TradingAgents: 실제 트레이딩 회사처럼 작동하는 다중 에이전트 LLM 프레임워크
Multi-Agents LLM Financial Trading Framework
TauricResearch가 오픈소스로 공개한 TradingAgents는 실제 트레이딩 회사의 구조를 모방한 다중 에이전트 LLM 프레임워크입니다. 기본 분석가, 감성 분석가, 뉴스 분석가, 기술적 분석가로 구성된 분석 팀이 시장을 평가하고, 낙관론자와 비관론자 연구원이 토론을 통해 투자 아이디어를 검증합니다. 트레이더 에이전트가 최종 결정을 내리고, 리스크 관리 팀과 포트폴리오 매니저가 승인 절차를 거칩니다. LangGraph로 구축되어 유연하며, OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Ollama, Azure OpenAI 등 다양한 LLM 제공자를 지원합니다. 결정 로그와 체크포인트 재개 기능을 통해 과거의 성공과 실패를 학습하고 중단된 작업을 이어갈 수 있습니다.
TradingAgents는 실제 트레이딩 회사의 역학을 반영한 다중 에이전트 트레이딩 프레임워크로, 기본 분석가, 감성 전문가, 기술 분석가부터 트레이더, 리스크 관리 팀까지 다양한 LLM 기반 에이전트를 배치하여 시장 상황을 협력적으로 평가하고 트레이딩 결정을 내립니다.
HN 토론
47- _pdp_
이게 효과가 있었다면 오픈소스로 공개되지 않았겠지?
어쨌든, 나는 직접 트레이딩 실험을 운영해 봤는데 지금까지 약간의 돈을 잃었다. 그래도 나는 아무것도 최적화하려고 하지 않았다. 그냥 하고 싶은 대로 하게 놔뒀다. 손실은 작고 연말쯤에는 회복할 수도 있을 것이다. 누가 알겠는가.
에이전트는 여기 https://trades.chatbotkit.space/ 에서 진행 상황에 대해 블로그를 작성한다.
연구를 위해 모든 채팅 로그를 HF에도 출력할 생각이다.
CBK 플랫폼을 다운로드하고 자체 모델로 로컬에서 실행하면 메시지 버스를 통해 통신하는 나만의 트레이딩 에이전트를 실행할 수 있다. 나는 또한 시도해 보고 싶다면 나의 트레이딩 청사진도 공유했다. https://chatbotkit.com/hub/blueprints/trader
- jeanmichelselli
이것은 LLM이 매일 새로운 데이터 세트와 훈련 단계로 지속적으로 업데이트되는 경우에만 의미가 있을 것이다. 그런 경우라면 이 접근 방식이 어느 정도 의미가 있다고 볼 수 있을 것이다. 하지만 그렇지 않다면, 이들은 정적(오래된) 데이터로 훈련된 확률적 기계일 뿐이며, 그들의 예측이 다른 어떤 방법이나 심지어 인간의 추측보다 더 나을 이유를 나는 알 수 없다.
- hacker_9
지난 10년 동안 헤지펀드에서 일해 온 사람으로서, 이것은 요점을 놓치고 있는 것 같다. 첫째, 우리는 종종 기술 스태킹, 즉 기술 인력이 나중에 트레이더가 되는 것을 보상한다. 한 사람이 아는 것이 많을수록 좋다. 이런 사람들은 드물기 때문에 여전히 많은 별도의 직무가 존재하여 한 사람이 전문 분야를 가질 수 있는 것이다. 하지만 AI 에이전트는? 그들은 모두 같은 두뇌를 가지고 있는데, 왜 전문화함으로써 그들을 약화시키는가?
둘째, 레딧에서 감정을 검색하고 기술적 분석을 하는 것은 트레이딩 세계에서 기능조차 아니다. 가장 기본적인 수준에서, 이것들은 후행 지표이다. 옵션 IV와 프리미엄에 관한 무언가가 더 정확했을 것이다.
헤지펀드는 시장의 유지보수 팀과 같아서, 우리는 시장을 효율적이고 유동적으로 유지한다. 그 과정은 꽤 과학적이다. 이론을 세우고 실제 데이터로 검증한다. 또는 데이터에서 이론으로 간다.
- alastairr
이러한 프레임워크(인공지능이든 아니든)의 개발이 시장 주기와 얼마나 상관관계가 있는지 궁금하다. 불장 기간 동안 트레이더들이 자신이 어떤 우위를 가지고 있다고 생각하는 것 같다. 하지만 그들은 아마 모두 추세를 따라 매수하고 있을 뿐일 것이다.
- dsl
나는 코드를 보는 데 약 한 시간을 보냈고 실제 돈을 맡기기 전에 고쳐야 할 몇 가지 명백한 문제점을 발견했다.
- Yahoo News가 두 번 도입되어(감정 분석과 뉴스 분석) 이중 가중치를 부여한다.
- 감정 분석 프롬프트는 모델이 엔비디아에 대해 강세를 보이도록 유도한다.
- 자기 학습 루프에는 에이전트가 잘린 응답을 반환할 때 환각된 기억을 초래하는 복잡한 파싱 버그가 있다.
- 가장 최근에 게시된 5개의 메시지 중 다수를 유지하기만 하면 품질 지표와 관계없이 서브레딧의 감정 분석을 완전히 제어할 수 있다.
- 반성 프롬프트는 에이전트가 알파를 인용해야 한다고 명시하는데, 시장 전반의 하락장에서는 올바르게 판단한 호출을 손실로 간주하게 만든다.