Descripción Detallada del Proyecto AI Hedge Fund

Resumen del Proyecto

AI Hedge Fund es un proyecto conceptual de fondo de cobertura basado en inteligencia artificial, diseñado para explorar cómo utilizar la tecnología de IA para la toma de decisiones comerciales. Este es un proyecto puramente educativo y de investigación, no destinado a operaciones o inversiones reales.

Dirección del proyecto: https://github.com/virattt/ai-hedge-fund

Características Principales

Arquitectura Multi-Agente

El proyecto emplea un sistema multi-agente, donde cada agente simula las filosofías y estrategias de inversión de inversores famosos del mundo real:

Agentes Maestros de Inversión

• Ben Graham Agent - Padre de la inversión en valor, enfocado en encontrar gemas ocultas con un margen de seguridad.
• Bill Ackman Agent - Inversor activista, toma posiciones audaces e impulsa el cambio.
• Cathie Wood Agent - Reina de la inversión en crecimiento, cree en el poder de la innovación y la disrupción.
• Charlie Munger Agent - Socio de Buffett, solo compra empresas excelentes a precios razonables.
• Michael Burry Agent - Inversor contrario de "The Big Short", busca valor profundo.
• Peter Lynch Agent - Inversor práctico, busca "acciones de diez veces" en negocios cotidianos.
• Phil Fisher Agent - Inversor en crecimiento meticuloso, utiliza una investigación profunda de "averiguación".
• Stanley Druckenmiller Agent - Leyenda macro, busca oportunidades asimétricas con potencial de crecimiento.
• Warren Buffett Agent - Oráculo de Omaha, busca empresas excelentes a precios razonables.

Agentes de Análisis

• Valuation Agent - Calcula el valor intrínseco de las acciones y genera señales de trading.
• Sentiment Agent - Analiza el sentimiento del mercado y genera señales de trading.
• Fundamentals Agent - Analiza datos fundamentales y genera señales de trading.
• Technicals Agent - Analiza indicadores técnicos y genera señales de trading.

Agentes de Gestión

• Risk Manager - Calcula métricas de riesgo y establece límites de posición.
• Portfolio Manager - Toma decisiones finales de trading y genera órdenes.

Arquitectura Técnica

Requisitos del Entorno

• Python 3.x
• Poetry (gestión de dependencias)
• Docker (opcional)

Dependencias Principales

El proyecto utiliza varios servicios API:

• OpenAI API - Ejecuta modelos GPT-4o, GPT-4o-mini, etc.
• Groq API - Ejecuta modelos DeepSeek, Llama3, etc.
• Financial Datasets API - Obtiene datos financieros.
• Anthropic API - Soporte para modelos Claude.
• DeepSeek API - Soporte para modelos DeepSeek.

Estructura del Proyecto

ai-hedge-fund/
├── src/
│   ├── agents/              # Definiciones y flujos de trabajo de los agentes
│   │   ├── bill_ackman.py   # Agente Bill Ackman
│   │   ├── fundamentals.py  # Agente de análisis fundamental
│   │   ├── portfolio_manager.py # Agente de gestión de cartera
│   │   ├── risk_manager.py  # Agente de gestión de riesgos
│   │   ├── sentiment.py     # Agente de análisis de sentimiento
│   │   ├── technicals.py    # Agente de análisis técnico
│   │   ├── valuation.py     # Agente de análisis de valoración
│   │   └── warren_buffett.py # Agente Warren Buffett
│   ├── tools/               # Herramientas del agente
│   │   └── api.py          # Herramienta API
│   ├── backtester.py       # Herramienta de backtesting
│   └── main.py             # Punto de entrada principal
├── pyproject.toml
└── ...

Instalación y Uso

Instalación Local

1. Clonar el repositorio

git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund

2. Instalar Poetry

curl -sSL https://install.python-poetry.org | python3 -

3. Instalar dependencias

poetry install

4. Configurar variables de entorno

cp .env.example .env

5. Configurar claves API

# Clave API de OpenAI
OPENAI_API_KEY=your-openai-api-key

# Clave API de Groq
GROQ_API_KEY=your-groq-api-key

# Clave API de conjuntos de datos financieros
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key

Instalación con Docker

1. Asegurarse de tener Docker instalado
2. Clonar el repositorio (igual que arriba)
3. Configurar variables de entorno (igual que arriba)
4. Construir la imagen de Docker

# Linux/Mac
./run.sh build

# Windows
run.bat build

Modo de Ejecución

Ejecución Básica

# Usando Poetry
poetry run python src/main.py --ticker AAPL,MSFT,NVDA

# Usando Docker (Linux/Mac)
./run.sh --ticker AAPL,MSFT,NVDA main

# Usando Docker (Windows)
run.bat --ticker AAPL,MSFT,NVDA main

Usando LLM Local

poetry run python src/main.py --ticker AAPL,MSFT,NVDA --ollama

Mostrar el Proceso de Razonamiento

poetry run python src/main.py --ticker AAPL,MSFT,NVDA --show-reasoning

Especificar Rango de Tiempo

poetry run python src/main.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-03-01

Funcionalidad de Backtesting

# Backtesting básico
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA

# Backtesting especificando rango de tiempo
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-03-01

# Backtesting usando LLM local
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --ollama

Soporte de Datos

Acciones Gratuitas

Los siguientes datos de acciones se proporcionan de forma gratuita, sin necesidad de clave API:

• AAPL (Apple)
• GOOGL (Google)
• MSFT (Microsoft)
• NVDA (Nvidia)
• TSLA (Tesla)

Otras Acciones

Para otros símbolos de acciones, es necesario configurar FINANCIAL_DATASETS_API_KEY.

Declaración Importante

Propósito Educativo

• Solo para fines educativos y de investigación
• No destinado a operaciones o inversiones reales
• No se proporciona ninguna garantía
• El rendimiento pasado no representa resultados futuros
• Los creadores no asumen ninguna responsabilidad por pérdidas financieras
• Consulte a un asesor financiero para decisiones de inversión

Simulación de Trading

El sistema solo simula decisiones de trading, no ejecuta operaciones reales.

Guía de Contribución

1. Hacer un Fork del repositorio
2. Crear una rama de función
3. Enviar cambios
4. Subir a la rama
5. Crear una Pull Request

Nota: Por favor, mantenga las Pull Requests pequeñas y enfocadas, esto facilitará la revisión y la fusión.

Solicitudes de Funciones

Si tiene solicitudes de funciones, abra un issue en GitHub Issues y márquelo como enhancement.

Características del Proyecto

Puntos de Innovación

1. Colaboración Multi-Agente: Simula el proceso de toma de decisiones de un equipo de inversión real.
2. Estrategias de Maestros de Inversión: Integra las filosofías de inversión de múltiples figuras legendarias de la inversión.
3. Análisis Integral: Combina análisis técnico, análisis fundamental, análisis de sentimiento y más.
4. Gestión de Riesgos: Control de riesgos incorporado y mecanismos de gestión de cartera.
5. Funcionalidad de Backtesting: Soporta backtesting de datos históricos para verificar la efectividad de las estrategias.

Valor Educativo

• Aprender diferentes estrategias y filosofías de inversión.
• Comprender la aplicación de la IA en el campo financiero.
• Explorar los mecanismos de colaboración de los sistemas multi-agente.
• Dominar los conceptos básicos de la inversión cuantitativa.

Este proyecto proporciona una excelente plataforma práctica para los estudiantes en el campo cruzado de la IA y las finanzas, ayudando a los usuarios a comprender el potencial de las tecnologías modernas de IA en la inversión financiera a través de la simulación de procesos reales de toma de decisiones de inversión.