Le pregunté a Claude dónde invertir $10.000: esto pasó

Una amiga mía lleva ocho meses con $10.000 parados en una cuenta de ahorros.

No es indecisa por naturaleza. Se dedica a construir modelos financieros.

Pero cada vez que se sienta a invertirlo de verdad, pasa lo mismo. Quince pestañas abiertas. Dos vídeos de YouTube titulados "mejores acciones para 2026". Una nota en el móvil llamada "investigación" que nunca pasa del segundo punto.

El mes pasado me preguntó qué haría yo con ese dinero. No le di una respuesta.

Abrí Claude en su lugar.

No para preguntarle "qué debería comprar". Esa pregunta solo te da una evasiva y un encogimiento de hombros, venga de un humano o de una IA. Le pedí algo más concreto: conectarse a datos de mercado reales, extraer fundamentales y lecturas técnicas de un puñado de activos, y construir una asignación de $10.000 que se pudiera defender con números en vez de con una corazonada.

Esto es lo que salió, y por qué es un ejercicio distinto de lo que la mayoría entiende cuando dice "le pregunté a la IA dónde invertir".

Si eres:

alguien con efectivo parado que siempre piensa invertir y nunca termina de hacerlo,
alguien construyendo una herramienta que necesita que una IA razone sobre datos financieros en vivo,
o simplemente tienes curiosidad de cómo es realmente la "inversión asistida por IA" una vez quitas los números inventados,

esto vale la pena leerlo.

El problema de pedirle consejo de inversión a una IA

Mi amiga ya lo había intentado antes, semanas antes de preguntarme a mí. Había escrito "en qué debería invertir $10.000" en un chatbot y había recibido tres párrafos que sonaban seguros y no decían nada sobre lo que pudiera actuar.

Ese es el resultado por defecto. Pregúntale lo mismo a ChatGPT o a Claude sin conexión a datos, y obtendrás una respuesta que suena razonable y no significa nada.

El modelo no sabe el precio de hoy. No sabe los resultados de esta semana. No sabe si la acción que acaba de recomendar subió un 40% desde el corte de su entrenamiento o bajó un 40%.

Está haciendo pattern-matching contra una foto de internet que ya está desactualizada.

Los desarrolladores que construyen herramientas financieras se topan con esto constantemente:

El modelo recomienda un ratio P/E que era correcto hace 18 meses
Describe la historia de crecimiento de una empresa sin conocer sus últimos dos reportes de resultados
Da el consejo genérico de "considera diversificar" porque no tiene números de tu cartera concretos sobre los cuales razonar

Nada de eso es un problema de razonamiento. Es un problema de datos.

Una IA es tan buena como los números que le entregas

Claude puede razonar bien sobre mercados. Rotación de sectores, compensaciones de valoración, asignación de riesgo — entiende los conceptos sin problema.

Lo que no puede hacer por sí solo es saber a cuánto cotiza MSFT hoy, o cuál es el ratio de payout actual del dividendo de Johnson & Johnson, o cuánto ha retrocedido el oro desde sus máximos de 2026.

Conéctalo a un feed de datos en vivo, y el razonamiento de repente tiene algo real con qué trabajar.

Anclando el análisis en datos reales

Para esto, usé la API de EODHD, que expone fundamentales, precios históricos e indicadores técnicos para más de 150.000 tickers a través de una serie de endpoints REST (y, vía MCP, directamente invocable por Claude dentro de una conversación).

En lugar de pedirle a Claude que "recomendara acciones", le pedí que extrajera fundamentales y lecturas técnicas actuales de una lista corta de activos en distintos cubos de riesgo, y luego construyera una asignación de $10.000 a partir de lo que encontrara.

No una corazonada. Una extracción estructurada de ratios P/E, dividend yields, crecimiento de ingresos, rangos de 52 semanas y tendencia de precio, seguida de una decisión de asignación que tenía que referenciar esos números concretos.

Conectando Claude al servidor MCP de EODHD, paso a paso

Antes de extraer ningún número, Claude necesita una conexión en vivo a EODHD. Así se configura:

Consigue una API key gratuita. Regístrate en eodhd.com y toma tu key desde el dashboard. El plan gratuito cubre todo lo de este artículo.
Elige la versión correcta del endpoint. EODHD ofrece dos: v2 usa OAuth 2.1 y es la que debes usar en Claude Desktop o claude.ai, ya que nunca pegas una key en ningún sitio. v1 usa una API key en la URL y encaja mejor con Claude Code, ChatGPT, o un agente personalizado.
Añade el conector. En Claude, abre Settings, ve a Connectors, y añade un conector personalizado apuntando a https://mcp.eodhd.com/v2/mcp.
Autentícate. Aprueba el prompt de OAuth de EODHD. Sin copiar keys, sin variables de entorno.
Actívalo en un chat y pide algo concreto. "Extrae el P/E actual de MSFT y su RSI de 14 días vía EODHD" es una mejor primera prueba que "cuéntame sobre Microsoft". La primera fuerza una llamada a herramienta. La segunda deja que el modelo recurra a su memoria.

Ese conector expone 75 herramientas de solo lectura: fundamentales, precios históricos e intradía, indicadores técnicos, opciones, datos macro, noticias y puntuaciones ESG, todas bajo un mismo esquema en vez de cinco distintos.

Extrayendo los números

Aquí tienes una versión simplificada de cómo se ve una llamada REST plana por detrás, por si estás integrando esto en tu propio script en vez de un conector de chat. Fundamentales e indicadores técnicos, por ticker, a través de la API REST de EODHD:

import requests
API_TOKEN = "YOUR_API_KEY"
TICKERS = ["VOO.US", "MSFT.US", "JNJ.US", "SHY.US"]
def get_fundamentals(ticker):
    url = f"https://eodhd.com/api/fundamentals/{ticker}"
    params = {"api_token": API_TOKEN, "fmt": "json"}
    return requests.get(url, params=params).json()
def get_rsi(ticker, period=14):
    url = f"https://eodhd.com/api/technical/{ticker}"
    params = {
        "api_token": API_TOKEN,
        "function": "rsi",
        "period": period,
        "fmt": "json",
    }
    return requests.get(url, params=params).json()
for ticker in TICKERS:
    highlights = get_fundamentals(ticker).get("Highlights", {})
    rsi = get_rsi(ticker)
    print(ticker, "P/E:", highlights.get("PERatio"), "| latest RSI:", rsi[-1]["rsi"])

Desde aquí puedes construir:

un screener que marque posiciones sobre- o infravaloradas en una watchlist
un agente de rebalanceo que revise mensualmente la desviación de la asignación
un asistente de investigación que solo hable con números que acaba de consultar, no números que recuerda

Ese es el verdadero desbloqueo. No "la IA elige acciones", sino "la IA razona sobre datos verificados y actuales, y muestra su trabajo".

Por qué MCP en lugar de simplemente llamar a la API

El script de arriba funciona bien por sí solo. Entonces, ¿por qué pasar por MCP?

Porque con una llamada REST plana, tú eres dueño de la integración. Escribes la petición, gestionas la forma de la respuesta para cada categoría de endpoint de EODHD, y actualizas tu código cada vez que un campo cambia.

Con MCP, ese trabajo ya vive en el servidor de EODHD. Claude ve una herramienta con nombre y un esquema definido, no una URL que recordar. Pide los fundamentales y los indicadores técnicos de una acción en la misma frase, y el modelo puede llamar a ambas herramientas y combinar los resultados sin que tú escribas la lógica de orquestación.

Ventajas

No hay código de integración que mantener de tu lado
El modelo puede encadenar varias llamadas a herramientas (fundamentales, técnicos, sentimiento de noticias) en un solo turno
Más de 100 páginas de la propia documentación de EODHD están expuestas como recursos MCP, así que el modelo puede consultar la definición de un campo antes de usarlo

Desventajas

Menos control sobre los parámetros exactos de la petición que con una llamada escrita a mano
Añade una dependencia extra: que el servidor MCP de EODHD siga en pie, además de la propia API

Ideal para: investigación conversacional y prototipado. Si estás construyendo un servicio backend con requisitos estrictos de latencia o rate-limit, ahí sigue teniendo sentido llamar directamente a la API REST. MCP es para la capa donde Claude es quien razona.

Por qué EODHD en lugar de otro proveedor de datos

Fundamentales de un proveedor, técnicos de otro, sentimiento de noticias de un tercero: ese es el estado habitual de un stack de datos financieros hecho a mano, y es la mayor parte del trabajo de integración en un proyecto como este.

La propuesta de EODHD es una sola cuenta que cubre fundamentales, precios históricos e intradía, indicadores técnicos, opciones, datos macro y noticias, en más de 150.000 tickers y más de 70 exchanges, con más de 30 años de historial. Para este artículo, eso significó una sola API key en vez de tres.

El servidor MCP también importa aquí. La mayoría de los proveedores de datos alternativos todavía no exponen uno, así que incluso con una API más barata, seguirías escribiendo tu propio wrapper de herramienta para que Claude la use.

Desventajas a tener en cuenta: el nivel gratuito tiene límites de tasa, y los datos tick en tiempo real verdadero de EE.UU. están detrás de un plan de pago. Si tu caso de uso es infraestructura de trading de alta frecuencia, esto no es para eso. Si es investigación asistida por IA, screening, o el tipo de trabajo de asignación de este artículo, el nivel gratuito alcanza para empezar.

La asignación de $10.000

Esto es lo que salió, construido para una tolerancia al riesgo moderada y un horizonte de varios años, no para un trade.

1. Vanguard S&P 500 ETF (VOO): $3.500 (35%)

VOO cerró la semana cerca de $702, dentro de un rango de 52 semanas de $578 a $716, y cerca de su máximo histórico. Expense ratio: 0,03%. P/E trailing entre 27 y 28. Dividend yield cerca del 1,1%.

El panorama técnico es el de una acción todavía en tendencia alcista pero ya no barata bajo ninguna medida histórica. El panorama fundamental es poco llamativo, como debe ser una posición núcleo: exposición amplia a unas 500 grandes empresas de EE.UU., sin riesgo de una sola acción, y un expense ratio que apenas se nota.

Ideal para: la base de la cartera, no el motor de retorno.

2. Microsoft (MSFT): $2.000 (20%)

MSFT cotizaba cerca de $491, lejos de su máximo de 52 semanas de $554 pero muy por encima de su mínimo de 52 semanas de $349. P/E cerca de 28. Dividend yield por debajo del 1%, pequeño pero creciendo.

Los fundamentales sostienen el caso aquí: crecimiento de ingresos proyectado cerca del 18% este año y más del 19% el próximo, impulsado por Azure y la demanda de infraestructura de IA. El consenso de analistas está en "Strong Buy" con precios objetivo agrupados muy por encima del precio actual.

Desventajas: una valoración premium que ya descuenta buena parte de ese crecimiento, y exposición total a lo que le pase al gasto en capex de IA si el ciclo se enfría.

Ideal para: exposición a crecimiento sin riesgo de concentración en un solo producto.

3. Johnson & Johnson (JNJ): $2.000 (20%)

JNJ cotizaba cerca de $260, cerca de su máximo de 52 semanas, con un P/E cerca de 30, un dividend yield cerca del 2%, y un payout ratio cerca del 60%.

Ese último número importa más de lo que parece. JNJ ha subido su dividendo durante 64 años consecutivos. Un payout ratio del 60% significa que hay margen para seguir haciéndolo incluso si el crecimiento de ganancias se desacelera.

Ideal para: el contrapeso defensivo a la apuesta de crecimiento de MSFT. La demanda de salud no se mueve con el Nasdaq.

4. Oro, vía un ETF respaldado físicamente: $1.500 (15%)

Esta es la posición que los fundamentales no pueden explicar del todo, porque el oro no tiene ganancias ni un P/E. Tiene un precio, y el precio cuenta la historia.

El oro spot vivió en 2026 una de sus corridas más pronunciadas en décadas, superando los $5.000 la onza por primera vez antes de perder cerca de $1.200 en dos días de negociación, su peor caída de dos días desde 1983. Desde entonces se ha estabilizado en la zona baja de los $4.000.

Las compras de bancos centrales y las expectativas de recortes de tasas siguen siendo un soporte. Pero un gráfico que se dispara verticalmente y luego cae un 20% en 48 horas no es un gráfico sobre el que construir una posición completa.

Ideal para: una cobertura del tamaño justo para que una corrección adicional no arruine la cartera, no una apuesta a $6.000 el oro.

5. iShares 1–3 Year Treasury Bond ETF (SHY): $1.000 (10%)

SHY cotiza cerca de $82 con un yield SEC a 30 días cerca del 4%, una duración efectiva menor a dos años, y una volatilidad casi nula frente a la renta variable.

Aquí no hay debate técnico ni fundamental que tener. Es la posición que te permite rebalancear hacia una caída en vez de vender durante una.

Ideal para: pólvora seca que gana un rendimiento real mientras espera.

Si estás construyendo algo similar, el nivel de API que hizo esto lo bastante rápido como para ejecutarlo de verdad fue el de EODHD, sobre todo porque fundamentales, precios históricos e indicadores técnicos viven detrás de una sola interfaz consistente en vez de tres proveedores distintos.

→ Empieza con la API de EODHD

Mirando hacia adelante: qué cambiaría esta asignación

Nada de esto es una predicción. Es la lista corta de números que vale la pena revisar antes del próximo rebalanceo, porque cada una de estas posiciones tiene algo específico que rompería su tesis.

Los recortes de tasas son el mayor factor de cambio para toda la mezcla. Los recortes tienden a sostener aún más las valoraciones de renta variable y son parte de por qué el oro se ha mantenido demandado pese a su retroceso. También bajarían el yield de reinversión de SHY, que es la contrapartida de tener algo tan seguro.

MSFT es la posición con menos margen de error. Su caso descansa en que el crecimiento de Azure e infraestructura de IA se mantenga cerca del 18-19% que proyectan actualmente los analistas. Una desaceleración en ese número específico importa más aquí que en cualquier otra posición, porque la valoración ya asume que va a pasar.

La matemática del dividendo de JNJ es lo que hay que vigilar, no el precio. Una racha de 64 años de aumentos y un payout ratio del 60% dan margen real. Un precipicio de patentes o un titular de litigio importante aparecería en los fundamentales antes de aparecer en el dividendo.

El oro es la posición a reevaluar primero si vuelve a moverse. Después de una corrida por encima de $5.000 y una caída del 20% en dos días, otra baja hacia la zona de los $4.000 bajos no rompería la tesis con este tamaño de posición. Una ruptura por debajo de los niveles de soporte que ya vigilan la mayoría de las mesas técnicas sería la señal para revisar de nuevo, no para añadir más.

En qué está apostando realmente esta asignación

Dos posiciones grandes de renta variable de calidad cargando con la mayor parte del crecimiento. Un aristócrata del dividendo absorbiendo la volatilidad. Una posición en oro del tamaño de una cobertura, no de una convicción. Bonos del tesoro tipo efectivo sin hacer nada emocionante, a propósito.

Nada de esto es un dato caliente. Todo es un número que Claude podía señalar y defender.

Consejos para hacer esto tú mismo

Vuelve a extraer los fundamentales mensualmente, no a diario. Los ratios P/E y de payout no se mueven lo bastante rápido como para justificar revisarlos cada día, y revisarlos a diario solo invita a operar por ruido.
Pídele a Claude que muestre los números concretos que extrajo, no solo su conclusión. Si no puede citar el P/E o el RSI específico detrás de una afirmación, está razonando sin anclaje otra vez.
Fija una regla de rebalanceo antes de empezar, algo como "marca cualquier posición que se desvíe más de 5 puntos porcentuales de su objetivo", y deja que el agente revise ese único número en vez de relitigar toda la asignación desde cero cada vez.
Mantén el conector limitado a herramientas de solo lectura. Cada herramienta del servidor MCP de EODHD es de solo lectura, así que no hay forma de que el modelo coloque una operación. Ese es el default correcto aquí.
Empieza en el nivel gratuito. Sube de plan una vez sepas qué endpoints específicos estás usando de verdad, no antes.

Puntos clave

Una IA sin acceso a datos en vivo es una adivinanza con buena gramática. Conéctala a un feed real y el razonamiento se vuelve algo que de verdad puedes verificar.
Fundamentales y técnicos cuentan historias distintas sobre el mismo activo. VOO y JNJ se ven "caros" por P/E, pero por razones muy distintas y con perfiles de riesgo muy distintos.
El resultado más útil no fue una acción elegida. Fue una estructura de cartera donde cada posición tenía un trabajo declarado.

Esto no es asesoría financiera, y no soy asesor financiero. Es una demostración de lo que pasa cuando dejas de pedirle a una IA que adivine y empiezas a pedirle que busque algo primero.

¿Necesitas contenido técnico para tu producto fintech, API, o de desarrolladores?
Escribo tutoriales respaldados por datos como este, anclados en llamadas a APIs reales en vez de copy de marketing.
→ Ve mi trabajo

¿Buscas contenido técnico para tu empresa? Puedo ayudarte — LinkedIn · kevinmenesesgonzalez@gmail.com