TradingAgents: Ein Multi-Agenten-Handelssystem
Was ist TradingAgents?
TradingAgents ist ein von der University of California, Los Angeles und dem Massachusetts Institute of Technology entwickeltes Finanzhandels-Framework, das durch Analyse, Diskussion und Entscheidungsfindung den optimalen Zeitpunkt für den Kauf und Verkauf von Aktien ermittelt. Das System umfasst Rollen wie Analysten, Forscher, Trader und Risikomanager, die umfassende Informationen wie Finanzdaten, Marktstimmung und Nachrichtenberichte berücksichtigen. Die verschiedenen Rollen bilden durch dynamische Diskussionen fundierte und angemessene Entscheidungen. Beispielsweise können einige Rollen eine bestimmte Aktie als kaufenswert erachten, während andere Risiken sehen – durch Debatten erzielen sie die bestmögliche Entscheidung.
Nutzer können je nach ihrem Handelsstil und ihren Zielen eigene Strategien definieren, das Verhalten der einzelnen Rollen anpassen und sogar neue Rollen oder Funktionsmodule hinzufügen. Das System unterstützt den Echtzeit-Abruf aktueller Marktdaten und ist zudem mit zwischengespeicherten Daten kompatibel. TradingAgents basiert auf LangGraph; in Experimenten wurden die Modelle o1-preview und gpt-4o jeweils für Deep-Thinking- bzw. Fast-Thinking-Aufgaben eingesetzt.

Kernmerkmale von TradingAgents
Aufgabenteilung in mehrere Rollen: Dieses Framework umfasst verschiedene Rollen, z. B. Fundamentalanalysten, Stimmungsanalysten, Nachrichtenanalysten, technische Analysten, Forscher, Trader und Risikomanager. Jede Rolle hat ihre eigenen Aufgaben und Werkzeuge, und alle arbeiten zusammen, um den Handel abzuwickeln.
Fundamentalanalyst: Analysiert die Finanzberichte und Branchentrends von Unternehmen, identifiziert unter- oder überbewertete Aktien und bewertet deren langfristigen Investitionswert.
Stimmungsanalyst: Analysiert Nachrichten, soziale Medien und die Marktstimmung, um die kurzfristigen Auswirkungen des Anlegerverhaltens auf die Aktienkurse vorherzusagen.
Nachrichtenanalyst: Beobachtet Nachrichten und makroökonomische Indikatoren, um wesentliche Ereignisse zu identifizieren, die den Markt beeinflussen könnten.
Technischer Analyst: Untersucht historische Kurse und technische Indikatoren, prognostiziert künftige Kursentwicklungen und bestimmt den Handelszeitpunkt.
Forscher: Im Team gibt es bullische und bärische Mitglieder, die durch Debatten Investitionsrisiken und -erträge bewerten.
Trader: Setzt auf Basis der Analyseergebnisse und der Risikopräferenz Handelsentscheidungen um.
Risikomanager: Überwacht Risiken in Echtzeit, passt Strategien an und stellt sicher, dass der Handel innerhalb der festgelegten Risikogrenzen erfolgt.
Kommunikationsweise: Kombiniert strukturierte Ausgaben mit Dialogen in natürlicher Sprache, um Informationsverluste zu vermeiden und die Entscheidungseffizienz zu steigern.
Technische Prinzipien von TradingAgents
Multi-Agenten-Zusammenarbeit: Mehrere intelligente Agenten übernehmen jeweils eigene Aufgaben und arbeiten zugleich miteinander zusammen.
Aufgabenzerlegung: Komplexe Handelsaufgaben werden in mehrere kleinere Aufgaben aufgeteilt, wobei jede Rolle für einen Teil verantwortlich ist.
Verarbeitung natürlicher Sprache: Nutzt LLMs zur Verarbeitung von Textdaten und unterstützt die Kommunikation zwischen Agenten sowie die Erklärung von Entscheidungen.
Datenfusion: Kombiniert strukturierte und unstrukturierte Daten, um mehr wertvolle Informationen zu erschließen.
Dynamische Entscheidungsfindung: Passt Strategien in Echtzeit an Marktveränderungen an und optimiert die Leistung.
Hauptfunktionen von TradingAgents
Datenerfassung und -analyse: Sammelt vielfältige Marktdaten, um Handelsentscheidungen zu unterstützen.
Rollen-Spezialisierung: Verschiedene Rollen bearbeiten unterschiedliche Aufgaben und erhöhen so die wissenschaftliche Fundierung der Entscheidungen.
Agenten-Debatte und Entscheidungsfindung: Bildet durch Debatten umfassende Handelsstrategien.
Risikokontrolle und -management: Überwacht Risiken in Echtzeit und stellt sicher, dass der Handel den Risikovorgaben entspricht.
Erklärbarkeit und Transparenz: Dokumentiert den Entscheidungsprozess in natürlicher Sprache, um das Verständnis und die Optimierung zu erleichtern.
Versuchsergebnisse
TradingAgents schneidet bei Kennzahlen wie kumulativer Rendite und Sharpe-Ratio hervorragend ab. Die kumulativen Erträge liegen mindestens 6,1 % über denen herkömmlicher Strategien, der maximale Drawback wird auf etwa 2 % begrenzt – das Risikomanagement funktioniert sehr gut.
Anwendungsszenarien von TradingAgents
Quantitatives Trading: Erzeugt in Echtzeit Kauf- und Verkaufssignale und unterstützt quantitative Trader bei schnellen Entscheidungen.
Vermögensverwaltung: Bietet dynamische Empfehlungen zur Asset-Allokation und optimiert das Anlageportfolio.
Privatinvestitionen: Liefert Privatanlegern Anlageempfehlungen und hilft dabei, Chancen und Risiken zu erkennen.
Finanzforschung: Stellt Analysten Markteinblicke bereit und unterstützt die Erstellung von Research-Berichten.
Risikokapital: Hilft bei der Bewertung der finanziellen Gesundheit und des Wachstumspotenzials von Unternehmen und reduziert so das Investitionsrisiko.
Projektadresse
Offizielle Website: https://tradingagents-ai.github.io/
GitHub-Repository: https://github.com/TradingAgents
Technisches Paper: https://arxiv.org/pdf/2412.20138
Drehbuch-Assistent▸
AI Apps
AI Nachrichten 