TradingAgents

Qué es

TradingAgents simula un equipo de analistas financieros con IA.

No es un bot de trading simple que sigue una regla. Es un sistema donde varios agentes especializados (analista técnico, analista fundamental, gestor de riesgo, estratega) debaten entre sí antes de tomar una decisión.

El mismo proceso que haría un equipo de inversión real. Con IA. Gratis. Open source.

53.000 estrellas. Apache-2.0.

Por qué importa

El análisis cuantitativo profesional requiere herramientas que cuestan miles al mes.

TradingAgents lleva el enfoque multi-agente al análisis financiero. Cada agente tiene su especialidad, argumenta su posición, y el sistema sintetiza el debate en una decisión.

Investigación. Backtesting. Experimentación con estrategias. Sin pagar licencias.

Cómo instalarlo

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
pip install -r requirements.txt
cp .env.example .env
# Añade tu API key de LLM y de datos de mercado
python main.py

Necesitas una API key de un LLM (Claude, GPT, Gemini) y acceso a datos de mercado (Yahoo Finance funciona gratis para empezar).

Casos de uso

• Investigación de estrategias de trading sin pagar herramientas profesionales.
• Backtesting de ideas de inversión con análisis multi-perspectiva.
• Educación en finanzas cuantitativas y sistemas multi-agente.
• Prototipado de estrategias antes de implementarlas con capital real.
• Análisis automatizado de noticias y su impacto potencial en activos.

Qué sustituye

Herramienta	Precio	Diferencia
Trade Ideas	desde 99$/mes	TradingAgents es gratis
Kavout	desde 199$/mes	Sin suscripción
Bloomberg Terminal	24.000$/año	Para investigación y prototipado

Limitaciones honestas

No es un sistema de trading automático listo para producción con dinero real. Es una herramienta de investigación y experimentación.

Los resultados pasados del backtesting no garantizan rentabilidad futura.

Requiere datos de mercado de calidad para análisis serio. Los datos gratuitos tienen limitaciones.

Úsalo para aprender y experimentar, no para gestionar ahorro real sin entender bien lo que hace.

Recursos

• Repositorio en GitHub (link arriba)
• Compatible con Claude, GPT-4, Gemini y otros LLMs
• Documentación completa en el README con ejemplos de uso