Vibe-Trading: qué es y qué resultados da en backtests (2026)
El agente de trading con IA de la Universidad de Hong Kong, explicado sin humo: qué hace, cuánto cuesta usarlo y qué salió de verdad en cuatro backtests que lancé en mi Raspberry Pi 5. Revisado el 1 de octubre de 2026 con la versión 0.1.16.
Lo esencial
Vibe-Trading sirve para pasar de una idea de trading a un backtest en unos minutos y sin programar. No sirve para hacerte rico: en mis pruebas la mejor estrategia en bolsa ganó un 15,5 % mientras comprar y mantener los mismos ETF daba un 66,1 %.
Datos clave: 34.396 estrellas en GitHub · versión 0.1.16 (29-sep-2026) · licencia MIT · 18 brokers · 28 fuentes de datos · de 2 a 4,5 minutos y de 1,1 a 2,1 millones de tokens por backtest.
¿Qué es Vibe-Trading?
Vibe-Trading es un agente de IA de código abierto que convierte preguntas en lenguaje normal ("haz un backtest de un cruce de medias en BTC durante 2024") en investigación de mercado, código de estrategia, backtests e informes. Lo publica el laboratorio HKUDS de la Universidad de Hong Kong con licencia MIT, y su propio repositorio lo define como un espacio de investigación para convertir preguntas financieras en análisis ejecutables.
Por dentro es un modelo de lenguaje con herramientas: cargadores de datos de mercado, un motor de backtest, una biblioteca de factores, memoria entre sesiones y equipos de varios agentes que se reparten un análisis. Tú pones la pregunta y la clave del modelo de IA; él escribe el código, lo ejecuta y te devuelve métricas como retorno, Sharpe o caída máxima.
Lo que no es: un bot que opera solo y gana dinero. Puede enviar órdenes a algunos brokers, pero la propia documentación avisa de que esa parte es experimental y que no la han verificado contra una cuenta real.
¿Qué ha cambiado desde julio de 2026?
Cuando escribí la primera versión de este artículo, el 23 de julio, el proyecto tenía unas 26.000 estrellas y yo lo probé con la versión 0.1.11. Hoy los números son otros, según la API de GitHub y las notas de la versión 0.1.16:
| Dato | Julio 2026 | 1 de octubre de 2026 |
|---|---|---|
| Estrellas en GitHub | ~26.000 | 34.396 (5.590 bifurcaciones) |
| Versión | 0.1.11 (11-jul) | 0.1.16 (29-sep) |
| Conectores de broker | 10 | 18 |
| Fuentes de datos de mercado | 18 | 28 |
| Factores en la biblioteca (Alpha Zoo) | 460 | 462 |
Ritmo de cambios: entre la 0.1.15 (9 de septiembre) y la 0.1.16 entraron 492 commits de 16 colaboradores en tres semanas. El tema de esta última versión me parece el más útil hasta ahora: cada cifra que el agente pone en su respuesta tiene que poder rastrearse hasta una herramienta que la produjo, y la que no se puede rastrear se borra de la respuesta. Es el problema que más me preocupaba en julio, que el modelo se inventara números con buena pinta.
Un aviso que ahora aparece en lo alto del README: la cuenta de X VibeTrading_HKU y un token cripto que circula con el nombre del proyecto no son oficiales. El proyecto no ha lanzado ninguna moneda. Si alguien te pide conectar una cartera "para Vibe-Trading", es una estafa.
¿Qué resultados dio en backtests reales?
El 21 de julio lancé varias estrategias desde la Raspberry Pi 5 que sirve esta web, con Vibe-Trading 0.1.11 y DeepSeek como modelo. Cada ejecución deja en disco el código que escribió el agente, la configuración, las operaciones y las métricas, así que los números de abajo salen de esos ficheros, no de memoria. La columna clave es la última: lo que habría ganado comprando los mismos activos el primer día y sin tocarlos, que es el punto de referencia que calcula el propio motor.
| Estrategia | Activos y periodo | Retorno | Sharpe | Caída máx. | Operaciones | Comprar y mantener |
|---|---|---|---|---|---|---|
| Comprar caídas: RSI < 40, precio sobre EMA20 y MACD positivo | BTC, ETH, SOL, LINK, AVAX · ene 2025 a jul 2026 | −33,6 % | −1,32 | −39,7 % | 31 | −58,3 % |
| Tendencia: RSI > 50 y precio sobre EMA50 y EMA200 | BTC, ETH, SOL · ene 2025 a jul 2026 | +17,1 % | 0,50 | −20,1 % | 14 | −45,5 % |
| La misma tendencia con stop −5 % y objetivo +10 % | BTC, ETH, SOL · ene 2025 a jul 2026 | +24,4 % | 0,66 | −16,2 % | 37 | −45,5 % |
| Tendencia en ETF | SPY y QQQ · ene 2024 a jul 2026 | +15,5 % | 0,62 | −10,1 % | 32 | +66,1 % |
En la primera versión de este artículo llamé "ganadora" a la estrategia de ETF. Me equivoqué, y lo corrijo aquí porque es la lección importante. Un +15,5 % con poca volatilidad suena bien hasta que lo pones al lado de no hacer nada: comprar SPY y QQQ en enero de 2024 y olvidarse daba un 66,1 %. La estrategia se quedó 50 puntos por detrás. Repetí la prueba con más historia (enero de 2022 a julio de 2026) y pasó lo mismo: +54,5 % frente a +65,8 %.
En cripto la foto es la contraria, y por un motivo poco glorioso. Esa cesta cayó un 45,5 % en el periodo, así que cualquier regla que te saque del mercado en las caídas parece genial. Con BTC solo y desde 2022, un periodo que incluye subidas fuertes, otra estrategia mía dio +37,9 % frente a +173,5 % de comprar y mantener.
Y una cuestión de muestra: 14 o 37 operaciones en un solo periodo no demuestran nada. En una auditoría que hice en septiembre a otra estrategia mía calculé que hacían falta unas 115 operaciones cerradas para distinguir ventaja real de suerte con un mínimo de confianza. Lo cuento en cómo validé mi estrategia sin autoengañarme.
¿Cuánto cuesta usarlo?
El programa es gratis. Lo que cuesta es el modelo de IA, y aquí también corrijo la versión de julio, donde hablaba de "unos 0,001 dólares por consulta". Era falso. Medido en los ficheros de uso que guarda cada ejecución:
| Backtest | Llamadas al modelo | Tokens de entrada | Tokens de salida | Duración |
|---|---|---|---|---|
| Comprar caídas en cripto | 49 | 2.128.213 | 13.619 | ~4,5 min |
| Tendencia en cripto | 37 | 1.621.262 | 7.936 | ~2 min |
| Tendencia con stop y objetivo | 40 | 1.684.828 | 5.991 | ~3 min |
| Tendencia en ETF | 28 | 1.121.753 | 10.210 | ~2 min |
Casi todo es entrada: el agente reenvía en cada paso unas 34.000 tokens de instrucciones y herramientas, y un backtest da entre 28 y 49 pasos. Con las tarifas actuales de DeepSeek Flash (0,30 $ por millón de tokens de entrada sin caché en hora punta, 0,006 $ con caché, y la mitad fuera de hora punta), un backtest cuesta entre 1 y 65 céntimos de dólar. La diferencia la marca la caché: como el bloque de instrucciones se repite, la mayor parte debería cobrarse al precio barato. No es caro, pero cien backtests explorando ideas ya no son "prácticamente cero".
Si no quieres pagar por token, admite Ollama en local. El README avisa de que los modelos pequeños fallan al usar herramientas y acaban respondiendo de memoria en vez de ejecutar el backtest, que es justo lo que no quieres en finanzas. Su recomendación por defecto es deepseek-v4-pro vía OpenRouter.
Si quieres ver el gasto completo de mis agentes durante un mes, está en cuánto cuesta de verdad correr agentes IA.
¿Cómo se instala?
Necesitas Python 3.11 o superior y una clave de algún proveedor compatible: OpenRouter, OpenAI, Anthropic, DeepSeek, Gemini, Qwen, Kimi y una docena más. Según la documentación oficial:
Para datos no necesitas claves: Yahoo para bolsa de EE. UU., Hong Kong, Canadá y Reino Unido, OKX para cripto y varias fuentes chinas para acciones A. En la Pi funcionó con pip a secas. Si actualizas desde una versión anterior a la 0.1.10, el README recomienda reinstalar en un entorno limpio porque cambió de LangChain 0.x a 1.x y las importaciones se rompen. Si vas a montarlo en casa como yo, uso una Raspberry Pi 5 de 8 GB; el cálculo pesado lo hace el modelo en la nube, la placa solo ejecuta el backtest.
¿Con qué brokers y mercados funciona?
La 0.1.16 lista 18 conectores. No todos hacen lo mismo, y conviene leer la letra pequeña antes de dar ninguna clave:
| Broker | Mercados | Qué permite |
|---|---|---|
| IBKR | Global | Solo lectura |
| Scalable Capital | Alemania y UE | Solo lectura, sin cuenta simulada |
| Alpaca, Tiger, Futu | EE. UU., Hong Kong, China | Lectura, simulado y real con límites |
| OKX, Binance | Cripto | Lectura, simulado y real con límites |
| Robinhood | EE. UU. | Lectura y real con límites (no tiene cuenta simulada) |
"Real con límites" quiere decir que tú firmas un mandato con activos permitidos, tamaño máximo de orden, exposición y tope diario, y el agente no puede salirse de él. Hay además un interruptor para pararlo todo al instante. Aun así, mi consejo es no pasar de simulado: el aviso legal del proyecto dice textualmente que la operativa con broker es experimental y no verificada contra una cuenta real.
Otras cosas que hace y que no tienen que ver con operar:
- Shadow Account: lee el historial que exportas de tu broker, saca las reglas que sigues sin darte cuenta y las compara con lo que hiciste de verdad.
- Documentos y gráficos: lee PDF, Excel y capturas de gráficos con un modelo de visión.
- Mensajería: manda los análisis por Telegram, Slack, Discord, correo y una docena de canales más.
¿Para quién merece la pena?
Para quien quiera probar ideas rápido y descartarlas rápido. En mi experiencia, ahí está todo su valor. Antes, montar un backtest de RSI con stop y objetivo me llevaba una tarde entre bajar datos, escribir el código y revisar fallos. Con Vibe-Trading fueron tres minutos y unos céntimos, con el código guardado para revisarlo. Eso es lo que vale.
No merece la pena para quien busca que la IA le diga qué comprar. El agente ejecuta muy bien lo que le pides y no te avisa de que lo que pides es mala idea: mis cuatro pruebas habrían salido "bien" si no hubiera mirado la columna de comprar y mantener. Ese juicio sigue siendo tuyo. Si quieres ver cómo lo integré en mi sistema, lo cuento en cómo implementé Vibe-Trading y qué resultados obtuve.
Preguntas frecuentes
¿Qué es Vibe-Trading?
Un agente de IA de código abierto (MIT) del laboratorio HKUDS de la Universidad de Hong Kong que convierte preguntas en lenguaje normal en investigación de mercado, código de estrategia y backtests, y que puede conectarse a brokers.
¿Vibe-Trading es gratis?
El software sí. El modelo de IA no: en mis pruebas cada backtest consumió de 1,1 a 2,1 millones de tokens, entre 1 y 65 céntimos de dólar con DeepSeek Flash. Con Ollama en local no pagas por token.
¿Vibe-Trading gana dinero?
No por sí mismo. Mi mejor estrategia en ETF ganó un 15,5 % frente al 66,1 % de comprar y mantener. En cripto batió al mercado porque el mercado cayó un 45,5 %.
¿Qué necesito para instalarlo?
Python 3.11 o superior y una clave de un proveedor compatible (o Ollama). Después, pip install vibe-trading-ai y vibe-trading init.
¿Con qué brokers funciona?
Con 18, entre ellos IBKR y Scalable Capital en solo lectura y Alpaca, Tiger, Futu, OKX y Binance en simulado y real con límites. La operativa real es experimental según el propio proyecto.
Mi opinión después de dos meses y medio
Sigo pensando que es la mejor herramienta abierta que he probado para investigar estrategias, y la versión de septiembre es más seria que la de julio: ahora se esfuerza por que cada número tenga origen. Lo que ha cambiado es lo que espero de ella. En julio vi tres resultados en verde y escribí que había un ganador. Con la referencia de comprar y mantener delante, ninguno lo era.
Si lo instalas, haz una cosa antes que ninguna otra: pídele siempre el resultado de comprar y mantener los mismos activos en el mismo periodo. Si tu estrategia no lo supera, no tienes una estrategia; tienes una forma más cara de invertir en un índice.