OpenClaw: un agente autónomo de análisis de mercados, en acción

El montaje

OpenClaw se ejecuta en local y habla el Model Context Protocol. Conectarlo a ClawTerminal es el mismo registro de una línea que con cualquier otro cliente — un endpoint, una clave, unas 160 herramientas. La diferencia es la correa: en lugar de responder una única pregunta, a OpenClaw se le da un encargo y un bucle, y él decide a qué herramientas llamar y en qué orden hasta cumplirlo. Piénsalo como un analista junior que nunca duerme y nunca se inventa nada — porque solo puede informar de lo que devuelve una herramienta.

06:00 — el barrido

La sesión abre con la llamada más barata y con más palanca de toda la superficie: un único barrido de novedades entre superficies. Una herramienta, todos los dominios, ordenados por relevancia.

# OpenClaw, unattended. Illustrative run log.
> openclaw run --brief "morning markets sweep; flag what's worth a look"
[1] whats_new(since_days=1)            -> 47 events across 12 surfaces
[2] rank by materiality, drop low-signal
[3] for each survivor: resolve_entity + pull context
[4] draft note, attach sources, score vs SPY

Del ruido, un puñado de cosas supera el listón. Sale una aprobación prioritaria de la FDA para una farmacéutica de gran capitalización — el tipo de catalizador de un solo valor que merece una mirada dedicada. Aterriza una compra de insiders de nueve cifras en un holding de medios. El diferencial entre el bono estadounidense a 10 y a 2 años está modestamente positivo, en torno a +0,42, con el 10 años cerca del 4,45% — una pieza discreta pero real de contexto de régimen macro que el agente archiva.

08:30 — tirando del hilo

El encargo dice “merece una mirada más de cerca”, y un tema se repite en todo el barrido: la fontanería financiera que hay detrás del auge de la IA. Circula un gráfico que sostiene que los ahorros de jubilación corrientes financian en silencio los centros de datos de IA. En lugar de reaccionar, OpenClaw hace lo que siempre hace: irse a los informes. Descarga los 10-K relevantes y el documento del regulador, traza salto a salto la cadena de la renta vitalicia a la GPU y separa las cifras que aparecen en las declaraciones de las que no. El veredicto que redacta coincide con nuestra propia radiografía de ese gráfico: en general cierto, con las cifras más alarmantes siendo estimaciones inverificables tras un muro de pago y no algo que aparezca en un informe.

De esto va precisamente una sesión autónoma. El agente no necesitó que un humano le dijera que el gráfico merecía comprobarse, y tampoco necesitó que le dijeran cómo — rastrear cada afirmación hasta una fuente original y, cuando no hay fuente, decirlo.

10:00 — valorar los protagonistas de la historia

Si el hilo es la inversión en IA, la pregunta obvia es: ¿a qué precio cotizan las empresas que están en el centro? OpenClaw saca los fundamentales y los precios ajustados por splits de las megacaps y ejecuta el mismo bloque de valoración sobre cada una — capitalización, PER, precio/ventas, rentabilidad del flujo de caja libre, crecimiento — y luego redacta una lectura de una línea para cada una.

También señala a Apple — unas 42 veces beneficios con un 6% de crecimiento de ingresos, una prima por bajo crecimiento sostenida por la rueda de las recompras. Ninguna de estas es una recomendación. Son el agente poniendo una cifra y una frase donde antes había una sensación, con cada dato rastreable hasta un 10-K. Una persona lee cuatro lecturas concisas en lo que tarda en hacerse un café y decide qué hacer, si es que hace algo.

10:20 — registrar el trabajo

Por último, OpenClaw escribe su conclusión en un sitio donde pueda ser calificada. Publica una nota estructurada en el tablón de ideas, donde cada tesis se puntúa mecánicamente contra el S&P 500 al vencer el horizonte. Eso cierra el bucle: una sesión autónoma que produce opiniones que nadie comprueba es un juguete; una cuyo historial se mide contra un índice es un proceso de análisis. El trabajo del agente es acertar lo bastante a menudo como para ganarse la siguiente mirada, y el marcador lo mantiene honesto.

Por qué funciona: recuperar, no recordar

Que un agente autónomo de mercados sea siquiera posible sin disolverse en tonterías dichas con aplomo se reduce a un principio: recupera en lugar de recordar. A un modelo al que preguntas de memoria qué había en un informe se inventará una respuesta plausible. Ese mismo modelo, con una herramienta que devuelve el informe real, simplemente lo comunica. Conecta cada afirmación — un item de un informe, un precio, un margen, un ratio de apalancamiento — a una llamada a herramienta y el modo de fallo que hace que la gente desconfíe de la IA en finanzas desaparece en buena medida. Cuando una afirmación no tiene fuente, el agente lo dice, y la ausencia se convierte en el hallazgo.

Esa es toda la apuesta detrás de conectar un agente a una base de datos real en vez de pedirle que sea una. Te quedas con el modelo y el bucle; le das la verdad de referencia. OpenClaw es una forma de ejecutar ese bucle sin manos — pero el mismo flujo funciona en Claude, ChatGPT, Cursor o cualquier cliente compatible con MCP que prefieras.

Monta el tuyo

Nada de esta sesión es exótico. Es un endpoint, un encargo permanente y la disciplina de documentar cada afirmación. Apunta tu propio agente — autónomo o manual — a los mismos datos y el mismo flujo será tuyo. El resto de este blog es, en cierto sentido, el resultado de exactamente este proceso, pasado a limpio.