每日经济记者：陈晨

这张图片疑似由AI生成

当AI“龙虾”（OpenClaw，奥地利程序员彼得·斯坦伯格开发的开源AI智能体）与炒股相结合，一种全新的AI辅助交易模式应运而生。

《每日经济新闻》记者（简称每经记者）注意到，在投资者的授权下，“龙虾”逐步切入盯盘、复盘、选股等核心环节，但实战收益却呈现极端分化：有受访者称，出现了20万元全权委托“龙虾”后亏掉8万元的情况；也有人表示，靠自动交易连续跑赢大盘；还有人声称“月收益90%”……

为何“龙虾”炒股会出现冰火两重天的结局？在合规与风险的重重限制下，“龙虾”炒股能否突破现有局限？又能否为普通股民打开一条真正盈利的新通道？

Captura de la web oficial de OpenClaw

1

“龙虾” negocia en tiempo real por encargo

Alguien supera al mercado en conjunto

Pero ni siquiera recupera el dinero de Token

OpenClaw es tan “potente” porque no es solo una herramienta de chat tipo “me preguntas, yo respondo”, sino también un “ejecutor” capaz de “tomar el control” del ordenador y llamar automáticamente a datos para completar tareas complejas. Mientras el usuario dé instrucciones, puede abrir por sí mismo software, organizar documentos e incluso responder correos electrónicos.

Según entrevistas realizadas por cadaeconomía (每经记者), actualmente muchos usuarios ya usan “龙虾” para vigilar el mercado, hacer repaso y seleccionar acciones, permitiéndole participar en profundidad en todos los eslabones de investigación, toma de decisiones y ejecución de operaciones.

Sin embargo, los resultados en escenarios reales son muy diferentes. Hay logros sorprendentes de “90% de ganancia mensual”, pero también casos reales de pérdidas directas de 80.000 yuanes.

El reconocido académico de economía digital y director del Instituto de Investigación de Internet DCCI, Liu Xingliang, compartió un caso real que ocurrió a su alrededor. Liu Xingliang le dijo a cadaeconomía que su amigo invirtió alrededor de 200.000 yuanes, delegándolo por completo a “龙虾” para operar en bolsa; al final, las operaciones también fueron realizadas por “龙虾”. Pero recientemente, con la caída del mercado, esa cuenta llegó a perder 80.000 yuanes.

Al mismo tiempo, también hay inversores que, en operaciones en vivo, descubrieron fallos lógicos de la herramienta de IA. Un registro de operaciones en tiempo real compartido por una usuaria en una plataforma social muestra que al segundo día de usar “龙虾” para trading automático, el posicionamiento del día registró una pérdida de 0,9%, pero en total superó al mercado; al tercer día, la posición perdió 1,57%, mientras que el índice SSE Composite cayó 3,63% ese mismo día, aun así logró superar en más de 2 puntos; llegando al cuarto día, la posición logró una ganancia de 0,8%. Aunque los datos muestran que pudo superar al índice, el usuario también señaló los problemas expuestos en las operaciones en vivo:

En primer lugar, aunque “龙虾” fue confirmada para no perseguir subidas, al final perseguió; en segundo lugar, “龙虾” parece operar con una lógica tipo T+0.

Otro usuario que lo utilizó directamente también le confesó a cadaeconomía que, en A-shares (acciones A de China), la negociación es T+1, por lo que el sentido de usar OpenClaw para trading cuantitativo es limitado. En cambio, en mercados como el de EE. UU. y Hong Kong se puede operar con T+0, lo cual podría ser más relevante. Este usuario señaló que todavía están en fase de prueba con fondos pequeños y de ajuste de correcciones; aunque se logró una ganancia con montos reducidos, ni siquiera se había recuperado el costo de comprar Token (término, unidad mínima de información al procesar lenguaje natural con modelos de IA).

2

“Ganar 90% al mes” en realidad son ganancias de un simulador

“龙虾”≠cerebro de IA

Solo es un portador de ejecución del trading

¿Cómo se logró realmente el “90% de ganancia mensual” que circula en redes? Al respecto, Jin Fengchun, socio administrador del fondo Saifu Investment, le reconstruyó a cadaeconomía la verdadera ruta tecnológica detrás de los altos rendimientos: en realidad, fue una competencia de trading simulada de IA para operar acciones de EE. UU., y el activo subyacente fue acciones de EE. UU.

Jin Fengchun enfatizó: “Hay que prestar atención a que el 90% es la tasa de retorno más alta alcanzada dentro de un mes; luego, por el retroceso (drawdown), la tasa de retorno final al cierre fue de 36%.” Durante ese período, tanto el índice Nasdaq como el S&P 500 mostraron un retroceso significativo y, en general, el mercado no fue favorable, pero el rendimiento de esa negociación simulada superó muy ampliamente a los índices de acciones.

Fuente de datos: Wind

Al hablar de las razones centrales para lograr rendimientos por encima del promedio, Jin Fengchun lo señaló con precisión: no se debe a que “龙虾” en sí tenga inteligencia, sino a que los participantes definieron manualmente un marco básico, y luego Kimi, DeepSeek o MiniMax, entre otras IAs, escribieron las estrategias de trading concretas, eligieron las acciones correctas y finalmente “龙虾” ejecutó lo determinado. Además, lograr 90% de rendimiento a corto plazo se debe en gran medida a que en el trading simulado de acciones de EE. UU. la IA utilizó apalancamiento.

“En esta alta ganancia, ‘龙虾’ solo funcionó como marco técnico y contenedor de ejecución de la IA; no seleccionó directamente los activos subyacentes, no proporcionó señales de trading ni completó la verificación del backtest.” Jin Fengchun le dijo a cadaeconomía que la selección de activos, la formulación de estrategias de trading y otras tareas centrales fueron completadas por otras IAs; la gente solo delimitó la dirección y el marco básico para la IA, y luego todas las etapas de ejecución de las estrategias se completaron de manera autónoma dentro de “龙虾”.

En el nivel de ejecución del trading, Jin Fengchun explicó que en esta negociación simulada se utilizó una estrategia de un modelo de inteligencia artificial doméstico, y posteriormente la IA envió órdenes automáticamente. Actualmente, muchos brokers en China admiten el sistema de trading QMT (QMT y PTrade son los terminales cuantitativos de terceros más utilizados en el país). Mediante la integración por API (un proceso de comunicación e intercambio de datos entre sistemas de software diferentes mediante interfaces de programación de aplicaciones), se puede lograr el envío de órdenes de trading automático, y también en el trading cuantitativo doméstico se adopta ampliamente este modelo.

3

¿“龙虾” se come las funciones de los brokers?

Terminales como Tonghuashun “no aceptan”

Guangfa Securities habilita un sandbox de seguridad de investigación propia

Con la popularización de “龙虾” en el canal C, los inversores intentaron integrarlo por completo con el software de trading de los brokers.

Un profesional de la industria le analizó a cadaeconomía que se puede tomar OpenClaw como “cerebro” de la estrategia, responsable del análisis de datos y la generación de señales, mientras que QMT actúa como “ejecutor”, responsable de enviar órdenes de alta velocidad y ejecutar trades. Según lo que sabe cadaeconomía, para hacer trading cuantitativo primero se necesita contactar al broker para habilitar permisos de trading de QMT o PTrade; los brokers suelen establecer umbrales de fondos de 500.000 a 1.000.000 yuanes, y algunos requieren niveles más bajos.

“En este proceso, la función de OpenClaw en realidad es escribir código; además, se usa aún la API oficial.” Un usuario con operaciones en tiempo real le dijo a cadaeconomía que OpenClaw, en esencia, solo reduce el umbral para escribir código Python.

Sin embargo, frente a la integración directa de esta herramienta de IA de terceros, las instituciones de brokers mantienen una actitud extremadamente prudente. Un directivo de IT de un broker le indicó con claridad a cadaeconomía que, según las exigencias regulatorias actuales y prácticas de la industria, las interfaces de trading normalmente deben controlarse estrictamente dentro del sistema de autorización, para prevenir el acceso programado sin permiso y el riesgo potencial de manipulación del mercado. Esta persona señaló que, en la actualidad, Tonghuashun y los terminales de trading desarrollados por los brokers no han proporcionado APIs a “龙虾”; los brokers prevendrán accesos ilegales de terceros mediante múltiples medios técnicos e institucionales, y monitorearán este tipo de “ad-on” de trading similar.

El informe publicado por Founder Securities el 21 de febrero de 2026 muestra que, en el pasado, se utilizó OpenClaw para probar con éxito una interfaz de API de Tonghuashun

Además, algunos usuarios informaron al reportero que la función de “龙虾” para hacer trading en bolsa es bastante similar a funciones de condiciones/órdenes que el broker ofrece por cuenta propia, como “trading de rejilla (grid trading)”. Entonces, ¿cuál es la diferencia entre ambas?

Al respecto, este directivo de IT le dijo a cadaeconomía que, a nivel de funciones, algunas herramientas de AI Agent representadas por “龙虾” cuentan con ciertas capacidades auxiliares en extracción de información, análisis de opinión pública y generación de estrategias simples. En cambio, funciones como las órdenes condicionales y el grid trading acumuladas durante años en las apps de brokers, se centran más en, dentro del marco de cumplimiento, lograr estabilidad y control en la ejecución de operaciones. La diferencia en esencia entre ambas es: lo primero se inclina por “asistir la toma de decisiones y la generación de estrategias”, destacando la flexibilidad y la personalización; lo segundo se inclina por “ejecución de trades y control de riesgos”, destacando el cumplimiento y la fiabilidad. En la etapa actual, estas dos capacidades son más bien complementarias, no una sustitución simple.

Bajo el requisito de cumplimiento, los principales brokers ya iniciaron internamente exploraciones de seguridad y control.

Un responsable relacionado con Guangfa Securities le reveló a cadaeconomía que la compañía ya inició aplicaciones de AI Agent e investigación tecnológica de OpenClaw, y creó un equipo de investigación técnica, centrado en escenarios de negocio como oficina inteligente, asistentes personales y herramientas para asesoramiento y research de inversión. Pero Guangfa Securities también subrayó el principio de “seguridad primero, admisión según cumplimiento”, y llevó a cabo la verificación mediante reportes previos, sandbox de seguridad de redes independientes y control de privilegios mínimos, entre otros métodos.

Sobre los límites de capacidad de las herramientas de IA, Liu Xingliang tiene una comprensión clara. Él le dijo a cadaeconomía que cría 4 “龙虾” como empleados digitales: cada una se encarga de recolectar información, gestionar consultas, recordatorios financieros y trabajo de secretaria; el efecto incluso superó las expectativas. Pero en cuanto al trading de bolsa, mantuvo cautela: “En la fase actual, no me atrevo a dejarle a ‘龙虾’ tareas relacionadas con transferencias y pagos vinculados a fondos; solo estoy dispuesto a dejarle tareas auxiliares como consultas de información y mirar el mercado, y la ejecución real de operaciones aún debe hacerla yo”.

Liu Xingliang considera que “el trading de bolsa con ‘龙虾’ todavía está en una etapa poco formada”, por lo que no es adecuado dejarle que complete de manera independiente las operaciones relacionadas con el trading.

4

El alto umbral bloquea a la mayoría de los pequeños inversores

El dividendo tecnológico es difícil de democratizar

Aunque “龙虾” está en auge, no todo el mundo puede manejarlo con facilidad. En esta ola de aplicaciones tecnológicas impulsadas por modelos grandes, los inversores comunes enfrentan umbrales técnicos ocultos muy altos.

Un directivo de IT de un broker le dijo a cadaeconomía que, en esencia, las herramientas tipo AI Agent que aparecen recientemente en el mercado combinan la capacidad de los modelos grandes con datos de cotizaciones, reglas de estrategia y ejecución automatizada, con el objetivo de reducir el umbral para construir estrategias simples. Pero también advirtió que, en conjunto, este tipo de herramientas aún está en fase de exploración; la estabilidad de sus estrategias, la confiabilidad de sus fuentes de datos y su capacidad de control de riesgos todavía necesitan validación adicional.

Jin Fengchun está plenamente de acuerdo. Le dijo a cadaeconomía que, si una persona común quiere usar “龙虾” para operar en bolsa, debe dominar conocimientos relacionados con IA y habilidades de desarrollo de programación; ese umbral de habilidades es extremadamente alto. Por lo tanto, no recomienda que inversores comunes que no entienden IA y programación sigan la tendencia a ciegas; de lo contrario, existen riesgos de inversión elevados.

Jin Fengchun también recordó a los inversores: “Los altos rendimientos relacionados con ‘龙虾’ no se pueden garantizar que sean replicables, y no se debe juzgar la efectividad de la estrategia solo con base en altos rendimientos a corto plazo. Los inversores deben prestar atención al desempeño integral a largo plazo y a la situación de los retrocesos (drawdowns). La inversión debe buscar retornos de largo plazo y estables, no dejarse inducir por altos rendimientos de corto plazo a desarrollar una mentalidad especulativa.”

Con respecto a la preocupación del mercado de si las herramientas de IA reemplazarán a analistas o asesores de inversión de brokers, Jin Fengchun dio una respuesta negativa. Le dijo a cadaeconomía que, en esencia, las herramientas de IA solo son herramientas auxiliares para investigación y trading, y la demanda central de la industria sigue existiendo; además, los pequeños inversores comunes carecen de conocimientos profesionales para invertir, por lo que no pueden usar de forma independiente herramientas de IA como “龙虾” para formular estrategias efectivas, y tampoco pueden distinguir entre información efectiva del mercado y ruido ineficaz.

Jin Fengchun cree que: “El uso de herramientas de IA tiene un umbral alto; la mayoría de los inversores no tiene capacidad operativa. Esto determina que el valor del asesoramiento profesional y de los analistas no puede ser reemplazado; la industria solo cambiará una herramienta y una manera de hacer negocios.” Según su información, debido a que “龙虾” todavía tiene poco tiempo desde su lanzamiento, probablemente no haya demasiadas instituciones que lo usen directamente para trading en tiempo real; pero el fenómeno de que las instituciones usen IA para estrategias ya existía el año pasado, y sus equipos también planean, después de las competiciones de trading simulado en A-shares, realizar algunos intentos de operaciones en tiempo real.

Ante los inversores ordinarios que están ansiosos por intentarlo, varios profesionales dieron consejos. Liu Xingliang sugirió que “el trading con ‘龙虾’ necesita ‘criarlo’ durante un tiempo”, combinar sus capacidades para ajustarlo poco a poco y no permitir que participe completamente en operaciones en tiempo real con demasiada prisa. Hizo un llamado a que los inversores usen pequeños fondos para probar, apliquen un buen control de riesgos y no inviertan grandes sumas; y reiteró que el papel central de “龙虾” es ser una referencia auxiliar para decisiones de inversión, no puede sustituir al ser humano para la decisión final.

El mencionado directivo de IT de un broker también le enfatizó a cadaeconomía el límite de prevención final del riesgo: “Para inversores individuales, estas herramientas pueden servir como asistencia de información y como referencia para investigación, pero no conviene depender en exceso, y mucho menos sustituir el reconocimiento básico de riesgos y el juicio de inversión. Durante el uso, es especialmente necesario prestar atención a la autenticidad de los datos, a la efectividad de las estrategias y a los posibles riesgos de sobre-operación; para evitar que, por confiar demasiado en la capacidad técnica, se amplifique la volatilidad de la inversión.”

Planificación|肖勇 杜蔚

Reportero|陈晨

Edición|易启江

Visual|帅灵茜

Diseño|易启江

**    **

**｜Diario de Economía y Negocios (每日经济新闻)  nbdnews Artículo original｜    **

**No se permite el uso, reproducción, extracción ni el uso en espejo como forma no autorizada    **

每日经济新闻