Cómo los quants construyen agentes de trading que se mejoran a sí mismos (Marco de trabajo completo)

En 2025, una inteligencia artificial rompió un récord matemático de 56 años con un solo bucle: generar, probar, puntuar, repetir. Los cuantitativos lo aplican a estrategias.

Vamos directo al grano....

Guarda esto

Somos el equipo detrás de Horizon, la primera plataforma de trading agentiva: escribes una estrategia de trading en inglés simple, le haces backtest en minutos y la despliegas en vivo a tu broker. Este artículo desglosa el marco del bucle de mejora detrás de la construcción de estrategias agentivas. Actualmente en beta cerrada, lanzamiento público el 15 de julio. Únete a la lista de espera en

horizon.trade o envía un mensaje directo a

@horizon_trade_x para acceso anticipado.

Aquí está el marco completo:

• Lo que realmente significa "auto-mejora" (y lo que no)
• La señal de aptitud: el único número que optimiza el agente
• Memoria: fallar, investigar, destilar, consultar
• El verificador: por qué el agente nunca califica su propio trabajo
• Dónde ejecuta Horizon este bucle hoy

Lo que realmente significa "auto-mejora"

Primero, la versión honesta. Un agente de auto-mejora no reentrena el modelo. Ningún sistema de producción lo hace. Los pesos del modelo se mantienen congelados.

Lo que se acumula es todo lo que rodea al modelo: el registro de variantes probadas, las reglas de puntuación, las lecciones destiladas. El agente es un bucle de retroalimentación con tres partes. Un generador propone variantes de estrategia. Un evaluador las puntúa con datos históricos. Un selector conserva las ganadoras y las retroalimenta al generador.

Esto es maquinaria antigua. La búsqueda evolutiva se ha utilizado en la investigación cuantitativa desde los años 1990. Lo que cambió es el generador: los LLMs ahora proponen variantes en código e inglés simple, y pueden ejecutar el bucle durante horas sin que un humano impulse cada paso. En 2025, AlphaEvolve de DeepMind utilizó exactamente este bucle de generar-evaluar-seleccionar para encontrar un algoritmo de multiplicación de matrices más rápido, superando un récord que se mantenía desde 1969.

La señal de aptitud

El agente mejora lo que sea que puntúes. Si puntúas rendimientos brutos, encontrará la curva más sobreajustada en tu conjunto de datos. Los escritorios serios puntúan un compuesto: rendimiento ajustado al riesgo, reducción máxima, número de operaciones y estabilidad entre ventanas de tiempo.

La regla de puntuación es la estrategia. Todo lo que viene después es solo búsqueda.

Memoria: fallar, investigar, destilar, consultar

Un investigador humano olvida la iteración cuatro. Un agente bien construido procesa cada fallo a través de cuatro etapas.

Documenta el backtest fallido. Investiga por qué falló la variante: régimen incorrecto, costos de transacción, ajuste de curva. Destila el diagnóstico en una regla general. Y en la siguiente ejecución, consulta la regla en lugar de redescubrir el fallo desde cero.

Aquí es donde la mayoría de los bucles caseros se rompen. Sin esta progresión, el agente vuelve a proponer variantes que ya rechazó, y quema cómputo dando vueltas en círculos. Con ella, cada variante rechazada marca una zona muerta en el espacio de búsqueda, y cada generación comienza desde todo lo que aprendieron las anteriores.

El verificador: por qué el agente nunca califica su propio trabajo

Un agente que califica su propia producción ve su propio razonamiento y prefiere conclusiones consistentes con lo que ya construyó. En trading, este modo de fallo tiene un precio: un bucle que memoriza un conjunto de datos parece mejora en el gráfico y se comporta como un volado en vivo.

La solución tiene dos partes. La regla de calificación está separada del generador, por lo que el proceso que propuso una variante nunca la puntúa. Y la calificación final proviene de una puerta fuera de la muestra: datos que el generador nunca vio. Una variante solo sobrevive si gana en ambos segmentos. McLean y Pontiff demostraron que las estrategias publicadas suelen perder una gran parte de su ventaja una vez que los datos se vuelven conocidos. La ventana de entrenamiento de tu agente funciona de la misma manera.

Dónde ejecuta Horizon este bucle

El bucle de generar, backtest, puntuar, seleccionar es el mecanismo central de Horizon. Describes una estrategia en inglés simple. El agente la construye, le hace backtest, la puntúa y regresa con 2 o 3 variantes refinadas junto con sus puntuaciones, para que elijas entre candidatos mejorados en lugar de ajustar parámetros manualmente.

Cada backtest alimenta la siguiente propuesta. El agente hace la iteración. Tú haces el juicio.

informe de backtest con puntuación

Cómo los traders se equivocan en esto

Optimizan una sola métrica. El agente encuentra el Sharpe más alto de la historia, y se desmorona en el primer mes en vivo. Los puntajes compuestos existen por una razón.

Dejan que el creador califique su propio trabajo. Diez generaciones de "mejora" autoaprobada en datos dentro de la muestra son diez generaciones de memorización.

Eliminan al humano. El agente es un motor de búsqueda sobre el espacio de estrategias. Clasifica candidatos. Decidir qué desplegar con dinero real sigue siendo una decisión humana.

Confunden el número de iteraciones con progreso. Mil variantes puntuadas contra una mala señal de aptitud son mil pasos en la dirección equivocada.

Gracias por leer.

Antes de que te vayas

Somos el equipo detrás de Horizon, la primera plataforma de trading agentiva: escribes una estrategia de trading en inglés simple, le haces backtest en minutos y la despliegas en vivo a tu broker. El bucle de generar, backtest, puntuar, seleccionar de este artículo se está ejecutando en el producto ahora mismo. Actualmente en beta cerrada, lanzamiento público el 15 de julio. Únete a la lista de espera en

horizon.trade o envía un mensaje directo a

@horizon_trade_x para acceso anticipado.