Petr Tripolsky presenta en Habr un agente de IA para analizar noticias y señales de Bitcoin

Petr Tripolsky ha publicado en Habr el esquema de un agente de IA para el análisis de noticias del mercado cripto. En el artículo explica por qué las soluciones populares de GitHub para señales de trading fallan ante eventos reales y muestra un esquema más práctico: el agente primero busca desencadenantes recientes del mercado y solo después emite una señal corta, BUY, SELL o WAIT.

Dónde fallan las alternativas

El autor empieza criticando dos enfoques populares. El primero son los enjambres de agentes que discuten entre sí a partir de indicadores sin procesar como RSI, Stoch RSI y otras métricas. Sobre el papel resulta convincente: un agente defiende la subida, otro la caída, y el usuario elige el número de rondas de debate. Pero en la práctica, escribe Tripolsky, el modelo suele aferrarse a la primera señal que encuentra y construye a su alrededor una explicación, ignorando los datos contradictorios. El resultado es un sistema que se parece más a una simulación vistosa de análisis que a una herramienta real de toma de decisiones.

El segundo enfoque parece más sólido: varios agentes se reparten temas fundamentales, como flujos de ETF, reservas on-chain, hashrate, acciones de grandes tenedores, macroeconomía y precio. El problema es que este análisis es demasiado estático. Puede servir para tener una visión general del mes, pero reacciona mal a los shocks repentinos del mercado, cuando el precio lo mueve no un equilibrio de indicadores, sino un único evento brusco en una hora concreta. Es justo ahí, según el autor, donde el mercado acaba yéndose en una dirección totalmente distinta.

Una nueva lógica de búsqueda

En lugar de un debate entre agentes abstractos, el autor propone un esquema basado en el patrón «razonamiento + acción». La idea es que el modelo no debe quedar encerrado en un conjunto de métricas cargado de antemano. Entre un paso de razonamiento y otro, debe poder volver a buscar hechos en internet y precisar qué ha ocurrido exactamente en las últimas horas. Así, el agente no habla del mercado en general, sino que reacciona a un contexto concreto de fecha y momento. Es un intento de que la consulta al mundo sea adaptativa y no puntual.

«Los eventos agudos pesan más que el análisis rezagado».

En el código publicado de búsqueda web se le imponen al agente reglas estrictas: no mirar al futuro, no usar materiales sin fecha clara y no copiar una sola opinión de un artículo como conclusión ya hecha. En esencia, el agente funciona como un editor rápido de un resumen de mercado que debe reunir varias confirmaciones antes de emitir una señal. Para ello se le pide hacer varias búsquedas y contrastar el panorama con publicaciones independientes.

• Busca noticias de última hora sobre el activo en las últimas 4–12 horas
• Comprueba acciones regulatorias, hackeos de exchanges y suspensiones de retiradas
• Vigila sorpresas macro, como una decisión de la Fed o la publicación del IPC
• Revisa volúmenes anómalos y las causas de los movimientos bruscos del precio
• Si el panorama es contradictorio, elige WAIT en lugar de un pronóstico forzado

Además, el autor formaliza el formato de salida. El modelo debe devolver no un análisis largo, sino una de tres acciones y una breve explicación de qué eventos llevaron a ella. Así el sistema se acerca menos a un ensayo analítico y más a una herramienta operativa que puede conectarse a un backtest o a un circuito de trading. Este formato resulta especialmente cómodo cuando la señal debe verificarse después automáticamente con datos históricos o pasarse a la lógica de trading.

Prueba en el mercado

Para la demostración, Tripolsky ejecutó el agente con noticias sobre Bitcoin de abril de 2026. A largo plazo, el análisis fundamental general parecía bajista: tipos altos, volúmenes débiles, presión de los mineros y flujos institucionales ambiguos empujaban al modelo hacia una señal SELL. Pero el artículo muestra a continuación por qué ese marco por sí solo no basta. El panorama mensual y la decisión para las próximas horas son tareas distintas. Esa brecha es la que el autor intenta cerrar con el agente de noticias.

El 5 de abril de 2026, el agente detectó el aumento de la tensión geopolítica tras el ultimátum de EE. UU. a Irán, pero no encontró un catalizador lo bastante limpio e inequívoco para entrar.

El resultado fue WAIT. El 8 de abril de 2026, tras el anuncio de una tregua de dos semanas con Irán, el sistema registró un fuerte salto de Bitcoin hasta los 72 000 dólares, la liquidación de unos 425 millones de dólares en posiciones cortas y un pico de volumen, y emitió BUY. Y el 9 de abril de 2026 la señal volvió a ser WAIT: el impulso alcista chocó con la presión de los mineros, las opciones y nuevos riesgos, por lo que el modelo optó por la cautela.

Este fragmento es la idea central de todo el artículo. El autor no promete un «oráculo inteligente» que siempre acierte con el mercado. Al contrario, muestra una mecánica más disciplinada: primero identificar el evento agudo, luego comprobar las confirmaciones y solo después decidir si hay base alguna para operar. Para los agentes de IA en finanzas esto importa más que los razonamientos elegantes sobre fundamentales, porque aquí el error no surge por falta de datos, sino por el orden equivocado de trabajar con ellos.

Qué significa

El artículo de Habr no ofrece un grial del trading listo para usar, sino un esquema útil para agentes de IA de noticias. La idea clave es sencilla: en un mercado que cambia rápido, el modelo debe saber redescubrir el contexto por fecha, reconocer la incertidumbre y elegir WAIT con más frecuencia si los hechos recientes no bastan. Este enfoque puede servir no solo en cripto, sino en cualquier sistema donde la decisión dependa de noticias de las últimas horas y minutos.