¿Qué es TradingAgents?
TradingAgents, de Tauric Research, es un framework de LangGraph que modela una firma de trading como un equipo de agentes LLM. Analistas de fundamentales, sentimiento, noticias y análisis técnico trabajan en paralelo; investigadores alcistas y bajistas debaten sus informes; un trader propone una posición; un equipo de riesgo y un gestor de cartera la aprueban o la rechazan. Nació como un artículo en arXiv (2412.20138, diciembre de 2024) y se presenta como herramienta de investigación, no como asesoramiento financiero.
Funciona como CLI interactiva o guionizada y como paquete de Python (TradingAgentsGraph.propagate devuelve una decisión), con cualquier ticker de Yahoo Finance, desde acciones de EE. UU. hasta Hong Kong, acciones A y criptomonedas. Las últimas versiones se centran en el sesgo de anticipación: los fundamentales de SEC EDGAR se sirven tal como se presentaron en la fecha de la ejecución, y una cuadrícula de backtest puntúa las decisiones pasadas por el alfa desde el primer cierre posterior a cada decisión.
El repositorio es Apache-2.0, tiene unas 119.000 estrellas en GitHub y 22.700 forks, y está en la v0.7.1 (27 de octubre de 2026), con aproximadamente una versión cada quince días desde septiembre.
¿Merece la pena TradingAgents?
TradingAgents debe su popularidad menos a su estructura de debate, que muchos imitadores copiaron, que al trabajo poco vistoso de las últimas versiones sobre lo que los agentes pueden saber. Una ejecución con fecha pasada lee ahora los estados de la SEC exactamente como se presentaron ese día: el ejemplo del README son los activos totales de Apple en 2008, presentados como 39.600 millones de dólares y reexpresados a 36.200 millones en 2010, de modo que una ejecución entre ambas fechas ve 39.600 millones. Los estados de Yahoo y las operaciones de directivos, que no pueden fecharse por publicación, se retienen en las ejecuciones con fecha pasada en lugar de filtrarse en ellas.
Eso importa porque el backtest es la única forma de saber si el sistema decide bien. run_backtest recorre una cuadrícula de tickers y fechas, entra en cada decisión al primer cierre posterior a su fecha y puntúa el alfa obtenido frente a un índice de referencia regional, con su propio registro de memoria para no contaminar el real. El README es franco: los resultados no coincidirán con ninguna cifra publicada y varían entre ejecuciones, porque los modelos de razonamiento ignoran la temperatura y las fuentes de noticias reflejan el presente.
El coste por decisión es lo que hay que modelar antes de escalar. Cada ejecución llama hasta a cuatro analistas, un debate de varias rondas, un trader, un debate de riesgo y un gestor, repartidos entre un modelo rápido y uno profundo que pueden estar en proveedores distintos. El consumo de tokens por ejecución no se publica. Se admite iniciar sesión con ChatGPT Plus o Pro, que descuenta de los límites del plan, lo que sirve para experimentos pero no para un barrido nocturno de 500 tickers.
El framework es un andamiaje de investigación, no un sistema de trading: devuelve una calificación y una justificación y envía las órdenes aprobadas solo a un mercado simulado. Con unas 100 incidencias abiertas y rutas de importación que cambiaron en la v0.5.1, premia a quien fija una versión. Frente a Vibe-Trading, es más acotado y más fácil de razonar: un ticker, una fecha, una respuesta debatida.
Dónde se gana su sitio
Un doctorando en finanzas computacionales
Comparar backends LLM sobre las mismas decisiones de trading sin filtraciones de anticipación
Ejecuta tradingagents backtest sobre una cuadrícula fija de tickers y fechas con cada modelo por turnos; la puntuación usa el alfa desde el primer cierre tras cada decisión. Presupuesta muchas llamadas al modelo por celda y reanuda los barridos interrumpidos con el mismo run_id.
Una inversora particular con una docena de acciones de EE. UU.
Obtener una segunda opinión estructurada sobre una posición antes de resultados
Ejecuta la CLI con el ticker y --portfolio apuntando a un JSON con la cartera actual, para que el trader y el equipo de riesgo razonen sobre las posiciones reales. Iniciar sesión con un plan ChatGPT Plus evita la facturación de API en ejecuciones ocasionales.
Un ingeniero que prototipa un asistente de investigación interno en una gestora de patrimonios
Integrar informes de varios analistas en un pipeline de Python existente
Llama a TradingAgentsGraph.propagate y save_reports, con los gestores en Claude y los analistas en un modelo más barato mediante proveedores por nivel. Trata el resultado como insumo de investigación; el proyecto dice que no es asesoramiento de inversión.
Antes de decidirte
- Puesta en marcha
- Clona, crea un entorno de Python 3.11+, pip install ., configura una clave de proveedor y ejecuta tradingagents; se incluyen Docker Compose y un perfil de Ollama. Una ejecución no interactiva necesita opciones como --ticker y --date.
- Integraciones
- OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Mistral, Kimi, Groq, NVIDIA, Bedrock, Azure, Ollama y cualquier servidor compatible con OpenAI; datos de Yahoo Finance, SEC EDGAR, FRED, Alpha Vantage, StockTwits y Reddit.
- Datos y privacidad
- Los informes, un registro de memoria de decisiones, la caché y los puntos de control están en ~/.tradingagents. Los prompts y las noticias obtenidas van al proveedor de LLM elegido. La CLI busca actualizaciones una vez al día sin enviar datos de ejecución; TRADINGAGENTS_NO_UPDATE_CHECK=1 lo desactiva. Apache-2.0.
- Coste a escala
- Sin edición de pago. El coste son los tokens de LLM por decisión entre analistas, dos debates y gestores, multiplicados por los tickers y fechas de una cuadrícula de backtest; no se publican recuentos de tokens por ejecución, así que mide primero con una cuadrícula pequeña.
- Límites
- Unas 100 incidencias y pull requests abiertas; salida no determinista; las caídas del feed de noticias de Yahoo han obligado a soluciones provisionales; EDGAR solo cubre a quienes presentan ante la SEC y da los cuartos trimestres como no disponibles.
Lo bueno
- Fundamentales de la SEC a fecha concreta y retención de los datos que no pueden fecharse
- Cuadrícula de backtest puntuada por el alfa desde el cierre siguiente
- Niveles de modelo rápido y profundo en proveedores separados
- Más de una docena de proveedores de LLM, además de Ollama y vLLM en local
Lo malo
- Muchas llamadas a LLM por decisión; coste en tokens no publicado
- Las ejecuciones no son deterministas por diseño
- Solo mercado simulado; sin ejecución con bróker
- Las rutas de importación cambiaron en la v0.5.1; fija versiones
Ideal para
Investigadores e inversores con perfil técnico que quieren una base multiagente bien documentada para decisiones sobre valores individuales y una forma justa de someterla a backtest.
Alternativas a TradingAgents
TradingAgents: preguntas frecuentes
- ¿Merece la pena TradingAgents?
- TradingAgents es el diseño de referencia para el análisis bursátil multiagente, y su trabajo reciente contra el sesgo de anticipación lo convierte en uno de los pocos que puedes someter a backtest sin engañarte. Le damos un 4.0 sobre 5.
- ¿Cuánto cuesta TradingAgents?
- Gratuito y de código abierto (Apache-2.0). Pagas a tu proveedor de LLM o usas un plan ChatGPT Plus o Pro; los datos de FRED y SEC EDGAR son gratuitos, Alpha Vantage es opcional.
- ¿Qué inconvenientes tiene TradingAgents?
- Muchas llamadas a LLM por decisión; coste en tokens no publicado; las ejecuciones no son deterministas por diseño; solo mercado simulado; sin ejecución con bróker; las rutas de importación cambiaron en la v0.5.1; fija versiones.
- ¿Para quién es TradingAgents?
- Investigadores e inversores con perfil técnico que quieren una base multiagente bien documentada para decisiones sobre valores individuales y una forma justa de someterla a backtest.
- ¿Cuánto cuesta TradingAgents para un equipo o en producción?
- Sin edición de pago. El coste son los tokens de LLM por decisión entre analistas, dos debates y gestores, multiplicados por los tickers y fechas de una cuadrícula de backtest; no se publican recuentos de tokens por ejecución, así que mide primero con una cuadrícula pequeña.
- ¿Es TradingAgents seguro para los datos de la empresa?
- Los informes, un registro de memoria de decisiones, la caché y los puntos de control están en ~/.tradingagents. Los prompts y las noticias obtenidas van al proveedor de LLM elegido. La CLI busca actualizaciones una vez al día sin enviar datos de ejecución; TRADINGAGENTS_NO_UPDATE_CHECK=1 lo desactiva. Apache-2.0.
- ¿Cuáles son las mejores alternativas a TradingAgents?
- Las alternativas más cercanas que hemos analizado son Vibe-Trading.
Respuestas comprobadas el 31 oct 2026.