Preguntar cuánto sirve ChatGPT para trading tiene dos respuestas correctas y opuestas. Como herramienta de trabajo alrededor de los mercados, es de lo mejor que le ha pasado a un operador particular en veinte años. Como oráculo que te diga si comprar o vender, es peor que tirar una moneda, porque la moneda al menos no te da una explicación convincente de por qué se equivoca.
La confusión viene de que un modelo de lenguaje escribe con una seguridad enorme sobre cualquier cosa. Cuando le pides una previsión del S&P 500, te la da: con estructura, con niveles, con argumentos. Todo inventado, en el sentido literal de la palabra, porque eso es exactamente lo que hace un modelo de lenguaje.
Esta guía separa una cosa de la otra. Qué es un modelo de lenguaje y por qué no puede predecir precios, los seis usos en los que sí aporta valor real si operas, los tres en los que te puede hacer perder dinero, y cómo formular las peticiones para sacarle partido. Forma parte de nuestra serie sobre trading con inteligencia artificial, donde distinguimos lo que la IA hace de verdad de lo que se vende con esa etiqueta.
Qué es un modelo de lenguaje y por qué no es un predictor de precios
Un modelo de lenguaje grande (LLM) es un sistema entrenado con cantidades enormes de texto para hacer una cosa: dada una secuencia de palabras, calcular cuál es la continuación más probable. Repite ese cálculo palabra a palabra y de ahí sale una respuesta coherente. Es una máquina extraordinaria de manejar lenguaje. No es una máquina de manejar mercados, y hay tres razones concretas.
No tiene datos de mercado en tiempo real
Por defecto, un LLM trabaja con lo que aprendió durante el entrenamiento, que terminó en una fecha concreta del pasado. Cuando le preguntas por el precio de algo hoy, o no lo sabe, o busca en internet un dato que suele venir con retraso y sin la profundidad que necesita cualquier decisión de trading. No tiene libro de órdenes, no tiene volumen por nivel, no tiene tick a tick. Si tu decisión depende de lo que está pasando en el mercado ahora, el LLM es el peor sitio donde preguntar.
No calcula probabilidades de mercado
Cuando un modelo escribe "la probabilidad de que suba es del 70 %", no ha hecho ningún cálculo. Ha escrito la frase que estadísticamente encaja en ese contexto, porque en los millones de textos con los que se entrenó, frases así aparecen en ese tipo de párrafo. El número tiene el aspecto de una estimación y la sustancia de un adorno.
Genera texto plausible aunque se equivoque
Esta es la propiedad más peligrosa. Un LLM no tiene forma de distinguir entre lo que sabe y lo que está completando, así que cuando no sabe algo, no calla: rellena. Se inventa cifras de comisiones, funciones de programación que no existen, nombres de métricas, incluso normativas. Y lo hace con el mismo tono seguro que cuando acierta. No hay ninguna señal en el texto que te avise.
Un modelo de lenguaje no miente ni acierta: completa. Lo que hagas con esa continuación es responsabilidad tuya, y verificarla también.
Los seis usos de ChatGPT para trading que sí valen la pena
1. Entender jerga y documentación
Es lo que mejor hace. Qué es el deslizamiento, qué diferencia hay entre una orden límite y una stop limit, qué significa exactamente el profit factor de un informe, cómo funciona el reparto de beneficios de una cuenta de fondeo. Puedes preguntar cinco veces seguidas sin que se canse y pedirle que te lo explique con un ejemplo numérico, que es donde de verdad se entienden las cosas.
2. Escribir y depurar código de estrategias
Aquí el salto es enorme. Programar en NinjaScript, en MQL o en Python deja de ser una barrera de entrada de meses. Un LLM te escribe el esqueleto de una estrategia, te explica por qué salta una excepción, te traduce una idea a código y te dice qué hace una función que has heredado de otro. Sigue siendo tu responsabilidad probarlo, y probarlo en simulado antes de tocar dinero, pero el trabajo de descifrar código se ha vuelto diez veces más rápido. Si quieres el marco conceptual antes de picar código, empieza por cómo funciona un algoritmo de trading.
3. Analizar tu propio diario de operaciones
El uso más rentable y el que menos gente aprovecha. Le subes un CSV con tus operaciones y le pides cálculos concretos: esperanza matemática por operación, resultado por día de la semana, por hora de entrada, por tamaño de posición. Con datos tuyos y cálculo real (no estimación a ojo) sale información utilísima sobre tus propios patrones. Aquí no está prediciendo nada: está describiendo lo que ya hiciste.
4. Resumir informes y documentos largos
Un informe de resultados de 80 páginas, las condiciones de una empresa de fondeo, un contrato de servicio. Pídele el resumen y, sobre todo, pídele que localice las cláusulas concretas que te preocupan. Después ve al documento original y comprueba esas dos o tres cosas. El resumen te ahorra la lectura completa, no la verificación.
5. Preparar preguntas para un vendedor
Este es un uso defensivo excelente. Antes de hablar con alguien que te vende un sistema automático, pídele al modelo diez preguntas incómodas y técnicas que te permitan comprobar si lo que te cuentan se sostiene. Un LLM sabe perfectamente cuáles son las preguntas que un vendedor de humo no quiere oír, porque están escritas en miles de sitios. Complementa muy bien nuestra guía sobre cómo detectar estafas de robots de trading.
6. Aprender a leer un informe de backtest
Le pegas las métricas de un informe y le pides que te explique qué significa cada una, cuáles pueden estar infladas y en qué orden mirarlas. Es un tutor infinito para algo que casi nadie te enseña. Eso sí, para que la lección sirva conviene que entiendas antes qué es un backtest y qué no demuestra, porque el modelo te explicará las métricas encantado aunque el informe entero sea basura.
Los tres usos que te pueden costar dinero
Pedirle señales. "¿Compro o vendo el Nasdaq ahora?" es la peor pregunta posible. El modelo va a responder, y la respuesta va a estar bien argumentada, y no va a tener detrás ningún dato de mercado ni ningún cálculo. Vas a estar operando con una redacción, no con un análisis.
Pedirle que analice una captura de un gráfico. Los modelos con visión describen imágenes razonablemente bien, y ahí está la trampa: reconocerán una figura, señalarán un soporte, te contarán una historia coherente sobre lo que ven. Pero no tienen los datos que hay debajo del gráfico, no pueden medir con precisión y no saben qué hay fuera del recorte. Es análisis técnico narrado, con toda la subjetividad de siempre y ninguna de las ventajas de un dato.
Creerte las cifras que dé. Comisiones de un bróker, condiciones de una empresa de fondeo, límites de pérdida, fiscalidad, rentabilidades históricas. Cualquier número concreto que salga de un LLM sin fuente hay que verificarlo en la web oficial antes de usarlo para decidir nada. Ninguna excepción, ni siquiera cuando suene razonable. Sobre todo cuando suene razonable.
Cómo pedirle las cosas bien
La diferencia entre una respuesta inútil y una excelente casi siempre está en la petición. Tres reglas: dale contexto (qué plataforma, qué instrumento, qué nivel tienes), dale los datos en vez de pedirle que los recuerde, y dile qué formato quieres. Tres ejemplos concretos orientados a trading automático:
Depurar código de una estrategia.
Actúa como programador de NinjaScript para NinjaTrader 8. Este método OnBarUpdate lanza una excepción de índice fuera de rango cuando CurrentBar es bajo. Te pego la clase entera. Dime la causa exacta, devuélveme solo la corrección mínima sin reescribir el resto, y explícame en dos frases por qué falla.
Analizar tu diario de operaciones.
Te subo un CSV con 240 operaciones y estas columnas: fecha, hora de entrada, dirección, resultado en dólares y una nota mía. Calcula con código la esperanza matemática por operación, el resultado agregado por día de la semana y por franja horaria, y la racha de pérdidas consecutivas más larga. Enséñame el código que has usado. No interpretes mis notas como causas, solo describe lo que dicen los números.
Preparar una conversación con un vendedor.
Voy a hablar con alguien que vende un sistema automático de futuros. Escríbeme diez preguntas concretas e incómodas para comprobar si el backtest es reproducible por mí, si descuenta comisiones y deslizamiento, cuál fue su peor racha de pérdidas y qué pasa cuando cambia el régimen de mercado. Que ninguna se pueda responder con un sí o un no.
Fíjate en el patrón: en los tres casos el modelo trabaja sobre material que le das tú, y en ninguno se le pide que adivine el futuro.
Tabla rápida: qué le pides y cómo
| Tarea | ¿Sirve un LLM? | Cómo hacerlo bien |
|---|---|---|
| Entender jerga y documentación | Sí, muy bien | Pide siempre un ejemplo numérico y contrasta lo importante con la fuente oficial. |
| Escribir o depurar código de estrategias | Sí, con supervisión | Pega el error literal y el código completo. Prueba en simulado antes de tocar dinero. |
| Analizar tu diario de operaciones | Sí, si ejecuta código sobre tus datos | Sube el CSV y pide el cálculo con código a la vista, nunca una estimación de cabeza. |
| Resumir un informe largo | Sí | Pide cita textual de cada cifra y verifica dos o tres en el documento original. |
| Preparar preguntas para un vendedor | Sí | Explica qué te preocupa y pide preguntas que no admitan un sí o un no. |
| Interpretar un informe de backtest | Sí, para aprender | Pídele el significado de cada métrica y cuáles se inflan si no hay comisiones descontadas. |
| Darte una señal de compra o venta | No | No hay forma de hacerlo bien. O un sistema con reglas y backtest, o nada. |
| Analizar la captura de un gráfico | No | Trabaja con datos, no con imágenes. Lo que verás es una historia, no una medición. |
| Estimar probabilidades de mercado | No | Cualquier porcentaje que dé es decorativo. Calcúlalo sobre tu propio histórico. |
| Darte cifras de un bróker o un producto | No sin verificar | Ve siempre a la web oficial antes de usar el dato para decidir. |
La regla que no deberías saltarte
Ningún modelo de lenguaje debe decidir una operación. Ni la entrada, ni la salida, ni el tamaño. No porque sea poco inteligente, sino porque no tiene lo que hace falta para esa decisión: datos de mercado en el instante, un método validado y una medida honesta de su propia incertidumbre.
Un sistema automático serio hace justo lo contrario: reglas explícitas, iguales todos los días, con el riesgo definido antes de entrar y un histórico que puedes reproducir tú mismo. TSOPEN, por ejemplo, opera en una sola ventana al día, a las 14:30 hora española, y coloca su límite de pérdida de 300 $ y su objetivo de 600 $ en el mismo momento de abrir. Puedes discutir si el método es bueno, y esa es exactamente la diferencia: hay un método que discutir. Con un LLM no hay nada que auditar.
Si quieres el panorama completo de qué es un sistema automático y cómo se evalúa uno, está en la guía completa de bots de trading. Y si lo que quieres es preguntar cosas concretas a personas, tienes el contacto del equipo.
Preguntas frecuentes
¿Se puede hacer trading con ChatGPT?
No para decidir operaciones. Un modelo de lenguaje no tiene datos de mercado en tiempo real por defecto, no calcula probabilidades reales y genera respuestas plausibles aunque sean falsas. Sí es muy útil para tareas alrededor del trading: entender documentación, escribir y depurar código de estrategias, analizar tu propio historial y preparar preguntas antes de contratar algo.
¿Puede ChatGPT predecir el precio de una acción o un índice?
No. Un modelo de lenguaje predice la siguiente palabra de un texto, no el siguiente movimiento de un precio. Cuando da niveles o porcentajes de probabilidad está completando una frase con la forma habitual de ese tipo de textos, sin ningún cálculo detrás. Cualquier previsión que te dé tiene el mismo valor que si la escribiera al azar.
¿Sirve para programar un bot de trading?
Sí, y es uno de sus mejores usos. Escribe y depura código en NinjaScript, MQL o Python, y acorta muchísimo la curva de aprendizaje. Lo que no puede hacer es diseñar la estrategia por ti ni garantizar que el código sea correcto: hay que revisarlo y probarlo siempre en simulado antes de operar con dinero real.
¿Son fiables las cifras que da ChatGPT?
No sin verificarlas. Los modelos de lenguaje generan números con el mismo aplomo cuando los conocen que cuando los completan, y no hay ninguna señal en la respuesta que te permita distinguir un caso del otro. Comisiones, condiciones de fondeo, fiscalidad y rentabilidades hay que comprobarlas siempre en la fuente oficial.
José Ruíz
CEO de Tradesoft · Responsable de TSOPEN
José Antonio Fernández
Jefe de ventas de Tradesoft