Présentation détaillée du projet AI Hedge Fund

Aperçu du projet

AI Hedge Fund est un projet de fonds spéculatif conceptuel basé sur l'intelligence artificielle, conçu pour explorer comment utiliser la technologie de l'IA pour prendre des décisions de trading. Il s'agit d'un projet à des fins purement éducatives et de recherche, et il n'est pas destiné à être utilisé pour des transactions ou des investissements réels.

Adresse du projet : https://github.com/virattt/ai-hedge-fund

Caractéristiques principales

Architecture multi-agents

Le projet adopte un système multi-agents, où chaque agent simule les philosophies et stratégies d'investissement d'investisseurs célèbres du monde réel :

Agents Maîtres de l'investissement

• Ben Graham Agent - Père de l'investissement axé sur la valeur, se concentre sur la recherche de joyaux cachés avec une marge de sécurité
• Bill Ackman Agent - Investisseur activiste, adopte des positions audacieuses et encourage le changement
• Cathie Wood Agent - Reine de l'investissement de croissance, croit au pouvoir de l'innovation et de la disruption
• Charlie Munger Agent - Partenaire de Buffett, n'achète que d'excellentes entreprises à des prix raisonnables
• Michael Burry Agent - Investisseur contrarien de "The Big Short", recherche la valeur profonde
• Peter Lynch Agent - Investisseur pragmatique, recherche des "actions multipliées par dix" dans les activités quotidiennes
• Phil Fisher Agent - Investisseur de croissance méticuleux, utilise une recherche approfondie de "collecte d'informations"
• Stanley Druckenmiller Agent - Légende macro, recherche des opportunités asymétriques avec un potentiel de croissance
• Warren Buffett Agent - Oracle d'Omaha, recherche d'excellentes entreprises à des prix raisonnables

Agents d'analyse

• Valuation Agent - Calcule la valeur intrinsèque des actions et génère des signaux de trading
• Sentiment Agent - Analyse le sentiment du marché et génère des signaux de trading
• Fundamentals Agent - Analyse les données fondamentales et génère des signaux de trading
• Technicals Agent - Analyse les indicateurs techniques et génère des signaux de trading

Agents de gestion

• Risk Manager - Calcule les indicateurs de risque et fixe les limites de position
• Portfolio Manager - Prend les décisions de trading finales et génère les ordres

Architecture technique

Exigences environnementales

• Python 3.x
• Poetry (gestion des dépendances)
• Docker (facultatif)

Dépendances principales

Le projet utilise plusieurs services API :

• OpenAI API - Exécute les modèles GPT-4o, GPT-4o-mini, etc.
• Groq API - Exécute les modèles DeepSeek, Llama3, etc.
• Financial Datasets API - Obtient des données financières
• Anthropic API - Support du modèle Claude
• DeepSeek API - Support du modèle DeepSeek

Structure du projet

ai-hedge-fund/
├── src/
│   ├── agents/              # Définitions et flux de travail des agents
│   │   ├── bill_ackman.py   # Agent Bill Ackman
│   │   ├── fundamentals.py  # Agent d'analyse fondamentale
│   │   ├── portfolio_manager.py # Agent de gestion de portefeuille
│   │   ├── risk_manager.py  # Agent de gestion des risques
│   │   ├── sentiment.py     # Agent d'analyse du sentiment
│   │   ├── technicals.py    # Agent d'analyse technique
│   │   ├── valuation.py     # Agent d'analyse de valorisation
│   │   └── warren_buffett.py # Agent Warren Buffett
│   ├── tools/               # Outils des agents
│   │   └── api.py          # Outil API
│   ├── backtester.py       # Outil de backtesting
│   └── main.py             # Point d'entrée principal
├── pyproject.toml
└── ...

Installation et utilisation

Installation locale

1. Cloner le dépôt

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

2. Installer Poetry

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

3. Installer les dépendances

poetry install

4. Définir les variables d'environnement

cp .env.example .env

5. Configurer les clés API

# Clé API OpenAI
OPENAI_API_KEY=your-openai-api-key

# Clé API Groq
GROQ_API_KEY=your-groq-api-key

# Clé API des ensembles de données financiers
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key

Installation Docker

1. S'assurer que Docker est installé
2. Cloner le dépôt (comme ci-dessus)
3. Définir les variables d'environnement (comme ci-dessus)
4. Construire l'image Docker

# Linux/Mac
./run.sh build

# Windows
run.bat build

Mode d'exécution

Exécution de base

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

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

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

Utiliser un LLM local

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

Afficher le processus de raisonnement

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

Spécifier une plage de dates

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

Fonctionnalité de backtesting

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

# Backtesting avec une plage de dates spécifiée
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-03-01

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

Support des données

Actions gratuites

Les données des actions suivantes sont fournies gratuitement, sans clé API :

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

Autres actions

Pour les autres codes boursiers, il est nécessaire de définir FINANCIAL_DATASETS_API_KEY.

Déclaration importante

Objectif éducatif

• Uniquement à des fins éducatives et de recherche
• Non destiné à des transactions ou des investissements réels
• Aucune garantie ou assurance n'est fournie
• Les performances passées ne préjugent pas des résultats futurs
• Le créateur n'assume aucune responsabilité pour les pertes financières
• Veuillez consulter un conseiller financier pour les décisions d'investissement

Trading simulé

Le système simule uniquement les décisions de trading et n'effectue pas d'opérations de trading réelles.

Guide de contribution

1. Forker le dépôt
2. Créer une branche de fonctionnalité
3. Soumettre les modifications
4. Pousser vers la branche
5. Créer une Pull Request

Remarque : Veuillez garder les Pull Requests petites et ciblées, ce qui facilitera l'examen et la fusion.

Demandes de fonctionnalités

Si vous avez des demandes de fonctionnalités, veuillez ouvrir un issue dans GitHub Issues et le marquer comme enhancement.

Caractéristiques du projet

Points d'innovation

1. Collaboration multi-agents : Simule le processus de prise de décision d'une véritable équipe d'investissement
2. Stratégies des maîtres de l'investissement : Intègre les philosophies d'investissement de plusieurs figures légendaires de l'investissement
3. Analyse complète : Combine l'analyse technique, l'analyse fondamentale, l'analyse du sentiment, etc.
4. Gestion des risques : Mécanismes intégrés de contrôle des risques et de gestion de portefeuille
5. Fonctionnalité de backtesting : Prend en charge le backtesting des données historiques pour valider l'efficacité des stratégies

Valeur éducative

• Apprendre différentes stratégies et philosophies d'investissement
• Comprendre l'application de l'IA dans le domaine financier
• Explorer les mécanismes de collaboration des systèmes multi-agents
• Maîtriser les concepts de base de l'investissement quantitatif

Ce projet offre une excellente plateforme pratique aux apprenants dans le domaine croisé de l'IA et de la finance, en simulant le processus de prise de décision d'investissement réel, aidant les utilisateurs à comprendre le potentiel d'application des technologies d'IA modernes dans l'investissement financier.