IAIA con Clase
Acceder Empezar
Lección 17 · 5 min · Gratis

Informe cuantitativo de un nuevo ticker con la API de Agente

Un ejemplo enfocado y de una sola vez que muestra cómo la Agent API de Perplexity y la herramienta finance_search (anuncio de lanzamiento) producen un informe cuantitativo sobre un ticker recién listado — en este caso NASDAQ: SPCX, Space Exploration Technologies Corp. (SpaceX), que presentó su S-1 en mayo de 2026.

La mayoría de los tutoriales de investigación de acciones se centran en tickers de gran capitalización y maduros donde cada campo está bien poblado. finance_search es más interesante en una nueva cotización: en el momento en que el proveedor de datos financieros de Perplexity activa el ticker, el modelo puede extraer ingresos segmentados estructurados (Conectividad / Espacio / IA), KPI de suscriptores de Starlink, satélites en órbita y cartera de pedidos directamente del S-1 — sin scraping, sin análisis de PDF.

Características

  • Una llamada a la Agent API devuelve un informe de 6 secciones que cubre instantánea, trayectoria de P&L de FY2023–FY2025, mezcla de segmentos de FY2025, KPI de Starlink, capacidad y cartera de pedidos, y un resultado final etiquetado
  • Utiliza la herramienta finance_search para datos estructurados de cotizaciones, finanzas, segmentos y KPI — típicamente de 4 a 7 invocaciones en cuatro categorías por ejecución
  • Añade web_search + fetch_url para que el modelo pueda corroborar las cifras con el S-1 de SpaceX en SEC EDGAR
  • Muestra los bloques estructurados finance_results, las URL financieras de Perplexity listas para citar y el costo total de la solicitud junto con la prosa
  • Maneja el caso extremo del ticker reciclado: SPCX fue históricamente un pequeño ETF de SPAC. El prompt del sistema le dice explícitamente al modelo que el símbolo SPCX ahora se asigna a SpaceX para que no se niegue a escribir el informe basándose en una etiqueta de visualización obsoleta. Este patrón es reutilizable para cualquier empresa recién listada cuyo ticker fue asignado previamente a un valor diferente.

Requisitos previos

Instalación

cd docs/examples/spacex-spcx-briefing
pip install -r requirements.txt
chmod +x spacex_spcx_briefing.py

Configuración de la clave API

export PERPLEXITY_API_KEY="your-api-key-here"

También puedes pasar la clave a través de --api-key, o colocarla en un archivo .pplx_api_key en el directorio de trabajo.

Inicio rápido

./spacex_spcx_briefing.py

Esa es toda la interfaz — no se necesita un argumento de ticker; este ejemplo está diseñado específicamente para SPCX.

Uso

./spacex_spcx_briefing.py [--model MODEL] [--max-output-tokens N] [--max-steps N] [--json] [--api-key KEY]

Usar un modelo diferente de la Agent API

./spacex_spcx_briefing.py --model anthropic/claude-opus-4-7

Emitir la respuesta cruda de la Agent API

./spacex_spcx_briefing.py --json | jq '.usage.cost'

Reducir los pasos máximos para una ejecución más barata y limitada

./spacex_spcx_briefing.py --max-steps 3

Salida de ejemplo (truncada)

## 1. Snapshot

| Metric                | Latest finance_search value |
|-----------------------|----------------------------:|
| Latest price          | $22.08                      |
| Day range             | $22.07–$22.10               |
| Quote timestamp       | 2026-05-20 19:45:54 UTC     |

## 2. FY2023–FY2025 P&L trajectory

| Fiscal year    | Revenue   | Gross margin | Operating margin | Net margin |
|-------------|----------:|-------------:|-----------------:|-----------:|
| FY2023      | $10.387B  | 41%          | (34%)            | (45%)      |
| FY2024      | $14.015B  | 43%          | 3%               | 6%         |
| FY2025      | $18.674B  | 49%          | (14%)            | (26%)      |

Revenue compounded strongly from $10.387B in FY2023 to $18.674B in FY2025,
gross margin expanded from 41% to 49%, but operating and net margins were
volatile — profitable in FY2024, back to losses in FY2025.

## 3. Segment mix (FY2025)

| Segment        | Revenue   | % total | Adjusted EBITDA |
|----------------|----------:|--------:|----------------:|
| Connectivity   | $11.387B  | 61.0%   | $7.168B         |
| Space          | $4.086B   | 21.9%   | $0.653B         |
| AI             | $3.201B   | 17.1%   | $(1.237)B       |

## 4. Starlink (Connectivity) KPIs (Q1 2026)

| KPI                            | Value   |
|--------------------------------|--------:|
| Starlink subscribers           | 10.3M   |
| Starlink ARPU                  | $66/mo  |
| Satellites in orbit            | 9,600   |
| Consumer revenue               | $2.148B |
| Enterprise & government rev    | $1.109B |

## 5. Capacity & backlog (FY2025)

| Metric                           | Value    |
|----------------------------------|---------:|
| Total backlog                    | $28.4B   |
| Backlog to be recognized in NTM  | 53%      |
| Falcon launches                  | 165      |
| Starship launches                | 5        |
| Mass to orbit (metric tons)      | 2,213    |

## 6. Bottom line

Analytical opinion, not a recommendation: SPCX's FY2025 profile shows a
scaled Connectivity-led business with $18.674B of revenue and 49% gross
margin, but consolidated profitability remains burdened by Space and AI
investment intensity, driving a $(4.937)B FY2025 net loss...

---
finance_search returned 7 structured block(s) across categories
  [financials, kpis, quote, segments]

Cost: 0.2852 USD

Recorrido del código

El script emite una llamada a la Agent API con finance_search, web_search y fetch_url habilitados, e imprime tanto la prosa del modelo como los bloques estructurados finance_results que devolvió la herramienta.

1. Emitir la llamada a la Agent API

from perplexity import Perplexity

client = Perplexity()
response = client.responses.create(
    model="openai/gpt-5.5",
    instructions=SYSTEM_PROMPT,
    input=USER_PROMPT,
    tools=[
        {"type": "finance_search"},
        {"type": "web_search"},
        {"type": "fetch_url"},
    ],
    max_output_tokens=4096,
    max_steps=8,
)

max_steps=8 es intencional — el modelo necesita varias invocaciones de finance_search (cotización, estado de resultados de FY2023, estado de resultados de FY2024, estado de resultados de FY2025, segmentos, KPI) para completar el informe. Sin suficiente presupuesto para los pasos, el modelo solo devolverá una cotización y dejará el resto "no devuelto".

2. Recorrer response.output en busca de mensajes y resultados financieros

response.output_text no funciona cuando la salida mezcla elementos de mensaje y finance_results — recorre la lista de forma defensiva:

for item in response.output:
    if item.type == "finance_results":
        for r in item.results:
            print(r.category, r.tickers, r.sources)
    elif item.type == "message":
        for block in item.content:
            if block.type == "output_text":
                print(block.text)

3. Mostrar URL listas para citar y costo

Cada bloque finance_results expone una lista sources con URL financieras estables de Perplexity (por ejemplo, https://www.perplexity.ai/finance/SPCX/financials?category=SEGMENTS). El script las imprime junto con el informe — útil cuando la salida es consumida por humanos o por un pipeline RAG posterior. response.usage.cost.total_cost da el precio total de la ejecución.

Guía de prompts

Dos patrones de prompt no obvios están haciendo el trabajo pesado aquí:

1. Desambiguar tickers reciclados en el prompt del sistema. SPCX identificaba previamente un pequeño ETF de SPAC. Sin una anulación explícita, el modelo puede aferrarse a la etiqueta de visualización heredada y negarse a tratar las filas de segmento/KPI como las de SpaceX. El prompt del sistema declara el mapeo del ticker de antemano y le dice al modelo que confíe en finance_search:

"MAPEADO CRÍTICO DE TICKER: SPCX (NASDAQ: SPCX) es el ticker de Space Exploration Technologies Corp. ... La herramienta finance_search devuelve datos del S-1 de SpaceX bajo el símbolo SPCX — confía en ello."

2. Instruir al modelo para que realice múltiples llamadas a finance_search. Si se deja solo, los modelos a menudo toman una única carga útil de cotización y se detienen. Declarar "DEBES ejecutar finance_search varias veces" y enumerar las categorías (cotización, estado de resultados, segmentos, KPI) activa de forma fiable de 4 a 7 invocaciones en las cuatro áreas de datos.

Este patrón está documentado en la guía de prompts de finance_search.

Precios

finance_search se factura a $5 por cada 1,000 invocaciones, aparte del uso de tokens del modelo. Una ejecución representativa con openai/gpt-5.5:

  • ~7 invocaciones de finance_search + algunas llamadas a web_search
  • ~$0.28 costo total de principio a fin

Consulta la Página de precios de Perplexity para conocer las tarifas actuales.

Fuente de datos

Los datos financieros estructurados de SPCX devueltos por finance_search provienen del proveedor de datos financieros de Perplexity. La cobertura de SPCX se lanzó junto con la presentación del S-1 de SpaceX en mayo de 2026.

Limitaciones

  • Los resultados dependen de la cobertura del ticker por parte de Perplexity. La cobertura y la disponibilidad de campos para los tickers recién listados pueden evolucionar en los días posteriores a una presentación.
  • Esto no es asesoramiento de inversión. La sección "Conclusión" se enmarca explícitamente como opinión analítica, no como una recomendación.

Recursos

Lección del curso «Perplexity API Cookbook» de Perplexity, publicado con licencia MIT. Traducción y adaptación al español de IA con Clase. IA con Clase no está afiliado a Perplexity. Ver el original · Licencia
Esta lección es gratuita. El resto del curso se abre con la Membresía de IA con Clase, que incluye todos los cursos del catálogo. Ver precios
← AnteriorSiguiente: 4Point Hoops: Análisis Avanzado de la NBA →