--- title: "Nivel 6: IA generativa, LLMs, agentes y datos alternativos" description: "Nivel 6 del curso Python para Trading: NLP financiero, LLMs, RAG, agentes con guardarraíles, IA como copiloto, big data y datos alternativos." url: "https://pythonparatrading.com/curso-python-trading/nivel-6/" lang: "es" image: "https://pythonparatrading.com/og/curso-python-trading/nivel-6.png" --- # Nivel 6: IA generativa, LLMs, agentes, big data y datos alternativos > LLMs como analistas e ingenieros asistentes, no como traders autónomos: texto financiero, RAG, agentes con guardarraíles deterministas, big data y datos alternativos con su due diligence. - Horas: 90–110 - Prerrequisito: Nivel 5 o ML equivalente - Perfil: Quant o ML engineer - Curso: [Curso Python para Trading](https://pythonparatrading.com/curso-python-trading/) ## NLP financiero clásico y moderno - `6.1.1` Tokenización, embeddings; diccionarios financieros (Loughran-McDonald), FinBERT. - `6.1.2` Fuentes: noticias, 10-K, 10-Q y 8-K (EDGAR), hechos relevantes de la CNMV, transcripciones de resultados, redes sociales. - `6.1.3` Event studies con señales de texto; alineación temporal precisa (timestamps de publicación); topic modeling. ## LLMs para investigación y trading - `6.2.1` Cómo funcionan los LLM (contexto, temperatura, alucinaciones); APIs comerciales frente a modelos locales (Ollama, vLLM). - `6.2.2` Prompting estructurado y salidas JSON validadas con Pydantic. - `6.2.3` Extracción de información: guidance, KPIs y tono de las conference calls; sentimiento con LLM frente a FinBERT. - `6.2.4` Fine-tuning ligero (LoRA, QLoRA) para tareas financieras. - `6.2.5` Sesgo de anticipación en LLMs: el modelo «conoce el futuro» de su corpus de entrenamiento; backtests con fechas de corte y modelos point-in-time. ## RAG financiero - `6.3.1` Embeddings y bases vectoriales (FAISS, pgvector, Chroma, Qdrant). - `6.3.2` Chunking de documentos financieros: tablas, notas al pie, XBRL. - `6.3.3` RAG sobre informes anuales, folletos de ETFs y KIDs y research propio; evaluación (fidelidad, citación, cobertura). ## Agentes de IA para trading - `6.4.1` Agentes con herramientas (tool calling), ReAct, planificación. - `6.4.2` Marcos: LangGraph, LlamaIndex, agentes de los SDK de los proveedores; MCP (Model Context Protocol) para conectar datos y brokers. - `6.4.3` Arquitecturas multi-agente al estilo de TradingAgents: analistas fundamental, de sentimiento, de noticias y técnico, debate alcista y bajista, trader y gestor de riesgo. - `6.4.4` Evidencia y límites: en LiveTradeBench (50 sesiones en vivo, 21 LLM), la correlación de Spearman entre la puntuación en LMArena y la rentabilidad acumulada en acciones fue de solo 0,054 (−0,38 en Polymarket). GPT-4.1 ganó más de un 6 % en acciones y perdió más de un 30 % en Polymarket. AlphaForgeBench documenta acciones «drastically different» entre ejecuciones del mismo modelo, incluso con decodificación determinista. Los modelos de deep learning fuertes en backtest se degradan en real. - `6.4.5` Guardarraíles: el agente propone y el motor de riesgo determinista decide; límites duros, aprobación humana, registro de auditoría. - `6.4.6` Agentes de investigación: generación de hipótesis, alpha mining asistido, revisión de código y de backtests. *Fig. — LiveTradeBench: correlación entre la puntuación en LMArena y la rentabilidad de 21 LLM.* Dos barras con la correlación de Spearman entre la puntuación general de 21 modelos de lenguaje en LMArena y su rentabilidad acumulada en 50 sesiones en vivo: 0,054 en acciones, casi nula, y −0,38 en Polymarket, negativa. ## IA como copiloto del quant - `6.5.1` Asistentes de código (Copilot, Claude Code, Codex, Cursor): flujo con tests primero. - `6.5.2` Revisión automática de backtests en busca de sesgos; migraciones (pandas 2 → 3, backtrader → NautilusTrader). - `6.5.3` Riesgos: código plausible pero incorrecto, dependencias inventadas, fuga de secretos. ## Big data para trading - `6.6.1` Cuándo es «big»: tick data, libros L2 y L3, opciones (OPRA), universos globales. - `6.6.2` Formatos columnares (Parquet, Arrow); Polars lazy y streaming; DuckDB fuera de memoria. - `6.6.3` Dask y Spark (PySpark) para clústeres; Ray para paralelizar experimentos. - `6.6.4` Bases de series temporales: TimescaleDB, QuestDB, ClickHouse, ArcticDB; kdb+ como cultura profesional. - `6.6.5` Almacenamiento en la nube (S3, GCS), lakehouse (Delta, Iceberg) y GPU (RAPIDS, cuDF) como cultura. ## Datos alternativos - `6.7.1` Panorama y tamaño del mercado: cifras de Neudata y advertencias sobre informes de consultoras con estimaciones muy dispares. - `6.7.2` Tipos: web scraping (precios, empleos, reseñas), tráfico web y de apps, transacciones con tarjeta, recibos, geolocalización, satélite, envíos (AIS), clima, patentes, datos públicos, on-chain. - `6.7.3` Web scraping responsable: requests y httpx, BeautifulSoup, Playwright; robots.txt, términos de uso, RGPD. - `6.7.4` Proveedores y due diligence (Neudata, Nasdaq Data Link, Eagle Alpha): historia point-in-time, sesgos de panel, legalidad (información privilegiada, datos personales). - `6.7.5` Del dato a la señal: mapeo a tickers (entity resolution), nowcasting de ventas, backtest de la señal, decaimiento del alfa. - `6.7.6` Casos de estudio: imágenes satelitales con visión por computador (CNN, ViT) y grafos de cadena de suministro. ## Proyecto del nivel Sistema de investigación que combine un RAG sobre filings y transcripciones, una señal de sentimiento con LLM validada con un event study y un backtest, y un agente que redacte informes diarios, con guardarraíles y sin acceso directo a órdenes. Nivel anterior: [Nivel 5: Machine learning y deep learning (Keras/PyTorch)](https://pythonparatrading.com/curso-python-trading/nivel-5/) Nivel siguiente: [Nivel 7: Producción, MLOps, regulación, carrera y capstone](https://pythonparatrading.com/curso-python-trading/nivel-7/)