TradingAgents: เฟรมเวิร์ก AI แบบหลายตัวแทนที่จำลองกองทุนเฮดจ์ฟันด์
โปรเจกต์ AI ซื้อขายส่วนใหญ่ใช้ LLM ตัวเดียวรับข้อมูลแล้วสั่ง "ตัดสินใจ" TradingAgents (GitHub, arXiv: 2412.20138) เลือกแนวทางที่แตกต่าง: แทนที่จะใช้ตัวแทนเดียว — ทีมงานบริษัทซื้อขายทั้งชุด ซึ่งแต่ละบทบาทคือตัวแทน LLM แยกกันพร้อมเครื่องมือ แหล่งข้อมูล และพรอมต์เฉพาะตัว
สร้างบน LangGraph เฟรมเวิร์กนี้สร้างระบบที่ไม่ได้แค่ "ดูข้อมูล" — แต่ถกเถียงกันเองก่อนตัดสินใจ
สถาปัตยกรรม: จากข้อมูลสู่การตัดสินใจ
ไปป์ไลน์ทั้งหมดเป็นกราฟแบบไม่มีวงจร (DAG) ของ 12 โหนด:
Analyst Team → Research Debate → Trader → Risk Debate → Portfolio Manager → BUY/HOLD/SELL
ทีมนักวิเคราะห์: สี่ความเชี่ยวชาญ
| ตัวแทน | แหล่งข้อมูล | จุดเน้น |
|---|---|---|
| Fundamentals Analyst | งบดุล กระแสเงินสด งบกำไรขาดทุน | มูลค่าที่แท้จริงเทียบกับราคาตลาด |
| Sentiment Analyst | Yahoo Finance News, StockTwits, Reddit | การรวมความรู้สึกจากหลายแหล่ง |
| News Analyst | ข่าวหุ้น หัวข้อมหภาค ธุรกรรมวงใน | สัญญาณที่ขับเคลื่อนด้วยเหตุการณ์ |
| Technical Analyst | OHLCV, MACD, RSI, Bollinger Bands | การตรวจจับรูปแบบและโมเมนตัม |
การถกเถียงการวิจัย: กระทิงปะทะหมี
หลังจากนักวิเคราะห์ผลิตรายงาน การถกเถียงแบบปฏิปักษ์จะเริ่มต้น:
- Bull Researcher สร้างวิทยานิพนธ์เชิงบวก
- Bear Researcher สร้างวิทยานิพนธ์ต้านเชิงลบ
- การถกเถียงหลายรอบ (กำหนดค่าได้ผ่าน
max_debate_rounds) - Research Manager (LLM คิดลึก) สังเคราะห์ทั้งสองตำแหน่ง
การจัดการความเสี่ยง: ตัวกรองสามชั้น
ข้อเสนอของผู้ซื้อขายผ่านผู้จัดการความเสี่ยงสามคนที่ถกเถียงกัน:
| ตัวแทน | โปรไฟล์ |
|---|---|
| Aggressive Analyst | ความทนทานต่อความเสี่ยงสูง มุ่งเน้นด้านบวก |
| Neutral Analyst | สมดุลระหว่างความเสี่ยงและผลตอบแทน |
| Conservative Analyst | ความทนทานต่อความเสี่ยงต่ำ ป้องกันด้านลบ |
ผู้จัดการพอร์ตโฟลิโอ: การตัดสินใจขั้นสุดท้าย
รับข้อเสนอของผู้ซื้อขาย + ผลการถกเถียงความเสี่ยง + หน่วยความจำสะท้อนจากการตัดสินใจในอดีต อนุมัติ ปฏิเสธ หรือปรับปรุงการซื้อขาย
หน่วยความจำสะท้อน
ระบบดูแลบันทึกการตัดสินใจ ในการรันครั้งถัดไปสำหรับหุ้นเดิม ระบบจะดึงผลตอบแทนที่เกิดขึ้นจริง (ดิบ + อัลฟ่าเทียบกับ SPY) สร้างการสะท้อน และแทรกประวัติเข้าไปในพรอมต์ Portfolio Manager — สร้างการเรียนรู้จากข้อผิดพลาดโดยไม่ต้องปรับแต่ง
สแตกเทคโนโลยี
| ส่วนประกอบ | เทคโนโลยี |
|---|---|
| การจัดการ | LangGraph (StateGraph, checkpoints) |
| ผู้ให้บริการ LLM | OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, Ollama, Azure |
| ข้อมูลตลาด | yFinance, Alpha Vantage |
| ข้อมูลโซเชียล | StockTwits API, Reddit API |
ลิงก์
ผู้เขียน
Trading-systems engineer
Trading-systems engineer building bots since 2017: cross-exchange arbitrage (connected up to 30 venues), cointegration-based pairs arbitrage across spot and futures, scalping, news and sentiment-driven strategies, trend algorithms, and portfolio management and balancing algorithms. Also builds sub-millisecond order execution, big-data warehouses, backtesting engines, AI agents, and trading interfaces (incl. open-source profitmaker.cc). Stack: JS/TS, Python, Rust/Zig/Go, DevOps, backend, frontend, architecture.
อ่านเพิ่มเติม
AI Hedge Fund: กองทุนแบบ Multi-Agent ที่ AI นักวิเคราะห์โหวตตัดสินการเทรด
AI4Finance Foundation: ระบบนิเวศ FinGPT, FinRL และ FinRobot สำหรับการซื้อขายอัลกอริทึม
