TradingAgents: un marco de trading financiero con múltiples agentes LLM
Multi-Agents LLM Financial Trading Framework
TradingAgents es un marco de trading de código abierto que simula una firma de trading real mediante agentes especializados impulsados por LLM: analistas fundamentales, de sentimiento, de noticias y técnicos, investigadores alcistas y bajistas, un trader, un equipo de gestión de riesgos y un gestor de cartera. Estos agentes colaboran y debaten para evaluar las condiciones del mercado y tomar decisiones de trading informadas. El marco, construido con LangGraph, admite múltiples proveedores de LLM (OpenAI, Google, Anthropic, etc.) y mercados globales, e incluye funciones como registro de decisiones, reanudación de puntos de control y opciones de reproducibilidad.
TradingAgents es un marco de trading multiagente que refleja la dinámica de las firmas de trading del mundo real.
- jeanmichelselli
Esto solo tendría sentido si los LLM se actualizaran constantemente con un nuevo conjunto de datos y una fase de entrenamiento cada día. En ese caso, podría ver que este enfoque tiene algo de sentido. Pero, de lo contrario, estas son solo máquinas estocásticas entrenadas con datos estáticos (desactualizados) y no veo cómo sus predicciones deberían ser mejores que cualquier otro método existente o incluso mejores que una persona adivinando.
- alastairr
Me daría curiosidad saber cómo se correlaciona el desarrollo de estos marcos (de IA o no) con el ciclo del mercado. Parece que durante los mercados alcistas los traders creen que tienen alguna ventaja, cuando probablemente todos solo están comprando la tendencia.
- _pdp_
Si esto funcionara, ¿no habría sido de código abierto?
De todos modos, he estado ejecutando mi propio experimento de trading y hasta ahora ha perdido un poco de dinero. Dicho esto, no he intentado optimizar nada, solo lo dejo hacer lo que quiera. Las pérdidas son pequeñas y podría recuperarse más adelante este año. Quién sabe.
El agente escribe un blog sobre su progreso aquí https://trades.chatbotkit.space/
Estoy pensando en publicar todos los registros de chat en HF también para investigación.
Puedes ejecutar tus propios agentes de trading que se comunican a través de un bus de mensajes en tus propios términos descargando la plataforma CBK y ejecutándola localmente con tus propios modelos. También he compartido mi blueprint de trading si quieres probarlo. https://chatbotkit.com/hub/blueprints/trader
- hacker_9
Habiendo trabajado en fondos de cobertura durante la última década, esto parece no dar en el clavo. En primer lugar, a menudo recompensamos la acumulación de habilidades, es decir, una persona técnica que luego se convierte en trader. Cuanto más sepa una persona, mejor. Estas personas son raras, por lo que todavía hay muchas funciones laborales separadas, para que una persona pueda especializarse. Pero, ¿un agente de IA? Todos tienen el mismo cerebro, entonces, ¿por qué limitarlos especializándolos?
En segundo lugar, navegar por Reddit para ver el sentimiento y hacer análisis técnico ni siquiera es una característica en el mundo del trading. En el nivel más básico, estos son indicadores rezagados. Algo sobre la IV de opciones y las primas habría estado más cerca de la marca.
Los fondos de cobertura son similares al equipo de mantenimiento de los mercados, los mantenemos eficientes y líquidos. El proceso es bastante científico: se te ocurre una teoría y la validas con datos reales. O vas de los datos a la teoría.
- dsl
Pasé alrededor de una hora mirando el código y encontré algunos problemas evidentes que deberían corregirse antes de confiarle dinero real.
- Yahoo News se introduce dos veces (análisis de sentimiento y de noticias), lo que le da doble peso.
- El prompt de análisis de sentimiento prepara al modelo para ser alcista con Nvidia.
- En el bucle de autoaprendizaje hay un error complejo de análisis que resulta en memorias alucinadas cuando los agentes devuelven respuestas truncadas.
- Puedes controlar completamente el análisis de sentimiento de un subreddit simplemente manteniendo una mayoría de los 5 mensajes publicados más recientemente, independientemente de cualquier métrica de calidad.
- El prompt de reflexión establece que el agente debe citar alfa, lo que en una caída general del mercado hace que piense que las llamadas correctamente realizadas fueron pérdidas.