TradingAgents: Multi-Agent-LLM-Framework für den Finanzhandel

Projektübersicht

TradingAgents ist ein Multi-Agenten-Handelsframework, das die dynamische Struktur realer Handelsunternehmen simuliert. Durch den Einsatz eines Teams von spezialisierten Agenten, die von großen Sprachmodellen (LLM) angetrieben werden – darunter Fundamentalanalysten, Sentiment-Experten, technische Analysten, Händler und Risikomanagementteams – verbessert die Plattform die Handelsentscheidungen durch kollaborative Bewertung.

Das Projekt wurde von Tauric Research entwickelt und widmet sich der Neudefinition von Handelsintelligenz durch KI, wobei große Sprachmodelle, fortgeschrittene Schlussfolgerungen und autonome Agenten genutzt werden, um die Exzellenz im Handel zu steigern.

Kernfunktionen

1. Multi-Agenten-Architektur

TradingAgents verwendet sieben verschiedene Rollen: Fundamentalanalyst, Sentimentanalyst, Nachrichtenanalyst, technischer Analyst, Forscher, Händler und Risikomanager. Jeder Agent ist mit spezialisierten Werkzeugen und Einschränkungen ausgestattet, die auf seine Funktion zugeschnitten sind.

2. Agenten-Teamstruktur

Analysten-Team

• Fundamentalanalyst: Analysiert Finanzdaten von Unternehmen, Branchentrends und makroökonomische Indikatoren.
• Sentimentanalyst: Verarbeitet Marktsentimentdaten und Social-Media-Informationen.
• Nachrichtenanalyst: Analysiert die Auswirkungen von Nachrichtenereignissen auf den Markt.
• Technischer Analyst: Führt technische Indikatoranalysen und Chartmustererkennung durch.

Forschungs-Team

Das Forschungsteam bewertet Analystendaten kritisch durch einen dialektischen Prozess, der sowohl bullische als auch bärische Perspektiven einbezieht. Diese Debatte gewährleistet eine ausgewogene Analyse, die Chancen und Risiken zur Entwicklung von Handelsstrategien identifiziert.

Handels-Team

Der Handelsagent führt Entscheidungen auf der Grundlage einer umfassenden Analyse aus. Er bewertet Erkenntnisse von Analysten und Forschern, ermittelt optimale Handelsaktionen und gleicht Erträge und Risiken in dynamischen Marktumgebungen aus.

Risikomanagement-Team

Das Risikomanagementteam überwacht das Marktrisiko des Unternehmens, stellt sicher, dass die Handelsaktivitäten innerhalb vordefinierter Grenzen bleiben, und gewährleistet durch effektive Risikokontrolle finanzielle Stabilität und schützt Vermögenswerte.

3. Technische Architekturmerkmale

ReAct-Prompt-Framework

Alle Agenten verwenden das ReAct-Prompt-Framework, das die Zusammenarbeit und dynamische Entscheidungsprozesse fördert und reale Handelssysteme widerspiegelt.

Strukturierte Kommunikationsprotokolle

TradingAgents verwendet strukturierte Protokolle, die eine klare strukturierte Ausgabe mit natürlicher Sprachkommunikation kombinieren. Dieser Ansatz minimiert Informationsverluste und hält den Kontext bei langfristigen Interaktionen aufrecht.

Intelligente Modellauswahl

LLMs werden je nach Aufgabenanforderung ausgewählt, wobei schnelle Denkmodelle für die Datenabfrage und tiefe Denkmodelle für eingehende Analysen und Entscheidungsfindung verwendet werden.

Experimentelle Ergebnisse und Leistung

Experimentelle Einrichtung

• Datensatz: Multi-Asset-, Multi-Modal-Finanzdatensatz, einschließlich historischer Aktienkurse, Nachrichtenartikel, Social-Media-Sentiment, Insiderhandel, Finanzberichte und technische Indikatoren.
• Zeitraum: Daten von Januar bis März 2024 wurden für das Training verwendet, Juni bis November 2024 für die Handelsumgebung.
• Operationsfrequenz: Agenten arbeiten täglich und treffen Entscheidungen auf der Grundlage verfügbarer Daten.

Vergleich der Leistungsindikatoren

Kategorie	Modell	AAPL				GOOGL				AMZN
		CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓
Market	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
Ours	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

Hinweis: CR=Kumulierte Rendite, ARR=Annualisierte Rendite, SR=Sharpe Ratio, MDD=Maximaler Drawdown

Hauptvorteile

1. Überlegene risikobereinigte Renditen: TradingAgents erzielte bei allen getesteten Aktien eine bessere Performance als die Benchmark.
2. Effektives Risikomanagement: Aufrechterhaltung eines niedrigen maximalen Drawdowns bei gleichzeitig hohen Renditen.
3. Transparenter Entscheidungsprozess: Bereitstellung einer nachvollziehbaren Entscheidungsfindung durch Erklärungen in natürlicher Sprache.

Technische Umsetzung

Projektstruktur

TradingAgents/
├── tradingagents/
│   ├── agents/
│   │   ├── analysts/        # Analysten-Agenten
│   │   ├── researchers/     # Forscher-Agenten
│   │   ├── traders/         # Händler-Agenten
│   │   └── risk_managers/   # Risikomanagement-Agenten
│   ├── tools/               # Agenten-Werkzeuge
│   ├── communication/       # Kommunikationsprotokolle
│   └── environment/         # Handelsumgebung

Verwandte Links

• GitHub-Repository: https://github.com/TauricResearch/TradingAgents
• Projekt-Homepage: https://TradingAgents-AI.github.io/

Zusammenfassung

TradingAgents stellt einen bedeutenden Fortschritt im KI-gesteuerten Finanzhandel dar, der durch Multi-Agenten-Zusammenarbeit und strukturierte Kommunikation eine deutliche Leistungssteigerung erzielt. Das Framework übertrifft nicht nur traditionelle Methoden in Bezug auf die Rendite, sondern bietet vor allem transparente und nachvollziehbare Entscheidungsprozesse, die für reale Finanzanwendungen von entscheidender Bedeutung sind.