<!-- reviewed: 2026-06-10 by Codex, ISSUE_9305 Batch 5 insights locale review; source: ISSUE_9256 B2 -->
---
title: "Generaciones del software de trading: de MT4 a LLM"
url: https://stratcraft.ai/insights/trading-software-generations
type: insight
---

# Generaciones del software de trading: de MT4 a LLM

El software de trading ha evolucionado a través de cuatro generaciones prácticas: componentes indicadores, estrategias empaquetadas, pipelines de investigación a nivel de sistema y flujos de trabajo LLM de prompt a código.

## Comparación de generaciones

| Dimensión | Gen 1: Indicator Era | Gen 2: Strategy Era | Gen 3: System Era | Gen 4: LLM Era |
|---|---|---|---|---|
| Periodo temporal | ~2005-2012 | ~2012-2018 | ~2018-2023 | 2023-presente |
| Productos representativos | MT4 / MQL4 | Backtrader, freqtrade, vnpy | QuantConnect, WorldQuant BRAIN | ChatGPT + API de bróker |
| Abstracción central | Indicadores modulares | Lógica de estrategia empaquetada: entrada, salida, sizing | Pipeline de feature engineering | Lenguaje natural a código |
| Flujo de trabajo típico | Arrastrar indicadores, definir condiciones, hacer backtest | Escribir el código de la estrategia, optimizar parámetros, hacer backtest | Construir un pipeline de features, entrenar, validar, ejecutar | Prompt, generar estrategia, hacer backtest |
| Principal avance | Los indicadores pasaron de los libros y foros a componentes reutilizables | Las estrategias completas se volvieron empaquetables, compartibles y reproducibles | El pipeline se convirtió en el producto, con validación estandarizada | La generación es rápida y la barrera de entrada es baja |
| Trampa típica | Adoración del indicador y mentalidad del santo grial | Sobreajuste de parámetros: la búsqueda genética encuentra coincidencias, no robustez | Fuga de datos y sesgo de supervivencia | Alucinación de estrategia y ceguera al sobreajuste del backtest |
| Causa raíz del fallo | Las reglas son manuales y carecen de validación sistemática | El objetivo de optimización es el retorno del backtest, no la robustez | La complejidad del modelo oculta problemas de calidad de datos | El modelo se salta la infraestructura acumulada en las tres primeras generaciones |

## Modos de fallo del LLM

### Alucinación de estrategia

El modelo emite una lógica de trading plausible que parece cuantitativa pero no tiene fundamento de mercado, ni base estadística, o tiene supuestos inválidos. Crea código que pasa las comprobaciones sintácticas mientras introduce de contrabando una causalidad falsa.

### Ceguera al sobreajuste del backtest

El modelo trata un backtest rentable como una validación y pasa por alto fugas, minería de parámetros, regímenes inestables o sesgo de supervivencia. Acelera el curve fitting porque la velocidad de generación multiplica las variantes no probadas.

## Ejemplo del patrón Z-Score

```python
spread = asset_a.close - hedge_ratio * asset_b.close
z_score = (spread - spread.mean()) / spread.std()

if z_score > 2:
    short(asset_a)
    long(asset_b)
elif z_score < -2:
    long(asset_a)
    short(asset_b)
```

## Modelo + Herramientas

Los LLM resultan útiles cuando se envuelven en herramientas. Un stack de trading serio no es solo un modelo; incluye motores de pricing, lógica de ejecución, controles de riesgo, validación de datos, monitorización y disciplina de despliegue. Los sistemas al estilo de Jane Street muestran el patrón: el modelo es una capa dentro de una cadena de herramientas mayor.

## Posicionamiento de StratCraft

StratCraft no es una afirmación de Gen 5. Es infraestructura para desarrolladores de Gen 2 y Gen 3 que necesitan un rendimiento de backtesting local al nivel de C++, aislamiento de plugins y un ecosistema que haga repetibles la generación, validación y composición de estrategias.

Fuente: https://stratcraft.ai/insights/trading-software-generations
