simonlin1212/TradingAgents-astock

TradingAgents‑Astock – 中国株式市場を対象としたマルチLLM研究フレームワーク

何であるか

• オープンソースの TradingAgents プロジェクト（論文『TradingAgents: Multi‑Agents LLM Financial Trading Framework』）のフォーク。同じマルチエージェントパイプラインを実装しているが、中国A株市場向けにデータレイヤー、エージェント役割、取引ルールを再設計している。
• Apache 2.0 ライセンス、pip install -e . で1回のコマンドでインストール可能。ローカルで実行（Docker不要、ただしDockerイメージも提供）。

主なアイデア

次元	オリジナル TradingAgents（米国株）	TradingAgents‑Astock（中国）
データソース	Yahoo Finance, Alpha Vantage	mootdx（TCP）を介した無料中国データ、東方財経、新浪、同花順、騰訊財経など – APIキー不要
アナリスト役割	4つのアナリスト（市場、センチメント、ニュース、ファウンデーション）	7つのアナリスト – 元の4つに加え、政策、熱狂資金（「龍虎榜」追跡）、ロックアップ（株式解放監視）
取引制約	米国ルール（T+0、価格制限なし）	A株ルール（T+1決済、日次漲跌停制限、最小ロットサイズ、取引時間帯）
出力言語	英語	中国語レポート（内部の議論はより良い推論のために英語のまま）
ベンチマーク	SPY	CSI‑300（沪深300）

アーキテクチャ（概要）

1. 7つのアナリストエージェントがデータレイヤーへのツールコールを使って個別の研究ノートを生成。
2. バール対ベア研究者がノートについて議論（ラウンド数は設定可能）。
3. 研究マネージャー（ディープシンキングLLM）が取引計画を統合。
4. トレーダーが計画をA株準拠の注文に変換（T+1、価格制限チェック、ロットサイズの丸め）。
5. リスクディベーター（攻撃的／中立／保守的）がリスクについて議論。
6. ポートフォリオマネージャー（ディープシンキングLLM）が最終的な評価と根拠を発行。

2つのLLM層を使用している：

• quick_think_llm：高速回転エージェント（アナリスト、研究者、トレーダー、リスクディベーター）に使用。
• deep_think_llm：全体の文脈が必要な2つのマネージャーに使用。

開始方法

git clone https://github.com/simonlin1212/tradingagents-astock.git
cd tradingagents-astock
pip install -e .
# オプション：特定のLLMプロバイダーをインストール、例：
# pip install --no-deps "langchain-google-genai>=4.0.0"

LLMプロバイダーのAPIキーを含む .env ファイルを作成（MiniMax、DeepSeek、ZhiPu、Qwen、OpenAI、Anthropicなど）。

MINIMAX_API_KEY=sk-…   # または DEEPSEEK_API_KEY, OPENAI_API_KEY, …

CLIまたはStreamlit UIのどちらかを実行：

tradingagents               # インタラクティブCLI
tradingagents-web           # Streamlit UIを起動
# または
streamlit run web/app.py

6桁のA株ティッカーとターゲット日付を入力；システムはデータを取得し、12ステップの完全なパイプラインを実行し、以下を含むMarkdown（またはPDF）レポートを出力：

• 個々のアナリストノート
• バール／ベアディベート
• リスクディベートの結果
• 最終的な 買 / 持ち / 売 評価と短い根拠。

パフォーマンス追跡機能

• 各実行後に決定とその後の市場結果（CSI‑300と比較）がログに記録される。
• tradingagents performance はこれらのログを集計し、方向正確性（評価の方向がベンチマークを上回った頻度）、up_rate、outperform_rate、評価階層の単調性テストを報告。
• この統計には追加のLLM呼び出しは不要。単に保存されたログを読み取るだけ。

設定のハイライト

• llm_provider, quick_think_llm, deep_think_llm でモデルを選択。
• max_debate_rounds と max_risk_discuss_rounds でやり取りの回数を制御。
• role_llms で特定の役割に異なるプロバイダー／モデルを割り当て可能（例：バールとベアディベーターに異なるLLMを割り当ててエコーチャンバー効果を回避）。
• backend_url で任意のOpenAI互換ゲートウェイを有効化（国内プロキシや自己ホスト推論に有用）。
• output_language は現在 Chinese（レポート）に限定されているが、内部の推論は英語のまま。

一般的な利用ケース

• 研究／教育 – 中国市場データ上でマルチエージェントLLMディベートの挙動を探索。
• プロトタイプ開発 – 自分のデータベンダーまたはカスタムアナリストロジックに交換しつつ、グラフインフラを維持。
• メトリクス収集 – 歴史的日付でフレームワークを実行し、方向正確性統計を収集し、プロンプトやモデルの変更で実験。

**何であるか ではない **

• 投資アドバイザリーサービスではない；実行可能な価格目標、ポジションサイズ、実行指示を発行しない。
• バックテストエンジンではない；パフォーマンスビューは取引コストモデルなしで、1日単位の決定の結果のみを記録。
• オンライン「株式選定アプリ」ではない；独自のLLM APIキーを提供し、自前ハードウェアでコードを実行する必要がある。

---

結論：TradingAgents‑Astockは完全にオープンで、pipでインストール可能な研究フレームワークであり、中国A株市場の特性に適応したマルチLLM TradingAgentsアーキテクチャを提供。無料のデータ接続、7つの専門的アナリストエージェント、議論から評価に至る完全なパイプラインを備え、学術研究や実験的トレーディング研究プロジェクトに適している。