大規模言語モデルに基づいたマルチエージェント金融取引フレームワークで、実際の取引会社の協力構造をシミュレーションします。

TradingAgents: 複数エージェントLLM金融取引フレームワーク

プロジェクト概要

TradingAgentsは、実際の取引会社のダイナミックな構造をシミュレートする、複数エージェント取引フレームワークです。ファンダメンタルアナリスト、センチメントエキスパート、テクニカルアナリスト、トレーダー、リスク管理チームなど、大規模言語モデル（LLM）によって駆動される専門エージェントのチームを配備することで、このプラットフォームは協調的な評価を通じて取引の意思決定を強化します。

このプロジェクトはTauric Researchによって開発され、AIを通じて取引インテリジェンスを再定義し、大規模言語モデル、高度な推論、および自律エージェントを活用して取引の卓越性を高めることに取り組んでいます。

主要な特徴

1. 複数エージェントアーキテクチャ

TradingAgentsは、ファンダメンタルアナリスト、センチメントアナリスト、ニュースアナリスト、テクニカルアナリスト、研究者、トレーダー、リスク管理者の7つの異なる役割を採用しています。各エージェントには、その機能に合わせてカスタマイズされた専門ツールと制約条件が装備されています。

2. エージェントチーム構造

アナリストチーム

• ファンダメンタルアナリスト: 企業の財務データ、業界トレンド、およびマクロ経済指標を分析します。
• センチメントアナリスト: 市場センチメントデータとソーシャルメディア情報を処理します。
• ニュースアナリスト: ニュースイベントが市場に与える影響を分析します。
• テクニカルアナリスト: テクニカル指標分析とチャートパターン認識を実行します。

研究チーム

研究チームは、強気と弱気の視点を含む弁証法的なプロセスを通じて、アナリストデータを批判的に評価します。この議論は、バランスの取れた分析を保証し、取引戦略を策定するための機会とリスクを特定します。

取引チーム

取引エージェントは、総合的な分析に基づいて意思決定を実行します。彼らはアナリストと研究者からの洞察を評価し、最適な取引行動を決定し、ダイナミックな市場環境で収益とリスクのバランスを取ります。

リスク管理チーム

リスク管理チームは、会社の市場リスクエクスポージャーを監督し、取引活動が事前定義された制限内に維持されるようにします。効果的なリスク管理を通じて財務の安定性を確保し、資産を保護します。

3. 技術アーキテクチャの特徴

ReActプロンプトフレームワーク

すべてのエージェントはReActプロンプトフレームワークを使用し、現実世界の取引システムを反映した、協調的で動的な意思決定プロセスを促進します。

構造化された通信プロトコル

TradingAgentsは、明確な構造化された出力と自然言語の対話を組み合わせた構造化されたプロトコルを採用しています。このアプローチは、情報の損失を最小限に抑え、長期的なインタラクションでコンテキストを維持します。

インテリジェントなモデル選択

タスクの要件に応じてLLMを選択し、データ検索には高速思考モデルを使用し、詳細な分析と意思決定には深層思考モデルを使用します。

実験結果とパフォーマンス

実験設定

• データセット: 過去の株価、ニュース記事、ソーシャルメディアのセンチメント、インサイダー取引、財務報告書、およびテクニカル指標を含む、複数資産、マルチモーダル金融データセット
• 期間: 2024年1月から3月までのデータはトレーニングに使用され、2024年6月から11月までは取引環境に使用されます。
• 操作頻度: エージェントは毎日実行され、利用可能なデータに基づいて意思決定を行います。

パフォーマンス指標の比較

カテゴリ	モデル	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

注：CR=累積収益率、ARR=年換算収益率、SR=シャープレシオ、MDD=最大ドローダウン

主要な利点

1. 優れたリスク調整後収益: TradingAgentsは、すべてのテストされた株式でベンチマークを上回るパフォーマンスを実現しました。
2. 効果的なリスク管理: 高い収益を維持しながら、低い最大ドローダウンを維持します。
3. 透明な意思決定プロセス: 自然言語の説明を通じて、解釈可能な意思決定を提供します。

技術的な実装

プロジェクト構造

TradingAgents/
├── tradingagents/
│   ├── agents/
│   │   ├── analysts/        # アナリストエージェント
│   │   ├── researchers/     # 研究者エージェント
│   │   ├── traders/         # トレーダーエージェント
│   │   └── risk_managers/   # リスク管理エージェント
│   ├── tools/               # エージェントツール
│   ├── communication/       # 通信プロトコル
│   └── environment/         # 取引環境

関連リンク

• GitHubリポジトリ: https://github.com/TauricResearch/TradingAgents
• プロジェクトホームページ: https://TradingAgents-AI.github.io/

まとめ

TradingAgentsは、AI駆動の金融取引における重要な進歩を表しており、複数エージェントのコラボレーションと構造化された通信を通じて、大幅なパフォーマンスの向上を実現しています。このフレームワークは、収益率で従来の方法を上回るだけでなく、より重要なことに、透明で解釈可能な意思決定プロセスを提供します。これは、実際の金融アプリケーションにとって不可欠です。