Analizar acciones con Claude y datos reales

Claude es muy capaz de leer datos financieros y explicar su significado. Sin embargo, falla al intentar conocer los valores del día, ya que los datos de entrenamiento de un modelo de lenguaje terminan meses antes de que realices una consulta. La solución es simple: proporciona a Claude datos de mercado en tiempo real mediante una API y deja que realice su tarea principal: análisis, comparación y explicaciones en lenguaje natural.

Esta guía muestra cómo lograrlo utilizando una API de datos de mercado gratuita, tres métodos distintos para conectar Claude y prompts funcionales para copiar. Nota aclaratoria: la API pertenece a Strasmore, desarrollada por nuestro equipo. No requiere cuenta, por lo que puede probar todo lo contenido en esta guía en los próximos cinco minutos.

Por qué Claude necesita una fuente de datos

Si pregunta a Claude "¿cuál es el dividend yield de Microsoft ahora mismo?" sin herramientas conectadas, obtendrá uno de dos errores. O bien se niega a responder, o responde basándose en datos de entrenamiento de hace meses. Ambos casos ocurren porque el modelo no tiene acceso a precios actuales. No puede realizar búsquedas por sí mismo.

Al conectar una fuente de datos, el escenario cambia por completo. Claude procesa JSON con fluidez, mantiene decenas de filas en contexto sin perder el hilo, y puede comparar, clasificar y resumir lo que los datos muestran. La calidad de la respuesta ahora depende de la calidad de los datos que usted le proporcione.

Una API de datos de mercado gratuita sin clave

La API de demostración de Strasmore sirve un catálogo de consultas fijas sobre datos de acciones y opciones de EE. UU. en formato JSON simple. No requiere registro, ni clave de API, ni gestión de límites de tasa (rate-limits). La referencia completa de los endpoints se encuentra en la publicación de la documentación de la API; la versión resumida es:

# What queries exist? (start here)
curl "https://ai.strasmore.com/api/demo/catalog"

# The highest large-cap dividend yields right now
curl "https://ai.strasmore.com/api/demo?q=dividend_yield_leaders"

# Implied-volatility leaders in the options market
curl "https://ai.strasmore.com/api/demo?q=iv_leaders"

# The latest market headlines with tickers
curl "https://ai.strasmore.com/api/demo?q=latest_market_news"

Cada respuesta incluye las filas, los nombres de las columnas y el SQL exacto que generó los números. Esta última parte es crucial para el trabajo con IA: puede mostrar a Claude el SQL junto con los datos, y este le explicará tanto la consulta como el resultado.

Los precios tienen retraso y las griegas de las opciones son valores de cierre de mercado. Para flujos de trabajo de aprendizaje, filtrado y análisis, esto es exactamente lo que necesita. No es un feed de trading, y esta guía trata sobre análisis, no sobre ejecución de operaciones.

Método 1: pegar el JSON en un chat

La versión sin configuración. Ejecute un comando curl, copie el JSON y péguelo en un chat de Claude con una instrucción clara. Esto funciona en la web app de claude.ai, la aplicación de escritorio o cualquier interfaz de chat.

Un formato de prompt que funciona bien:

Here is JSON from a market data API. The `sql` field shows exactly
how the numbers were computed.

[paste the JSON here]

1. Summarize what this data shows in plain English.
2. Which three rows stand out, and what makes them unusual?
3. What would you want to check next before drawing conclusions?

La tercera pregunta es la más importante. Obliga a Claude a identificar los límites de los datos en lugar de sobrepasar su capacidad, y sus sugerencias ("verifique el historial de pagos", "compare con el sector") suelen generar una mejor siguiente consulta que cualquier otra escrita de forma improvisada.

Método 2: dejar que Claude Code obtenga los datos por sí mismo

Si utiliza Claude Code, puede omitir el proceso de copiar y pegar, ya que Claude Code puede ejecutar curl de forma autónoma. Plantee una pregunta y especifique dónde residen los datos:

Fetch https://ai.strasmore.com/api/demo/catalog, pick the query that
best answers this question, fetch it, and analyze the result:
which large-cap stocks pay the highest dividend yields right now,
and how do their P/E ratios compare?

Claude Code lee el catálogo, elige dividend_yield_leaders, lo descarga y trabaja con las filas reales. Debido a que el bucle del agente se ejecuta en su máquina, esto se integra con todo lo demás en ella: puede guardar resultados en archivos, graficarlos con un script de Python o comparar el filtro de hoy con el guardado la semana pasada. Un costo a considerar: cada payload JSON que el agente descarga permanece en la conversación y se reenvía en el siguiente turno, lo cual es la razón por la que una sesión larga de Claude Code resulta costosa.

Un servidor Linux siempre encendido es el entorno ideal para este flujo de trabajo. Un bucle diario de "obtener filtros, comparar con ayer, escribir un resumen" requiere una máquina que nunca se apague; tenemos una guía completa para ejecutar Claude Code en un VPS con tmux para que las sesiones sobrevivan a desconexiones de SSH. Si elige este camino, lea primero nuestra guía para ejecutar agentes de IA de forma segura en un VPS; un agente con acceso a la shell requiere medidas de seguridad reales.

Método 3: la API de Claude con una herramienta de obtención (fetch tool)

Para el software que esté desarrollando, proporcione la API a Claude como una herramienta. Con el SDK de Python de Anthropic, toda la conexión es una definición de herramienta y una función de obtención:

import json, urllib.request
import anthropic

def fetch_demo(query_key: str) -> str:
    url = f"https://ai.strasmore.com/api/demo?q={query_key}"
    with urllib.request.urlopen(url, timeout=30) as r:
        return r.read().decode()

client = anthropic.Anthropic()
tools = [{
    "name": "fetch_market_data",
    "description": "Fetch a fixed market-data query. Keys are listed at "
                   "https://ai.strasmore.com/api/demo/catalog e.g. "
                   "dividend_yield_leaders, iv_leaders, latest_market_news.",
    "input_schema": {
        "type": "object",
        "properties": {"query_key": {"type": "string"}},
        "required": ["query_key"],
    },
}]

# Claude decides when to call the tool; your loop executes fetch_demo()
# and returns the JSON as the tool result. See Anthropic's tool-use docs.

Claude llama a la herramienta cuando una pregunta requiere datos, usted ejecuta la obtención y devuelve el JSON, y el modelo responde basándose en filas reales en lugar de su memoria. El mismo patrón funciona con el Model Context Protocol si prefiere un servidor reutilizable en lugar de una herramienta en línea; nuestra guía sobre servidores MCP en un VPS cubre su alojamiento.

Prompts para obtener un análisis de calidad

Algunos patrones que mejoran consistentemente el resultado, independientemente del método de conexión:

• Instruya a Claude para que cite las filas. "Para cada afirmación, nombre el ticker y el número del que proviene". Esto elimina los resúmenes vagos.
• Pregunte por lo que los datos no pueden mostrar. Los precios con retraso, las griegas de cierre y los filtros fijos tienen límites; Claude los indicará claramente si se le pregunta, manteniendo la honestidad del análisis.
• Solicite comparaciones, no predicciones. "¿Cuál de estos rendimientos parece sostenible según los ratios de pago mostrados?" obtiene una respuesta fundamentada. "¿Qué acción subirá?" obtiene una conjetura bien escrita, ya que la predicción no es algo que los datos permitan.
• Mantenga el SQL en el contexto. El campo sql indica a Claude exactamente cómo se construyó un filtro, permitiéndole explicar por qué falta un nombre (por ejemplo, un límite de capitalización de mercado o un tope de rendimiento) en lugar de inventar una razón.

Cuando las consultas fijas no son suficientes

Los filtros de la demostración son fijos por diseño. El siguiente nivel es la API de pago de Strasmore: el mismo almacén de datos, 22 años de acciones de EE. UU. y 12 años de historial de opciones, con sus propias preguntas en SQL o lenguaje natural mediante una clave programática. El flujo de trabajo es idéntico; su herramienta consulta un endpoint autenticado en lugar de uno abierto, y las preguntas pasan a ser definidas por usted. Claude es excepcionalmente bueno escribiendo SQL de ClickHouse contra un esquema documentado, lo que convierte tareas como "extraer el historial de dividendos de cada REIT superior a 10B USD y clasificar por crecimiento a cinco años" en un proceso de un solo prompt.

FAQ

¿Puede Claude analizar acciones sin ninguna fuente de datos?

No con valores actuales. Sus datos de entrenamiento terminan antes de hoy, por lo que cualquier mención sobre precios actuales proviene de una memoria desactualizada. Proporcione una API en tiempo real y el análisis se basará en las filas que acaba de obtener.

¿Es realmente gratuita la API de demostración de Strasmore?

Sí. Sin clave, sin registro, sin tarjeta. Sirve un catálogo de consultas fijas sobre acciones de EE. UU. con retraso y datos de opciones de cierre de mercado, y está deliberadamente abierta para agentes de IA.

¿Necesito un VPS para esto?

No. El flujo de trabajo de copiar y pegar solo requiere un navegador. Un VPS resulta rentable cuando desea que el bucle del agente se ejecute según un horario, sobreviva a desconexiones y mantenga archivos locales de resultados pasados.

¿Es esto asesoramiento financiero?

No. Todo el contenido es una herramienta de análisis. Claude resume y compara datos; lo que usted haga con esa información es su decisión, y los datos educativos con retraso no son una base para la ejecución de operaciones.

Conecte un filtro en un chat y verá la diferencia de inmediato: Claude dejará de sonar seguro sobre números que no puede conocer y comenzará a ser útil con los números que sí puede conocer.