TradingAgents: 무엇이며, 어떤 문제를 해결하고, 왜 주목받고 있는가

해결하고자 하는 문제

TradingAgents는 금융 거래 연구를 위한 구조화된 다중 에이전트 프레임워크를 제공합니다. 이는 전문 트레이딩 회사의 협업 환경을 재현하는 것을 목표로 합니다. 여기서는 다양한 전문가(분석가, 연구원, 매니저)가 함께 시장 상황을 평가하고 정보에 기반한 거래 결정을 내림으로써 단일 LLM 출력에 대한 의존도를 낮춥니다.

작동 방식

LangGraph로 구축된 이 프레임워크는 특화된 LLM 기반 에이전트들의 파이프라인을 조정합니다:

• 분석가 팀: 기본 분석가(재무), 감성 분석가(소셜 미디어/뉴스), 뉴스 분석가(거시경제), 기술 분석가(가격 패턴/지표)를 포함합니다.
• 연구원 팀: 분석가들의 결과를 두고 토론하는 상승 및 하락 연구원으로, 위험과 보상을 균형 있게 맞춥니다.
• 트레이더 에이전트: 모든 보고서를 종합해 시점과 규모에 관한 최종 거래 결정을 내립니다.
• 리스크 및 포트폴리오 관리: 리스크 관리 팀이 변동성 및 유동성을 평가하고, 포트폴리오 매니저가 거래에 대한 최종 승인 또는 거부를 제공합니다.

이 시스템은 다양한 LLM 제공업체(OpenAI, Google, Anthropic, DeepSeek 등)를 지원하며 Yahoo Finance, FRED, Polymarket과 같은 데이터 소스와 통합됩니다. 또한 장기 학습을 위한 의사결정 로그와 중단된 실행을 재개할 수 있는 체크포인트 기능을 갖추고 있습니다.

대상 사용자

금융 시장에서 다중 에이전트 AI 분석을 연구하는 연구자를 위해 설계되었습니다. 이는 금융 또는 투자 조언을 목적으로 하지 않습니다.

주요 특징

• 다중 에이전트 아키텍처: 실제 트레이딩 회사의 역할을 반영합니다(분석가 → 연구원 → 트레이더 → 리스크/포트폴리오 매니저).
• 광범위한 모델 지원: OpenAI, Anthropic, Google 등 주요 제공업체와 Ollama를 통한 로컬 모델을 모두 호환합니다.
• 글로벌 시장 커버리지: Yahoo Finance가 다루는 모든 시장(미국, 홍콩, 도쿄, 런던, 인도, 캐나다, 호주, 중국 및 암호화폐)에서 작동합니다.
• 지속성 메커니즘: 티커 간 학습을 위한 의사결정 로그와 복구를 위한 SQLite 기반 체크포인트를 포함합니다.

요약

다중 에이전트 LLM 프레임워크로, 전문 트레이딩 회사의 워크플로우를 시뮬레이션하여 시장 데이터를 협업적으로 분석하고 연구 목적의 거래 결정을 지원합니다.

제목

TradingAgents: 무엇이며, 어떤 문제를 해결하고, 왜 주목받고 있는가