Este documento resuelve el problema de trading óptimo de opciones de carbono con un enfoque de aprendizaje profundo. En este escenario, un trader desea liquidar el inventario de opciones en un día. Dado que negociar una orden de gran tamaño en el mercado influirá en el precio, el trader necesita diseñar una estrategia de trading para maximizar la ganancia y la pérdida (PnL). Proponemos una estrategia de aprendizaje profundo para el trading óptimo de opciones de carbono, que también puede ser extendida a opciones de acciones. Utilizando datos del mercado europeo de carbono, aplicamos nuestra estrategia de aprendizaje profundo a cuatro tipos de funciones de impacto de precio: lineal, logarítmica, ley de potencia y variable en el tiempo. Mostramos que nuestra estrategia de aprendizaje profundo funciona mucho mejor que la estrategia ingenua y la estrategia TWAP (precio promedio ponderado por tiempo), ampliamente utilizadas en la industria, especialmente cuando la función de impacto de precio es variable en el tiempo. La ventaja de nuestra estrategia de red neuronal se hace mayor cuando el mercado es más ilíquido.