Este documento investiga el uso de algoritmos de aprendizaje por refuerzo (RL) para aprender estrategias de cobertura adaptativas para derivados bajo condiciones de mercado realistas, incorporando el impacto permanente en el mercado, el deslizamiento de ejecución y los costos de transacción. Las fricciones del mercado derivadas del comercio han sido exploradas en la literatura sobre ejecución óptima de operaciones; sin embargo, su influencia en las estrategias de cobertura de derivados sigue siendo relativamente poco estudiada en contextos de RL. Los métodos de cobertura tradicionales han asumido típicamente mercados sin fricciones, con solo costos de transacción. Ilustramos que el problema de decisión dinámica planteado por la cobertura con fricciones puede ser modelado de manera efectiva con RL, demostrando eficacia a través de varias fricciones del mercado para minimizar las pérdidas de cobertura. Los resultados incluyen un análisis comparativo del rendimiento de tres modelos de RL a través de trayectorias de precios simuladas, demostrando su variada efectividad y adaptabilidad en estos entornos intensivos en fricciones. Encontramos que los agentes de RL, específicamente TD3 y SAC, pueden superar las estrategias de cobertura delta tradicionales en entornos tanto simplistas como complejos e ilíquidos, destacándose por reducciones del 2/3 en las pérdidas de cobertura esperadas y más del 50% en el valor en riesgo condicional (CVaR) del percentil 5. Estos hallazgos demuestran que los agentes de DRL pueden servir como una valiosa herramienta de gestión de riesgos para las instituciones financieras, especialmente dada su adaptabilidad a diferentes condiciones del mercado y valores.