إطار عمل تداول مالي متعدد الوكلاء يعتمد على نماذج لغوية كبيرة، يحاكي الهيكل التعاوني لشركات التداول الحقيقية.

TradingAgents: إطار عمل تداول مالي متعدد الوكلاء يعتمد على نماذج لغوية كبيرة (LLM)

نظرة عامة على المشروع

TradingAgents هو إطار عمل تداول متعدد الوكلاء يحاكي الهياكل الديناميكية لشركات التداول الحقيقية. من خلال نشر فريق من الوكلاء المتخصصين المدعومين بنماذج لغوية كبيرة - بما في ذلك محللين أساسيين، وخبراء في المشاعر، ومحللين فنيين، ومتداولين، وفريق لإدارة المخاطر - تعزز هذه المنصة قرارات التداول من خلال التقييمات التعاونية.

تم تطوير هذا المشروع بواسطة Tauric Research، وهو مكرس لإعادة تعريف ذكاء التداول من خلال الذكاء الاصطناعي، والاستفادة من النماذج اللغوية الكبيرة، والاستدلال المتقدم، والوكلاء المستقلين لرفع مستوى التميز في التداول.

الميزات الأساسية

1. بنية متعددة الوكلاء

تستخدم TradingAgents سبعة أدوار مختلفة: محلل أساسي، ومحلل مشاعر، ومحلل أخبار، ومحلل فني، وباحث، ومتداول، ومدير مخاطر. تم تجهيز كل وكيل بأدوات متخصصة وقيود مصممة خصيصًا لوظيفته.

2. هيكل فريق الوكلاء

فريق المحللين

• محلل أساسي: يحلل البيانات المالية للشركة، واتجاهات الصناعة، والمؤشرات الاقتصادية الكلية.
• محلل المشاعر: يعالج بيانات معنويات السوق ومعلومات وسائل التواصل الاجتماعي.
• محلل الأخبار: يحلل تأثير الأحداث الإخبارية على السوق.
• محلل فني: يجري تحليل المؤشرات الفنية وتحديد أنماط الرسوم البيانية.

فريق البحث

يقوم فريق البحث بتقييم بيانات المحللين بشكل نقدي من خلال عملية جدلية تتضمن وجهات نظر صعودية وهبوطية. يضمن هذا النقاش تحليلًا متوازنًا، وتحديد الفرص والمخاطر لتطوير استراتيجيات التداول.

فريق التداول

يقوم وكلاء التداول بتنفيذ القرارات بناءً على التحليل الشامل. يقومون بتقييم رؤى المحللين والباحثين، وتحديد إجراءات التداول المثلى، وتحقيق التوازن بين المكاسب والمخاطر في بيئات السوق الديناميكية.

فريق إدارة المخاطر

يشرف فريق إدارة المخاطر على تعرض الشركة لمخاطر السوق، ويضمن بقاء أنشطة التداول ضمن الحدود المحددة مسبقًا، مما يضمن الاستقرار المالي وحماية الأصول من خلال التحكم الفعال في المخاطر.

3. ميزات البنية التقنية

إطار عمل ReAct الفوري

تستخدم جميع الوكلاء إطار عمل ReAct الفوري، مما يعزز التعاون وعمليات صنع القرار الديناميكية، مما يعكس أنظمة التداول في العالم الحقيقي.

بروتوكول اتصال منظم

تعتمد TradingAgents بروتوكولًا منظمًا، يجمع بين مخرجات منظمة واضحة ومحادثات لغة طبيعية. تقلل هذه الطريقة من فقدان المعلومات وتحافظ على السياق في التفاعلات طويلة الأجل.

اختيار النموذج الذكي

يتم اختيار النماذج اللغوية الكبيرة (LLMs) بناءً على متطلبات المهمة، باستخدام نماذج التفكير السريع لاسترجاع البيانات، ونماذج التفكير العميق للتحليل المتعمق واتخاذ القرارات.

النتائج والأداء التجريبي

الإعداد التجريبي

• مجموعة البيانات: مجموعة بيانات مالية متعددة الأصول ومتعددة الوسائط، بما في ذلك أسعار الأسهم التاريخية والمقالات الإخبارية ومعنويات وسائل التواصل الاجتماعي والتداول الداخلي والتقارير المالية والمؤشرات الفنية.
• النطاق الزمني: تم استخدام بيانات من يناير إلى مارس 2024 للتدريب، ومن يونيو إلى نوفمبر 2024 لبيئة التداول.
• تردد التشغيل: يعمل الوكلاء يوميًا، ويتخذون قرارات بناءً على البيانات المتاحة.

مقارنة مؤشرات الأداء

الفئة	النموذج	AAPL				GOOGL				AMZN
		CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓
السوق	B&H	-5.23	-5.09	-1.29	11.90	7.78	8.09	1.35	13.04	17.1	17.6	3.53	3.80
خاصتنا	TradingAgents	26.62	30.5	8.21	0.91	24.36	27.58	6.39	1.69	23.21	24.90	5.60	2.11

ملاحظة: CR = معدل العائد التراكمي، ARR = معدل العائد السنوي، SR = نسبة شارب، MDD = الحد الأقصى للسحب

المزايا الرئيسية

1. عائدات ممتازة معدلة حسب المخاطر: حققت TradingAgents أداءً أفضل من المعايير القياسية في جميع الأسهم التي تم اختبارها.
2. إدارة فعالة للمخاطر: الحفاظ على الحد الأقصى المنخفض للسحب مع الحفاظ على عوائد عالية.
3. عملية صنع قرار شفافة: توفير عملية صنع قرار قابلة للتفسير من خلال تفسيرات اللغة الطبيعية.

التنفيذ التقني

هيكل المشروع

TradingAgents/
├── tradingagents/
│   ├── agents/
│   │   ├── analysts/        # وكلاء المحللين
│   │   ├── researchers/     # وكلاء الباحثين
│   │   ├── traders/         # وكلاء المتداولين
│   │   └── risk_managers/   # وكلاء إدارة المخاطر
│   ├── tools/               # أدوات الوكلاء
│   ├── communication/       # بروتوكول الاتصال
│   └── environment/         # بيئة التداول

روابط ذات صلة

• مستودع GitHub: https://github.com/TauricResearch/TradingAgents
• الصفحة الرئيسية للمشروع: https://TradingAgents-AI.github.io/

ملخص

يمثل TradingAgents تقدمًا كبيرًا في التداول المالي المدعوم بالذكاء الاصطناعي، حيث يحقق تحسينات كبيرة في الأداء من خلال التعاون متعدد الوكلاء والاتصالات المنظمة. لا يتفوق هذا الإطار على الأساليب التقليدية من حيث العائدات فحسب، بل الأهم من ذلك أنه يوفر عمليات صنع قرار شفافة وقابلة للتفسير، وهو أمر بالغ الأهمية للتطبيقات المالية العملية.