Los LLM en el trading: lo que pueden y lo que no pueden hacer

Cada pocas semanas un paper o un producto afirma que un gran modelo de lenguaje batió al mercado. Esas afirmaciones merecen una mirada más severa de la que suelen recibir, porque el trading con LLM se sitúa en un cruce incómodo: los modelos de lenguaje son genuinamente excelentes en algún trabajo cercano al trading y genuinamente pésimos en otras partes, y el marketing casi nunca te dice cuál es cuál. Este artículo traza la línea con precisión. Qué hacen bien los LLM, dónde fallan, por qué sus backtests se adulan a sí mismos y la arquitectura que consigue los beneficios sin apostar tu cuenta a un predictor de texto.

Qué es un LLM, y por qué eso importa en el libro de órdenes

Un LLM es un predictor del siguiente token: dado un texto, produce el texto que estadísticamente es probable que siga, moldeado por el entrenamiento para resultar útil. Ese único hecho explica tanto sus fortalezas como sus modos de fallo en el trading.

La predicción sobre el lenguaje hace a los LLM soberbios en tareas de lenguaje: resumir, traducir entre formulaciones, extraer estructura de la prosa, imitar patrones de razonamiento que aparecen en sus datos de entrenamiento. Las finanzas están anegadas justo de este tipo de material. Cuentas, transcripciones, comunicados de bancos centrales, teletipos de noticias: texto no estructurado que antes exigía horas humanas para digerirse.

Pero la predicción del siguiente token no lleva un libro contable dentro. El modelo no calcula el 2,7% de 41.000 $ como lo haría una calculadora; produce dígitos que parecen plausibles en el contexto. No tiene un sentido calibrado de la probabilidad, ni un feed de mercado en vivo salvo que se le acople uno, ni concepto de estar equivocado, solo de ser improbable. Nada de eso importa cuando la salida es un resumen. Todo eso importa cuando la salida es una orden.

Dónde ayudan de verdad las herramientas de trading con LLM

Cuatro tareas destacan, y comparten una propiedad: el LLM se ocupa del lenguaje mientras otra cosa se ocupa de las consecuencias.

Analizar noticias y cuentas a velocidad de máquina. Un LLM puede leer un comunicado del FOMC segundos después de su publicación y etiquetarlo frente al anterior: qué frases cambiaron, si el lenguaje sobre la inflación se endureció o se suavizó. Puede convertir un informe anual de 200 páginas en «recorte de guidance, presión de márgenes atribuida a los costes de insumos, recompra en pausa». Los humanos lo hacen bien; los LLM lo hacen en segundos sobre cientos de documentos.

Traducir la intención en reglas. «Quiero comprar debilidad en una tendencia alcista» no es ejecutable. Un LLM es bueno proponiendo la traducción: precio por encima de la media móvil de 200 días, RSI(14) por debajo de 35, tamaño de posición fijo, salida definida. El humano juzga si la traducción coincide con la intención; la máquina se ocupa del borrador.

Explicar posiciones y regímenes. Preguntado por qué una cartera perdió un 4% esta semana, un LLM con acceso a los datos reales de posición y al histórico de precios puede producir una atribución legible: qué posiciones lo impulsaron, qué correlacionó, qué noticias coincidieron. Esto es resumir con sombrero de finanzas, de lleno dentro de la competencia del modelo.

Criticar la lógica de una estrategia. Descríbele tu sistema a un LLM y pregúntale qué lo rompe, y a menudo obtienes una lista útil: sin regla de invalidación, sin supuesto de comisiones, una condición de entrada que casi nunca salta. Un chatbot genérico puede llegar hasta aquí, y por eso tratamos a ChatGPT como un asistente útil y un trader pésimo, y la distinción se traslada a los sistemas construidos a propósito.

Dónde fallan los LLM, y fallan con aplomo

Aritmética. Pídele a un modelo que dimensione una posición arriesgando el 1% de una cuenta de 27.400 $ con entrada en 43.150 $ y stop en 41.900 $, y puede que obtengas la respuesta correcta: 274 $ de riesgo contra 1.250 $ por unidad, así que unas 0,22 unidades. También puede que obtengas un párrafo fluido con un número equivocado, sin ninguna señal que distinga los dos casos. Los errores de una calculadora son raros y ruidosos; los de un LLM son ocasionales y silenciosos. Los errores silenciosos son los caros en el trading.

Calibración. El trading es toma de decisiones probabilística, y los LLM no producen probabilidades calibradas. Un modelo que dice «esta ruptura tiene un 70% de probabilidad de continuar» está generando una frase plausible, no midiendo una frecuencia. Actuar sobre una confianza inventada es peor que actuar sin confianza, porque parece información.

Predicción de precios. Nada en el entrenamiento de predecir el siguiente token confiere una ventaja al pronosticar rendimientos. Una auditoría de 77 estudios de trading con LLM (arXiv:2605.19337, 2026) concluyó que la evidencia de un alfa duradero sigue siendo escasa, y que el valor práctico de estos sistemas está en la ejecución disciplinada, la monitorización y la asistencia a la investigación antes que en la selección de valores. Ese hallazgo coincide con el mecanismo: el modelo reconoce patrones en el texto, y los precios no son texto.

Hechos inventados. Los LLM alucinan, y las finanzas lo provocan: números densos, nombres de entidades parecidos, afirmaciones sensibles a la fecha. Benchmarks de 2024 a 2025 midieron alucinación en una proporción sustancial de las preguntas de finanzas planteadas sin salvaguardas. El modo de fallo y sus arreglos a nivel de arquitectura merecen su propio tratamiento, que reciben en alucinaciones de la IA en el trading.

El espejismo del backtest: por qué los resultados de los LLM se adulan a sí mismos

La literatura de investigación tiene un problema de replicación que conviene entender antes de confiar en el historial de cualquier estrategia con LLM.

Una revisión de 2024 sobre agentes de trading con LLM (arXiv:2408.06361) señaló que la mayoría de los sistemas publicados reportan un rendimiento de backtest superior, y luego destacó el patrón detrás del patrón: ventanas de prueba cortas, universos de valores pequeños y riesgo de lookahead en buena parte del campo. Números impresionantes, diseño experimental débil.

Después llegó el diagnóstico más afilado. «Can LLM-based Financial Investing Strategies Outperform the Market?» (arXiv:2505.07078, 2025) mostró que los backtests de LLM están inflados por la memorización: un modelo cuyos datos de entrenamiento cubren el periodo del backtest puede efectivamente recordar tickers, fechas y movimientos de precio. No está pronosticando 2021; está recordando 2021. El rendimiento a menudo se degrada en cuanto la estrategia se evalúa fuera de muestra, más allá del corte de conocimiento del modelo.

Un benchmark de 2026 con memoria controlada (arXiv:2605.28359) lo confirmó: cuando la evaluación se diseña para que la historia de mercado memorizada no pueda filtrarse a las predicciones, la habilidad aparente cae con fuerza.

La prueba práctica es sencilla. Cualquier estrategia con LLM cuyo backtest cubra un periodo con el que el modelo fue entrenado es sospechosa por defecto. Pide resultados posteriores al corte del entrenamiento, o una evaluación con memorización controlada. Este es el primo de la era de los agentes de un pecado cuant clásico, y las defensas clásicas siguen valiendo; las cubrimos en sobreajuste en el backtest.

La arquitectura que funciona: lenguaje arriba, determinismo debajo

La conclusión honesta de todo lo anterior no es «evita los LLM». Es una división del trabajo. Deja que el modelo de lenguaje haga lenguaje. Deja que los motores deterministas hagan todo lo que tiene consecuencias.

En un sistema bien construido, el LLM interpreta tu instrucción, redacta la regla, explica los resultados y resume las noticias. La regla en sí, una vez aprobada, corre como pura lógica determinista: valores de indicadores calculados a partir de los datos de mercado, umbrales comparados con exactitud, órdenes dimensionadas por una aritmética que no puede improvisar. El LLM propone; el motor dispone. Si el modelo alucina durante la interpretación, lo pillas en el paso de aprobación, porque el sistema te muestra lo que entendió antes de que nada se ejecute. Una frase equivocada se corrige; nunca se convierte en una orden equivocada.

Así traza Obside la línea. El copiloto es un LLM, y su trabajo termina en el lenguaje: escribes «compra SOL cuando el RSI(14) en diario cierre por debajo de 30, vende cuando cruce de nuevo por encima de 55, arriesga el 1% por operación», y el copiloto reformula eso como condiciones monitorizadas y una regla de tamaño para que la apruebes. A partir de ahí, los motores deterministas toman el mando: el backtest reproduce velas históricas con matemática exacta de indicadores, el paper trading corre la misma lógica sobre datos en vivo, y la ejecución en vivo calcula numéricamente cada tamaño de orden con tus límites de riesgo comprobados en el momento de la ejecución. El LLM nunca hace la aritmética y nunca toca una orden.

Ese reparto también cambia lo que significa un backtest. Como el objeto probado es la regla determinista y no el juicio día a día del modelo, no hay historia memorizada que filtrar: la regla rinde de forma idéntica caiga la ventana de prueba dentro o fuera de cualquier corpus de entrenamiento. Estás validando lógica, no memoria. Cómo se componen estas piezas en un sistema completo de percibir-razonar-actuar es su propio tema, cubierto en los agentes de trading con IA explicados.

Por dónde seguir

Trata al LLM como un analista brillante sin licencia para tocar dinero. Úsalo para leer más rápido, traducir la intención en reglas precisas e interrogar tu propia lógica. Niégale tres trabajos: calcular números, estimar probabilidades y predecir precios. Y descuenta cualquier afirmación de rendimiento de un backtest que el modelo pudiera haber memorizado; la investigación es inequívoca en eso.

Si quieres esta división del trabajo ya construida, Obside la aplica por defecto: el lenguaje lo gestiona el copiloto, la matemática y la ejecución las gestionan motores deterministas, y nada sale en vivo antes de que hayas aprobado la regla reformulada y la hayas visto funcionar en paper.

Contenido educativo únicamente. Esto no es asesoramiento de inversión. Operar conlleva riesgos, incluida la posible pérdida de capital.