan por etapas.

Recuerda. Cada ejecución completada se agrega a ~/.tradingagents/memory/trading_memory.md. La próxima vez que analices el mismo activo, TradingAgents consulta el retorno realizado desde esa decisión, escribe una reflexión de un párrafo y entrega las decisiones y lecciones recientes al gestor de cartera. Ahí ves por qué acertó y por qué se equivocó.

Las ejecuciones largas se pueden retomar. Agrega --checkpoint y el estado se guarda en cada paso, así una ejecución que se cayó continúa desde donde se quedó:

Terminal
tradingagents analyze --checkpoint

Usa --clear-checkpoints para empezar desde cero.

Diagrama de la arquitectura de TradingAgents: las fuentes de datos alimentan a los investigadores alcista y bajista, luego al trader, al equipo de riesgo, al gestor y a la ejecución.
Diagrama: proyecto TradingAgents.

Úsalo desde Python

La terminal es una interfaz para un grafo LangGraph que puedes llamar desde tu propio código:

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"
config["deep_think_llm"] = "gpt-5.6"
config["quick_think_llm"] = "gpt-5.6-luna"
config["max_debate_rounds"] = 1

ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)

El archivo tradingagents/default_config.py lista todas las opciones: proveedores, modelos, rondas de debate, idioma de salida, temperatura y las rutas de la caché y del registro de memoria.

Problemas comunes

  • La terminal pide una clave de API. Falta la clave del proveedor elegido en .env (o en el entorno). Agrégala y vuelve a ejecutar.
  • "Not a trading day (weekend or holiday)". La fecha no tiene datos de mercado. Elige un día hábil en que la bolsa abrió.
  • Dos ejecuciones dan respuestas distintas. Es lo esperado: los modelos se muestrean, y las noticias y los datos sociales cambian con el tiempo. Baja TRADINGAGENTS_TEMPERATURE en .env para variar menos; los modelos de razonamiento casi lo ignoran.
  • Va lento o sale caro. Elige la profundidad Shallow, menos analistas y un modelo rápido más barato.
  • Ollama no responde. Comprueba que la app de Ollama o ollama serve esté en marcha y que el modelo esté descargado.
  • Windows: "no Windows console available". Ejecuta la terminal desde Windows Terminal, PowerShell o cmd.exe, no desde una terminal integrada o redirigida.

TradingAgents es open source, con licencia Apache-2.0, creado por Tauric Research y descrito en el paper TradingAgents: Multi-Agents LLM Financial Trading Framework, de Yijia Xiao, Edward Sun, Di Luo y Wei Wang. Código y documentación: github.com/TauricResearch/TradingAgents. Esta guía se escribió para la versión 0.4.0.

Un correo por novedad

Cuando publico algo nuevo sobre IA y agentes, recibes un correo. Sin spam, y puedes darte de baja con un clic.

Tu dirección se guarda en Brevo, el servicio de correo que uso, solo para enviarte estos mensajes.

Las interacciones no están disponibles en este momento. El artículo sigue disponible.

Comentarios

Comentarios

Las interacciones no están disponibles en este momento. El artículo sigue disponible.

Privacidad de los comentariosNormas para comentar