TradingAgents: 다중 에이전트 LLM 금융 거래 프레임워크

프로젝트 개요

TradingAgents는 실제 거래 회사의 역동적인 구조를 시뮬레이션하는 다중 에이전트 거래 프레임워크입니다. 기본적 분석가, 감성 전문가, 기술적 분석가, 트레이더 및 위험 관리 팀을 포함하여 대규모 언어 모델로 구동되는 전문 에이전트 팀을 배포함으로써 이 플랫폼은 협업 평가를 통해 거래 의사 결정을 강화합니다.

이 프로젝트는 Tauric Research에서 개발했으며, AI를 통해 거래 인텔리전스를 재정의하고, 대규모 언어 모델, 고급 추론 및 자율 에이전트를 활용하여 거래 우수성을 향상시키는 데 전념하고 있습니다.

핵심 기능

1. 다중 에이전트 아키텍처

TradingAgents는 기본적 분석가, 감성 분석가, 뉴스 분석가, 기술적 분석가, 연구원, 트레이더 및 위험 관리자라는 7가지의 서로 다른 역할을 채택합니다. 각 에이전트는 해당 기능에 맞게 조정된 전문 도구와 제약 조건을 갖추고 있습니다.

2. 에이전트 팀 구조

분석가 팀

• 기본적 분석가: 회사 재무 데이터, 산업 동향 및 거시 경제 지표 분석
• 감성 분석가: 시장 심리 데이터 및 소셜 미디어 정보 처리
• 뉴스 분석가: 뉴스 이벤트가 시장에 미치는 영향 분석
• 기술적 분석가: 기술 지표 분석 및 차트 패턴 식별 수행

연구 팀

연구팀은 강세 및 약세 관점을 포함하는 변증법적 과정을 통해 분석가 데이터를 비판적으로 평가합니다. 이러한 토론은 균형 잡힌 분석을 보장하고, 거래 전략을 개발하기 위한 기회와 위험을 식별합니다.

거래 팀

거래 에이전트는 종합적인 분석을 기반으로 의사 결정을 실행합니다. 그들은 분석가와 연구원의 통찰력을 평가하고, 최적의 거래 행동을 결정하며, 역동적인 시장 환경에서 수익과 위험의 균형을 맞춥니다.

위험 관리 팀

위험 관리 팀은 회사의 시장 위험 노출을 감독하고, 거래 활동이 미리 정의된 제한 내에서 유지되도록 보장하며, 효과적인 위험 통제를 통해 재정적 안정성을 확보하고 자산을 보호합니다.

3. 기술 아키텍처 특징

ReAct 프롬프트 프레임워크

모든 에이전트는 ReAct 프롬프트 프레임워크를 사용하여 협업 및 역동적인 의사 결정 프로세스를 촉진하여 실제 거래 시스템을 반영합니다.

구조화된 통신 프로토콜

TradingAgents는 명확한 구조화된 출력과 자연어 대화를 결합한 구조화된 프로토콜을 채택합니다. 이 방법은 정보 손실을 최소화하고 장기적인 상호 작용에서 컨텍스트를 유지합니다.

지능형 모델 선택

작업 요구 사항에 따라 LLM을 선택하고, 빠른 사고 모델을 사용하여 데이터 검색을 수행하고, 심층 사고 모델을 사용하여 심층 분석 및 의사 결정을 수행합니다.

실험 결과 및 성능

실험 설정

• 데이터 세트: 역사적 주가, 뉴스 기사, 소셜 미디어 감성, 내부 거래, 재무 보고서 및 기술 지표를 포함하는 다중 자산, 다중 모드 금융 데이터 세트
• 시간 범위: 2024년 1월부터 3월까지의 데이터는 훈련에 사용되고, 2024년 6월부터 11월까지는 거래 환경에 사용됩니다.
• 작동 빈도: 에이전트는 사용 가능한 데이터를 기반으로 매일 실행되어 의사 결정을 내립니다.

성능 지표 비교

범주	모델	AAPL				GOOGL				AMZN
		CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓	CR%↑	ARR%↑	SR↑	MDD%↓
시장	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
당사	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

참고: CR=누적 수익률, ARR=연간 수익률, SR=샤프 비율, MDD=최대 손실 폭

주요 강점

1. 탁월한 위험 조정 수익: TradingAgents는 모든 테스트 주식에서 벤치마크보다 우수한 성능을 달성했습니다.
2. 효과적인 위험 관리: 높은 수익을 유지하면서 낮은 최대 손실 폭을 유지합니다.
3. 투명한 의사 결정 프로세스: 자연어 설명을 통해 해석 가능한 의사 결정을 제공합니다.

기술 구현

프로젝트 구조

TradingAgents/
├── tradingagents/
│   ├── agents/
│   │   ├── analysts/        # 분석가 에이전트
│   │   ├── researchers/     # 연구원 에이전트
│   │   ├── traders/         # 트레이더 에이전트
│   │   └── risk_managers/   # 위험 관리 에이전트
│   ├── tools/               # 에이전트 도구
│   ├── communication/       # 통신 프로토콜
│   └── environment/         # 거래 환경

관련 링크

• GitHub 저장소: https://github.com/TauricResearch/TradingAgents
• 프로젝트 홈페이지: https://TradingAgents-AI.github.io/

요약

TradingAgents는 다중 에이전트 협업 및 구조화된 통신을 통해 상당한 성능 향상을 달성한 AI 기반 금융 거래의 중요한 발전을 나타냅니다. 이 프레임워크는 수익률 측면에서 기존 방법을 능가할 뿐만 아니라 실제 금융 애플리케이션에 중요한 투명하고 해석 가능한 의사 결정 프로세스를 제공합니다.