Y-Research-SBU/QuantHarness

해결하는 문제

QuantHarness는 고빈도 거래를 위한 기술적 분석의 복잡한 과정을 자동화하기 위해 설계되었습니다. 수동적인 차트 해석과 지표 계산을 대체하여, 원시 가격 데이터와 시각적 차트를 모두 처리할 수 있는 다중 에이전트 시스템을 사용하여 실행 가능한 거래 지시를 생성합니다.

작동 방식

이 시스템은 LangChain과 LangGraph를 기반으로 한 다중 에이전트 아키텍처로 구성되며, 이미지 분석이 가능한 멀티모달 LLM이 필요합니다. 네 가지 전문 에이전트를 활용합니다:

• 지표 에이전트: OHLC 데이터에서 RSI, MACD, 스토캐스틱 오실레이터와 같은 기술적 지표를 계산합니다.
• 패턴 에이전트: 가격 차트를 생성하고 시각적 형태를 분석하여 익숙한 차트 패턴을 식별합니다.
• 트렌드 에이전트: 추세 채널을 추가한 K선 차트를 생성하여 시장 방향과 정체 구역을 정량화합니다.
• 의사결정 에이전트: 다른 에이전트의 보고서를 통합하여 구체적인 롱 또는 숏 포지션을 제안하며, 진입/청산 지점과 스토프로스 기준을 포함합니다.

대상 사용자

이 도구는 주식, 암호화자산, 상품, 지수 등 다양한 시장에서 AI 기반 시장 분석에 관심이 있는 트레이더와 연구자들을 대상으로 합니다.

주요 특징

• 멀티모달 분석: 수치적 기술 지표와 시각적 차트 인식을 결합합니다.
• 포괄적인 도구 세트: Yahoo Finance를 통해 실시간 데이터를 가져오는 Flask 기반 웹 인터페이스를 포함합니다.
• 유연한 LLM 지원: OpenAI, Anthropic, Qwen, MiniMax 모델과 호환됩니다.
• 사용자 정의 시간 프레임: 1분 간격부터 일간 차트까지 다양한 시간 프레임 분석을 지원합니다.