Veo que muchas personas no reconocen el AI Trading, e incluso lo reducen a "optimizar estrategias de medias móviles con aprendizaje automático", quiero hablar sobre mi comprensión de este término.

Primero, no podemos definir el futuro usando el pasado o el presente. El AI Trading está en proceso, y también en el futuro. Como cuando surgió el concepto de Agente, la humanidad no imaginaba que evolucionaría tan rápidamente. Desde la popularización de ChatGPT en todo el mundo, hasta la difusión de la arquitectura Transformer, y ahora los LLM, el límite del AI Trading en realidad ya no es la capacidad humana, sino los modelos, la arquitectura tecnológica, la rueda de datos y la potencia de cálculo (energía).
El AI Trading no es simplemente una actualización de herramientas, sino una transformación paradigmática que pasa de "persona + herramienta" a "sistema autónomo".
1. No es "optimización mediante backtesting", sino "invención de nuevos mecanismos de mercado"
Como la invención de la electricidad, lo que realmente necesita el AI Trading es inventar y crear, no solo inducir o hacer backtesting con datos históricos actuales. La mayoría del trading cuantitativo en el pasado era esencialmente arbitraje estadístico; si solo repites lo que hiciste en el pasado, eso claramente no es un avance paradigmático.
El verdadero potencial del AI Trading radica en su capacidad generativa y exploratoria, puede inventar patrones de trading que los humanos nunca han visto, formas de obtener liquidez, e incluso nuevos lenguajes financieros. El futuro del Agente ya no será solo una herramienta para ejecutar órdenes, sino un protagonista que descubre Alpha de forma autónoma. Pueden construir modelos del mundo en tiempo real usando datos multimodales (noticias, imágenes satelitales, comportamientos en cadena, emociones sociales), y luego generar y validar nuevas hipótesis.
Esto es como los primeros días de internet: al principio, todos pensaban que "correo electrónico + páginas web" eran suficientes, y luego surgieron plataformas económicas, recomendaciones algorítmicas, Web3 y otras nuevas especies.
Las grandes empresas seguramente invierten mucho en AI Trading, aunque no lo revelen fácilmente. Lo que realmente vale no son las publicaciones académicas públicas, sino los sistemas en tiempo real de código cerrado. DeepSeek, en sus inicios, fue una idea de la fundación de Fang Wenfeng para un Bot cuantitativo en Fandian, y muchos equipos de élite en cuantitativos (incluyendo Fangfang, Jiukun, Mingxi, etc.) en sus etapas iniciales ya usaban ideas similares a los LLM para extraer señales, solo que no lo llamaban "AI Trading" públicamente.
2. Capital, tolerancia al error y acumulación histórica son las verdaderas barreras defensivas
Habiendo dicho esto, creo que todavía debemos mantener una actitud positiva hacia "el futuro del futuro", porque muchas transformaciones pueden ocurrir en nosotros.
Los grandes con capital, dinero y poder, que tienen un amplio margen de tolerancia, están apostando a todo en AI, y no es sin razón. Cuando el AI hace que el conocimiento sea ilimitado y la información transparente, lo que realmente decide la victoria o derrota son el dinero y el poder. Porque la sustitución del conocimiento y el talento se vuelve cada vez más grande. Si hoy contrato a alguien en el mercado laboral, quizás sea mejor entrenar a un Agente que siga instrucciones al 100%. El costo del Agente solo disminuirá con la expansión de la potencia de cálculo, pero el costo de las personas está rígidamente determinado por la economía social y el costo de vida.
Muchos dicen "los ricos también están haciendo AI", pero esa definición es incorrecta. Es precisamente porque han ganado dinero en otros campos, tienen dinero y tiempo libre, y usan su margen de error para intercambiar por espacio para el futuro. Google invirtió 40 mil millones de dólares en Anthropic, Microsoft en OpenAI, Amazon en infraestructura de AI, en esencia comprando opciones futuras con flujo de caja sobrante. Para los gigantes, una inversión de cientos de millones o miles de millones, si fracasan, solo será un "experimento a nivel departamental"; pero si tienen éxito, podrían redefinir todo el mercado de capital (alta frecuencia, market making, gestión de activos, incluso herramientas a nivel de bancos centrales).
Volviendo al AI Trading en sí, para las empresas pequeñas o medianas, en esta carrera global por liquidez, enfrentarse directamente es agotador y sin valor. Las barreras de datos, potencia de cálculo, talento y regulación se vuelven cada vez más altas. Lo que las pequeñas entidades o equipos pueden hacer son ecosistemas verticales específicos (como Agentes en protocolos específicos en cadena), pero es difícil desafiar toda la liquidez global. Sin embargo, para empresas con monopolio absoluto o gigantes tecnológicos, esto puede ser solo uno de sus miles de proyectos, que logran en su tiempo libre. Tienen dinero, poder, acumulación histórica y tolerancia al error, y no necesitan obtener resultados inmediatos, solo ocupar una posición y apostar por una posibilidad.
Esto también significa que el AI puede profundizar las desigualdades sociales y hacer más evidente la brecha entre clases:
• En la cima: capital y AI crean un ciclo de retroalimentación, y los trabajadores del conocimiento son parcialmente reemplazados.
• En el medio: los traders tradicionales y los investigadores son internalizados por Agentes, y sus habilidades se devalúan rápidamente.
• En la base: la asimetría de información puede ser parcialmente igualada por AI de código abierto, reduciendo la barrera de entrada, pero la concentración de riqueza probablemente aumentará aún más.
3. Escenario futuro: Agente vs Agente
Soy optimista sobre el futuro, pero también consciente. Quizás el futuro sea Agente contra Agente, un duelo entre traders de AI. En mercados de suma cero o casi, la victoria dependerá de la arquitectura, el paradigma de entrenamiento y los bucles de retroalimentación en tiempo real, no solo del tamaño del modelo. El futuro podría ser dominado por enjambres de Agentes.
Las rutas de evolución más probables son:
• 2026-2028: Aprendizaje reforzado combinado con Agentes LLM, logrando un rendimiento sobresaliente en nichos específicos (como criptomonedas, opciones, arbitraje transfronterizo), con humanos supervisando y haciendo intervenciones en casos excepcionales.
• 2028-2032: Sistemas de colaboración y competencia entre múltiples Agentes se vuelven la norma, surgiendo productos de "gestores de fondos de AI", donde los inversores minoristas compran directamente carteras de Agentes.
• A más largo plazo: la negociación misma puede ser redefinida. Cuando la mayor parte de la liquidez la proporcionen Agentes, la microestructura del mercado cambiará radicalmente (menor latencia, flujos de órdenes más complejos, pools de liquidez más dinámicos), y los marcos tradicionales de backtesting quedarán obsoletos.
Por supuesto, los riesgos también son evidentes: alucinaciones de AI, colapsos de patrones, regulaciones restrictivas y amplificación del riesgo sistémico (como múltiples super Agentes aprendiendo sesgos similares y causando caídas abruptas del mercado). Por eso, "tener tolerancia al error" es clave en este juego.
En resumen, ampliar la imaginación, pero fortalecer la ejecución.
Aunque el límite del AI Trading son la arquitectura, la rueda de datos y la potencia de cálculo, la mayor ventaja humana sigue siendo la capacidad de crear nuevos juegos, diseñar nuevos paradigmas de entrenamiento para Agentes, nuevas reglas de mercado y nuevos mecanismos de incentivos. Esta parte central sigue siendo liderada por humanos (o por unos pocos equipos de élite).
"Con el margen de error sobrante y el tiempo para ganar espacio", muchos se angustian pensando que "la IA les quitará el trabajo", pero los que realmente toman la delantera suelen ser quienes primero hacen crecer el pastel y luego reparten las porciones. La gente siempre tendrá que aceptar la realidad, pero aún podemos encontrar nuestro lugar.
Para el AI Trading, la actitud correcta es "ampliar la imaginación + fortalecer la ejecución". Los individuos o pequeños equipos no deben enfrentarse a las guerras totales de los gigantes, pero sí pueden innovar en los márgenes, en ecosistemas verticales específicos y en colaboración de código abierto, encontrando su propia Alpha.