TradingAgents : un système de trading multi-agents 64

Qu'est-ce que TradingAgents ?

TradingAgents est un cadre de trading financier développé par l'Université de Californie à Los Angeles (UCLA) et le Massachusetts Institute of Technology (MIT), qui détermine le moment opportun pour acheter ou vendre des actions grâce à l'analyse, la discussion et la prise de décision. Le système comprend des rôles tels que des analystes, des chercheurs, des traders et des gestionnaires de risques. Il prend en compte de manière globale les données financières, le sentiment du marché, les actualités et de nombreuses autres informations, et les différents rôles parviennent à des décisions complètes et raisonnées grâce à des discussions dynamiques. Par exemple, certains rôles peuvent estimer qu'une action mérite d'être achetée, tandis que d'autres perçoivent des risques ; ils atteignent la meilleure décision possible par le débat.

Les utilisateurs peuvent personnaliser leurs stratégies en fonction de leur style de trading et de leurs objectifs, ajuster le comportement de chaque rôle, et même ajouter de nouveaux rôles ou modules fonctionnels. Le système prend en charge la récupération en temps réel des données de marché les plus récentes et est également compatible avec les données mises en cache. TradingAgents est construit sur LangGraph. Lors des expérimentations, les modèles o1-preview et gpt-4o sont respectivement utilisés pour les tâches de réflexion approfondie et de réflexion rapide.

Caractéristiques principales de TradingAgents

• Répartition multi-rôles : ce cadre comprend divers rôles, tels que l'analyste fondamental, l'analyste de sentiment, l'analyste de l'actualité, l'analyste technique, le chercheur, le trader et le gestionnaire de risques. Chaque rôle a ses propres tâches et outils, et ils collaborent ensemble pour réaliser les transactions.

• Analyste fondamental : examine les états financiers de l'entreprise et les tendances sectorielles, identifie les actions sous-évaluées ou surévaluées, et évalue la valeur d'investissement à long terme.

• Analyste de sentiment : analyse l'actualité, les médias sociaux et le sentiment du marché pour prévoir l'impact à court terme du comportement des investisseurs sur le cours de l'action.

• Analyste de l'actualité : suit l'actualité et les indicateurs macroéconomiques afin d'identifier les événements majeurs susceptibles d'influencer le marché.

• Analyste technique : étudie les prix historiques et les indicateurs techniques pour prévoir les évolutions futures des prix et déterminer le moment opportun pour trader.

• Chercheur : l'équipe comprend des membres haussiers et baissiers qui évaluent les risques et les rendements de l'investissement par le débat.

• Trader : exécute les décisions de trading en fonction des résultats d'analyse et de la tolérance au risque.

• Gestionnaire de risques : surveille les risques en temps réel, ajuste les stratégies et garantit que les transactions restent dans les limites de risque définies.

• Mode de communication : combine des sorties structurées et des dialogues en langage naturel pour éviter la perte d'informations et améliorer l'efficacité de la prise de décision.

Principes techniques de TradingAgents

• Collaboration multi-agents : plusieurs agents intelligents remplissent各自使命 tout en coopérant les uns avec les autres.

• Décomposition des tâches : les tâches de trading complexes sont divisées en plusieurs petites tâches, chaque角色 étant responsable d'une partie.

• Traitement du langage naturel : exploite les LLM pour traiter les données textuelles et faciliter la communication et l'explication des décisions entre les agents.

• Fusion des données : combine des données structurées et non structurées afin d'exploiter davantage d'informations précieuses.

• Décision dynamique : ajuste les stratégies en temps réel en fonction des évolutions du marché pour optimiser les performances.

Fonctionnalités principales de TradingAgents

• Collecte et analyse de données : rassemble divers types de données de marché pour soutenir les décisions de trading.

• Spécialisation des rôles : différents rôles traitent différentes tâches, améliorant ainsi la rigueur scientifique des décisions.

• Débat et décision entre agents : forme des stratégies de trading complètes par le débat.

• Contrôle et gestion des risques : surveille les risques en temps réel pour garantir que les transactions respectent les paramètres de risque définis.

• Interprétabilité et transparence : enregistre le processus de décision en langage naturel pour faciliter la compréhension et l'optimisation.

Résultats expérimentaux

TradingAgents affiche d'excellentes performances sur des indicateurs tels que le rendement cumulé et le ratio de Sharpe, avec un rendement cumulé supérieur d'au moins 6,1 % à celui des stratégies traditionnelles, et un drawdown maximal maîtrisé autour de 2 %, reflétant un très bon contrôle des risques.

Scénarios d'application de TradingAgents

• Trading quantitatif : génère des signaux d'achat et de vente en temps réel pour aider les traders quantitatifs à prendre des décisions rapides.

• Gestion d'actifs : fournit des recommandations dynamiques d'allocation d'actifs afin d'optimiser le portefeuille d'investissement.

• Investissement personnel : propose des conseils d'investissement aux investisseurs particuliers pour les aider à identifier les opportunités et les risques.

• Recherche financière : offre aux analystes des éclairages sur le marché et soutient la rédaction de rapports de recherche.

• Capital-risque : aide à évaluer la santé financière et le potentiel de croissance des entreprises, réduisant ainsi les risques d'investissement.

Adresse du projet

Site officiel : https://tradingagents-ai.github.io/

Dépôt GitHub : https://github.com/TradingAgents

Article scientifique : https://arxiv.org/pdf/2412.20138