Agentes de trading de código abierto: la libertad y su factura

Si sabes leer Python, el argumento a favor de un agente de trading de código abierto se escribe solo: control total de la lógica, cada línea auditable, sin comisiones de plataforma, sin un proveedor que decida qué puedes construir. Todo eso es cierto. Lo que el README nunca incluye es la factura: tus tardes como administrador de sistemas no remunerado, las claves de exchange en crudo sobre tu propia máquina, y nadie a quien llamar cuando un websocket se cae en mitad de una posición a las 3 de la madrugada. Este artículo se toma en serio la vía del hazlo tú mismo, pone precio honesto a ambos lados y te ayuda a averiguar en qué lado de la operación encajas.

Qué abarca en realidad un «agente de trading de código abierto»

La expresión cubre tres familias bastante distintas, y las expectativas correctas dependen de a cuál te refieras.

Frameworks de bots basados en reglas. La estirpe de freqtrade: escribes una estrategia como una clase de Python, extraes indicadores de una biblioteca compartida y obtienes backtesting, optimización de hiperparámetros y conectividad con exchanges a través de wrappers mantenidos por la comunidad. Estos proyectos están maduros. Miles de usuarios ya han topado con los errores que de otro modo descubrirías con dinero en juego, y la documentación refleja una década de lecciones aprendidas a golpes.

Frameworks de agentes LLM. Una familia más reciente: una capa de orquestación conecta un modelo de lenguaje con datos de mercado y una API de exchange, y el modelo lee el contexto, discute consigo mismo y propone acciones. La línea de investigación aquí pasa por TradingAgents (Xiao et al., arXiv:2412.20138, dic. 2024), que modeló una firma de trading como un equipo de agentes LLM especializados (analistas fundamentales, de sentimiento y técnicos, un trader, un gestor de riesgo) que debaten antes de actuar, y reportó una rentabilidad acumulada y un Sharpe mejorados frente a los baselines en backtests. Ese paper desató una oleada de implementaciones en GitHub.

Código de investigación. Repos publicados para respaldar un paper, no para gestionar tu dinero. Trátalos como material de lectura. Una revisión de 2024 sobre agentes de trading LLM (arXiv:2408.06361) encontró que la mayoría reporta un rendimiento de backtest superior, al tiempo que señalaba ventanas de prueba cortas, riesgo de lookahead y universos de activos reducidos en todo el campo. Trabajos posteriores (arXiv:2505.07078, 2025) mostraron que los backtests de estrategias LLM se inflan por memorización: un modelo cuyos datos de entrenamiento se solapan con la ventana de prueba puede «recordar» lo que ocurrió en lugar de predecirlo. Si el resultado estrella de un repo proviene de un backtest dentro de la ventana de conocimiento del modelo, descuéntalo con fuerza.

Lo que el código abierto te da de verdad

Nada de lo que sigue es un premio de consolación. Son ventajas reales que las plataformas alojadas no pueden igualar del todo.

Puedes leer el código que toca tu dinero. Cuando una plataforma cerrada dice que las órdenes se dimensionan correctamente, estás confiando en una afirmación. Cuando la lógica de dimensionamiento es una función en tu propio repo, puedes verificarla, probarla y corregirla. Para cualquiera que se haya quemado con software opaco, esa auditabilidad vale mucho.

Cero comisiones de plataforma. Sigues pagando comisiones de exchange, spreads, un servidor y quizá datos de mercado, pero sin suscripción y sin que nadie se lleve una tajada de nada. Para cuentas pequeñas, donde una cuota mensual es un lastre significativo sobre la rentabilidad, esto importa aritméticamente, no solo emocionalmente.

Sin dependencia de proveedor, portabilidad total. Si el proyecto muere, te quedas con el código. Si un exchange retira tu par, apuntas el conector a otro sitio. Tu estrategia es un archivo que te pertenece, no una configuración que vive en la base de datos de otro.

Aprenderás más que en cualquier curso. Construir te obliga a pasar por tipos de orden, límites de tasa, ejecuciones parciales, deriva del reloj y el motivo por el que el precio de ejecución de tu backtest era pura fantasía. Los ingenieros que mantienen un pequeño bot de código abierto durante seis meses acaban entendiendo la microestructura del mercado a un nivel que la mayoría de los traders minoristas nunca alcanza. Esa formación tiene un valor duradero aunque el bot en sí nunca gane un dólar.

La factura: lo que cuesta la libertad

Aquí está la parte que las estrellas de GitHub no muestran. Cada punto de abajo es un coste recurrente, no una tarea de configuración de una sola vez.

Te conviertes en el administrador de sistemas

Alguien tiene que aprovisionar el VPS, vigilar el tiempo de actividad, reiniciar los procesos caídos, fijar las dependencias y absorber cada cambio incompatible que llega de arriba. Los exchanges retiran endpoints de la API según su propio calendario; cuando lo hacen, tu conector se rompe hasta que tú o un mantenedor lo parcheáis. Los mantenedores también siguen su camino: un repo que estaba animado cuando lo adoptaste puede quedar abandonado en silencio dieciocho meses después, dejándote a ti bifurcarlo y mantenerlo por tu cuenta. Reserva horas al mes para esto, indefinidamente, o asume que el bot se degrada.

Cargas solo con la seguridad de las claves

Tus claves de la API del exchange viven en tu máquina, en tus variables de entorno, custodiadas por la disciplina que tú aportes. Limitar las claves a solo operar, desactivar retiros, configurar listas blancas de IP, rotar los secretos, mantenerlos fuera del historial de git: todo práctica estándar, todo enteramente sobre ti, para siempre. Vale la pena estudiar a fondo el modelo de amenazas y las mitigaciones antes de desplegar nada; nuestra guía sobre la seguridad de las claves de la API de trading cubre el modelo de permisos que hace que una clave robada sea sobrevivible.

La capa de riesgo es un archivo en blanco

La mayoría de los frameworks dimensionará una orden por ti. Muchos menos aplican, en el momento de la ejecución, una comprobación independiente de que esa orden respeta tu posición máxima, tu límite de pérdida diaria, tu tope de apalancamiento y de que un bug en bucle no la puede disparar cincuenta veces. En una plataforma alojada con controles de riesgo en tiempo de ejecución, esa capa existe tanto si tu código de estrategia es correcto como si no. En tu propio stack, existe solo si la construiste, la probaste y la mantuviste funcionando. Un bug de estrategia te cuesta una mala operación; una capa de riesgo ausente convierte ese mismo bug en una cuenta vaciada.

Nadie está de guardia salvo tú

El fallo que te encuentre no llegará en horario de oficina. Un websocket se cae a las 3:12, la lógica de reconexión funciona a medias y el bot se queda ciego con una posición apalancada abierta. No hay mesa de soporte, ni página de estado que puedas escalar, ni nadie cuyo trabajo sea tu tiempo de actividad. Hay quien de verdad disfruta siendo su propio servicio de guardia. Sé honesto sobre si eres uno de ellos, porque el mercado no se detiene mientras buscas en Google el rastro del error.

Si tomas la vía del agente LLM, añade partidas específicas del modelo: costes de tokens en cada ciclo de decisión, deriva del prompt cuando un proveedor actualiza el modelo, y retiradas que fuerzan una migración en el calendario de otra persona.

Un marco de decisión que respeta tu tiempo

Deja a un lado la pregunta identitaria («¿soy un constructor?») y pregúntate qué estás optimizando en realidad.

Tu situación	Encaje probablemente mejor	Por qué
Ingeniero, con tiempo libre, quiere entender los mercados a fondo	DIY de código abierto	La formación es el retorno; hazlo funcionar en pequeño
Inversor con una estrategia y un empleo a tiempo completo	Plataforma alojada	Tu recurso escaso es la atención, no el dinero de una suscripción
Aficionado cuant que valida ideas de investigación	Híbrido	Prototipa y estudia en código abierto, ejecuta donde exista la capa de riesgo
Cualquiera que despliegue capital serio en solitario	Detente en ambos casos	La brecha que duele es el proceso, no las herramientas

Las cuentas del coste total son donde el DIY pierde en silencio para la mayoría de los no ingenieros. La suscripción que evitas es visible; las veinte horas de mantenimiento al mes, la revisión de seguridad que nunca acabaste de hacer y el único incidente que termina mal no lo son, hasta que lo son. Pusimos precio a estas partidas ocultas en lo que cuesta de verdad el trading con IA, y el tiempo es de forma sistemática la mayor de todas.

Declaración plena de nuestra propia posición en este dilema: Obside es el lado alojado. Renuncias al control de gestionar tu propio stack. A cambio, describes tu estrategia en lenguaje natural —por ejemplo, «compra 300 $ de ETH cuando el RSI(14) en el gráfico de 4 horas caiga por debajo de 30, stop dinámico del 8 %, nunca más del 15 % de la cartera en ETH»— y el copiloto de IA la reformula como condiciones monitorizadas y órdenes dimensionadas, la somete a backtest, la opera en modo simulado y solo entonces enruta órdenes reales con límites de posición y topes de drawdown aplicados en el momento de la ejecución, sobre una infraestructura cuyo tiempo de actividad y seguridad de claves son el trabajo real de alguien. Menos libertad que tu propio repo. Bastantes menos avisos a las 3 de la madrugada. Qué operación es la correcta depende de la fila que ocupes en la tabla de arriba y, si vas a lo alojado, elige la plataforma frente a criterios estrictos en lugar de frente al marketing.

Hacia dónde ir desde aquí

Si eres ingeniero con tiempo y curiosidad, clona un framework maduro este fin de semana, dótalo con una cantidad que puedas perder sin pestañear y trata los primeros seis meses como matrícula. Lee la línea de investigación con espíritu crítico: las arquitecturas multiagente son genuinamente interesantes incluso donde las afirmaciones sobre alfa son endebles. Si eres un inversor cuya ventaja es una estrategia y no un hábito de operaciones, sé honesto: la factura de la libertad se denomina en tus horas y tu sueño. En cualquier caso, la disciplina es idéntica: backtest, trading simulado, salida en vivo en pequeño. Si el dilema de lo alojado encaja con tu fila de la tabla, Obside ejecutará tu lógica bajo salvaguardas mientras tú conservas la tesis.

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