TradingAgents-CN プロジェクト詳細紹介

プロジェクト概要

TradingAgents-CN は、マルチエージェント大規模言語モデル（LLM）に基づく中国語金融取引意思決定フレームワークです。このプロジェクトは、有名な TauricResearch/TradingAgents プロジェクトを基盤として開発され、中国語ユーザー向けに完全なローカライズサポートと最適化を提供します。

主要な特徴

• 🤖 マルチエージェント連携: 実際の取引会社の専門分業をシミュレートし、複数のAIエージェントが連携して市場状況を評価します。
• 🇨🇳 中国語最適化: 完全な中国語インターフェース、ドキュメント体系、およびA株市場サポート。
• 🧠 国産LLM統合: アリババ、Google AIなど、様々な大規模言語モデルを深く統合。
• 🌐 Webインターフェース: Streamlit をベースとしたモダンなWeb管理インターフェース。
• 📊 データベースサポート: MongoDB + Redis のデュアルデータベースアーキテクチャにより、スマートキャッシュとデータ永続化を提供。

システムアーキテクチャ

エージェントチーム構造

TradingAgents-CN はマルチエージェント連携アーキテクチャを採用しており、以下の専門チームが含まれます。

1. アナリストチーム

• ファンダメンタルズアナリスト: 企業の財務状況、業界トレンド、マクロ経済要因を分析。
• テクニカルアナリスト: 価格動向、テクニカル指標、チャートパターンを分析。
• ニュースアナリスト: 経済ニュース、企業発表、市場動向を分析。
• ソーシャルメディアアナリスト: 市場センチメント、投資家心理、ソーシャルメディアの議論を分析。

2. リサーチャーチーム

• 強気リサーチャー: 楽観的な視点から投資機会を分析。
• 弱気リサーチャー: 慎重な視点から投資リスクを分析。
• 構造化された議論: 意見の衝突を通じて意思決定の質を向上。

3. 取引意思決定層

• トレーダーエージェント: 全ての分析入力に基づいて最終的な取引意思決定を行います。
• リスク管理: 多層的なリスク評価と管理メカニズム。
• マネジメント層: 各チームの作業を調整し、意思決定の質を確保。

技術アーキテクチャ

コア技術スタック

技術分野	使用技術	バージョン要件
🐍 コア言語	Python	3.10+
🧠 AIフレームワーク	LangChain, LangGraph	最新版
🌐 Webインターフェース	Streamlit	1.28+
🗄️ データベース	MongoDB, Redis	4.4+, 6.0+
📊 データ処理	Pandas, NumPy	最新版
🔌 API統合	通達信API, FinnHub, Google News	-

データフローアーキテクチャ

1. データ取得: マルチソースデータアクセス（A株、米国株、ニュース、ソーシャルメディア）。
2. スマートキャッシュ: Redis のミリ秒単位キャッシュ + MongoDB の永続化ストレージ。
3. マルチエージェント処理: 並行分析、連携意思決定。
4. 結果出力: 構造化された投資助言とリスク評価。

主要機能

1. マルチマーケット対応

A株市場（🇨🇳）

• リアルタイム相場: 通達信APIがリアルタイム株価データを提供。
• 履歴データ: 履歴K線、テクニカル指標計算をサポート。
• 証券コード: 上海・深圳証券取引所の証券コード（例: 000001, 600519, 300750）をサポート。

米国株市場（🇺🇸）

• リアルタイムデータ: FinnHub、Yahoo Finance が米国株データを提供。
• 対応銘柄: AAPL, TSLA, NVDA, MSFT など主要な米国株。

2. 大規模言語モデル統合

国産LLM（推奨）

# 阿里百煉（DashScope）設定
config = {
    "llm_provider": "dashscope",
    "deep_think_llm": "qwen-plus",      # 深度分析
    "quick_think_llm": "qwen-turbo"     # 迅速なタスク
}

国際LLM

# OpenAI設定
config = {
    "llm_provider": "openai",
    "deep_think_llm": "gpt-4o",
    "quick_think_llm": "gpt-4o-mini"
}

3. スマート分析レベル

システムは5段階の研究深度を提供します。

レベル	分析時間	適用シナリオ	コスト
1級	2-4分	日常監視	低
2級	4-6分	通常投資	中低
3級	6-10分	重要意思決定（推奨）	中
4級	10-15分	重大投資	中高
5級	15-25分	最重要意思決定	高

4. Web管理インターフェース

主要機能

• 🎛️ 設定管理: APIキー管理、モデル選択、システム設定。
• 💰 コスト管理: リアルタイムのトークン使用統計とコスト追跡。
• 📊 分析監視: 分析プロセスと進捗のリアルタイム表示。
• 💾 キャッシュ管理: データキャッシュの状態監視と管理。

インターフェースの特徴

• 完全な中国語化: インターフェースと分析結果は全て中国語で表示。
• リアルタイム進捗: 分析プロセスの可視化により、待ち時間の不安を軽減。
• 構造化出力: 投資助言、目標株価、確信度、リスク評価。

インストールとデプロイ

システム要件

• Python 3.10+
• 4GB+ RAM（8GB+推奨）
• 安定したネットワーク接続

クイックインストール

# 1. プロジェクトをクローン
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. 仮想環境を作成
python -m venv env
source env/bin/activate  # Linux/macOS
# または env\Scripts\activate  # Windows

# 3. 依存関係をインストール
pip install -r requirements.txt

# 4. 環境変数を設定
cp .env.example .env
# .env ファイルを編集し、APIキーを設定

環境設定

# 必須設定
DASHSCOPE_API_KEY=your_dashscope_api_key_here
FINNHUB_API_KEY=your_finnhub_api_key_here

# オプション設定
GOOGLE_API_KEY=your_google_api_key_here
OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key

# データベース設定（オプション）
MONGODB_ENABLED=false
REDIS_ENABLED=false

サービス起動

# Webインターフェースを起動
streamlit run web/app.py

# アクセスアドレス：http://localhost:8501

使用例

1. Webインターフェースの使用

1. ブラウザで http://localhost:8501 にアクセスします。
2. 証券コード（例: AAPL または 000001）を入力します。
3. 研究深度を選択します（3級推奨）。
4. 「分析開始」をクリックします。
5. 構造化された分析結果を確認します。

2. プログラムからの呼び出し

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# システムを設定
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "dashscope"
config["deep_think_llm"] = "qwen-plus"

# 取引エージェントを作成
ta = TradingAgentsGraph(debug=True, config=config)

# 株式を分析
state, decision = ta.propagate("AAPL", "2024-01-15")

# 結果を出力
print(f"推奨アクション: {decision['action']}")
print(f"確信度: {decision['confidence']:.1%}")
print(f"リスクスコア: {decision['risk_score']:.1%}")

3. コスト最適化設定

# 低コスト設定
cost_optimized_config = {
    "deep_think_llm": "qwen-turbo",     # より安価なモデルを使用
    "quick_think_llm": "qwen-turbo",
    "max_debate_rounds": 1,             # 議論のラウンド数を削減
    "online_tools": False               # キャッシュデータを使用
}

# コスト見積もり
# 経済モード: $0.01-0.05/回分析
# 標準モード: $0.05-0.15/回分析
# 高精度モード: $0.10-0.30/回分析

データベース統合

MongoDB + Redis アーキテクチャ

# Docker を使用してデータベースを起動
docker-compose up -d

# サービスの状態を確認
docker-compose ps

多層データソース戦略

システムは高可用性を確保するためにスマートなフォールバック戦略を採用しています。

1. Redisキャッシュ（ミリ秒単位）: ホットデータへの高速アクセス。
2. MongoDBストレージ（秒単位）: 履歴データの永続化。
3. 通達信API（秒単位）: リアルタイムデータ取得。
4. ローカルキャッシュ（予備）: オフラインデータサポート。

ドキュメント体系

プロジェクトは50,000字を超える詳細な中国語ドキュメントを提供します。

• 📋 プロジェクト概要: プロジェクトのコアバリューを素早く理解。
• 🏛️ システムアーキテクチャ: マルチエージェント連携メカニズムを深く解析。
• 🤖 エージェント詳細: 各種エージェントの機能説明。
• 📊 データ処理: データソース統合と処理フロー。
• 💡 サンプルチュートリアル: 基本から応用までの実践チュートリアル。
• 🆘 FAQ: よくある質問と解決策。

貢献ガイドライン

様々な形式の貢献を歓迎します。

1. プロジェクトをフォーク
2. 機能ブランチを作成: git checkout -b feature/AmazingFeature
3. 変更をコミット: git commit -m 'Add some AmazingFeature'
4. ブランチにプッシュ: git push origin feature/AmazingFeature
5. プルリクエストを作成

リスク免責事項

⚠️ 重要なお知らせ:

• 本フレームワークは研究および教育目的のみに使用されます。
• 投資助言を構成するものではありません。
• AIモデルの予測には不確実性が存在します。
• 投資にはリスクが伴い、意思決定は慎重に行う必要があります。
• 専門のファイナンシャルアドバイザーに相談することをお勧めします。

TradingAgents-CN は、中国語ユーザーに世界クラスのAI金融取引意思決定フレームワークを提供し、中国のフィンテック分野におけるAI技術の革新的な応用を推進することを目指しています。