virattt/ai-hedge-fundView GitHub Homepage for Latest Official Releases

AI 기반 컨셉 헤지 펀드로, 다중 에이전트 시스템을 사용하여 투자 결정을 시뮬레이션합니다.

Pythonai-hedge-fundvirattt 41.4k Last Updated: September 21, 2025

AI 헤지 펀드 프로젝트 상세 소개

프로젝트 개요

AI 헤지 펀드는 AI 기술을 활용한 거래 의사 결정을 탐구하는 것을 목표로 하는 인공지능 기반의 개념적 헤지 펀드 프로젝트입니다. 이는 순전히 교육 및 연구 목적으로만 사용되며, 실제 거래 또는 투자에는 사용되지 않습니다.

프로젝트 주소: https://github.com/virattt/ai-hedge-fund

핵심 특징

다중 에이전트 아키텍처

프로젝트는 다중 에이전트 시스템을 채택하여 각 에이전트가 실제 세계의 유명 투자자의 투자 철학과 전략을 모방합니다.

투자 거장 에이전트
  • Ben Graham Agent - 가치 투자의 아버지, 안전 마진이 있는 숨겨진 보석을 찾는 데 집중
  • Bill Ackman Agent - 행동주의 투자자, 대담한 입장을 취하고 변화를 추진
  • Cathie Wood Agent - 성장 투자 여왕, 혁신과 파괴력을 믿음
  • Charlie Munger Agent - 버핏의 파트너, 합리적인 가격의 우량 기업만 구매
  • Michael Burry Agent - 《빅 쇼트》의 역발상 투자자, 깊은 가치를 찾음
  • Peter Lynch Agent - 실용적인 투자자, 일상 업무에서 "10루타 주식"을 찾음
  • Phil Fisher Agent - 꼼꼼한 성장 투자자, 심층적인 "탐문" 연구 사용
  • Stanley Druckenmiller Agent - 거시경제 전설, 성장 잠재력이 있는 비대칭 기회를 찾음
  • Warren Buffett Agent - 오마하의 현인, 합리적인 가격의 우량 기업을 찾음
분석 에이전트
  • Valuation Agent - 주식의 내재 가치를 계산하고 거래 신호 생성
  • Sentiment Agent - 시장 심리를 분석하고 거래 신호 생성
  • Fundamentals Agent - 기본 데이터 분석 및 거래 신호 생성
  • Technicals Agent - 기술 지표 분석 및 거래 신호 생성
관리 에이전트
  • Risk Manager - 위험 지표 계산 및 포지션 제한 설정
  • Portfolio Manager - 최종 거래 결정 및 주문 생성

기술 아키텍처

환경 요구 사항

  • Python 3.x
  • Poetry (의존성 관리)
  • Docker (선택 사항)

주요 의존성

프로젝트는 여러 API 서비스를 사용합니다.

  • OpenAI API - GPT-4o, GPT-4o-mini 등 모델 실행
  • Groq API - DeepSeek, Llama3 등 모델 실행
  • Financial Datasets API - 금융 데이터 획득
  • Anthropic API - Claude 모델 지원
  • DeepSeek API - DeepSeek 모델 지원

프로젝트 구조

ai-hedge-fund/
├── src/
│   ├── agents/              # 에이전트 정의 및 워크플로
│   │   ├── bill_ackman.py   # Bill Ackman 에이전트
│   │   ├── fundamentals.py  # 기본 분석 에이전트
│   │   ├── portfolio_manager.py # 포트폴리오 관리 에이전트
│   │   ├── risk_manager.py  # 위험 관리 에이전트
│   │   ├── sentiment.py     # 감정 분석 에이전트
│   │   ├── technicals.py    # 기술 분석 에이전트
│   │   ├── valuation.py     # 가치 평가 분석 에이전트
│   │   └── warren_buffett.py # Warren Buffett 에이전트
│   ├── tools/               # 에이전트 도구
│   │   └── api.py          # API 도구
│   ├── backtester.py       # 백테스팅 도구
│   └── main.py             # 주 진입점
├── pyproject.toml
└── ...

설치 및 사용

로컬 설치

  1. 저장소 복제
git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund
  1. Poetry 설치
curl -sSL https://install.python-poetry.org | python3 -
  1. 의존성 설치
poetry install
  1. 환경 변수 설정
cp .env.example .env
  1. API 키 구성
# OpenAI API 키
OPENAI_API_KEY=your-openai-api-key

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

# 금융 데이터 API 키
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key

Docker 설치

  1. Docker 설치 확인
  2. 저장소 복제 (위와 동일)
  3. 환경 변수 설정 (위와 동일)
  4. Docker 이미지 빌드
# Linux/Mac
./run.sh build

# Windows
run.bat build

실행 방법

기본 실행

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

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

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

로컬 LLM 사용

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

추론 과정 표시

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

기간 지정

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

백테스팅 기능

# 기본 백테스팅
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA

# 기간 지정 백테스팅
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-03-01

# 로컬 LLM 백테스팅
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --ollama

데이터 지원

무료 주식

다음 주식 데이터는 무료로 제공되며, API 키가 필요하지 않습니다.

  • AAPL (애플)
  • GOOGL (구글)
  • MSFT (마이크로소프트)
  • NVDA (엔비디아)
  • TSLA (테슬라)

기타 주식

다른 주식 티커의 경우 FINANCIAL_DATASETS_API_KEY를 설정해야 합니다.

중요 성명

교육 목적

  • 교육 및 연구 목적으로만 사용
  • 실제 거래 또는 투자에 사용하지 않음
  • 어떠한 보증 또는 담보도 제공하지 않음
  • 과거 성과가 미래 결과를 나타내지 않음
  • 작성자는 어떠한 재정적 손실에 대해서도 책임을 지지 않음
  • 투자 결정은 재무 자문가와 상담하십시오

모의 거래

시스템은 거래 결정을 시뮬레이션할 뿐 실제 거래 작업을 수행하지 않습니다.

기여 가이드라인

  1. 저장소 포크
  2. 기능 브랜치 생성
  3. 변경 사항 커밋
  4. 브랜치에 푸시
  5. 풀 리퀘스트 생성

주의: 풀 리퀘스트를 작고 집중적으로 유지하면 검토 및 병합이 더 쉬워집니다.

기능 요청

기능 요청이 있는 경우 GitHub Issues에서 이슈를 열고 enhancement로 표시하십시오.

프로젝트 특징

혁신적인 포인트

  1. 다중 에이전트 협업: 실제 투자 팀의 의사 결정 과정 시뮬레이션
  2. 투자 거장 전략: 여러 투자 전설의 투자 철학 통합
  3. 종합적인 분석: 기술 분석, 기본 분석, 감정 분석 등 다양한 차원 결합
  4. 위험 관리: 내장된 위험 통제 및 포트폴리오 관리 메커니즘
  5. 백테스팅 기능: 과거 데이터 백테스팅을 통한 전략 효과 검증 지원

교육적 가치

  • 다양한 투자 전략 및 철학 학습
  • 금융 분야에서 AI의 응용 이해
  • 다중 에이전트 시스템의 협업 메커니즘 탐구
  • 양적 투자의 기본 개념 습득

이 프로젝트는 AI와 금융 교차 분야의 학습자에게 훌륭한 실습 플랫폼을 제공하며, 실제 투자 의사 결정 과정을 시뮬레이션하여 사용자가 현대 AI 기술이 금융 투자에 미치는 잠재력을 이해하도록 돕습니다.

Star History Chart