simonlin1212/TradingAgents-astock

A股多Agent投研框架 — 适配A股数据源(龙虎榜/游资/解禁等)，7位分析师基于A股规则的辩论决策，基于TradingAgents深度改造，适配大A。A-share multi-agent investment research framework — 7 AI analysts, bull/bear debate, risk assessment。

TradingAgents‑Astock – 중국 A주 시장을 위한 AI 기반 리서치 에이전트

이것이 무엇인가 – 오픈소스 TradingAgents 프레임워크의 포크로, 다중 에이전트 투자 리서치 파이프라인을 중국 A주 시장에 맞게 조정한 것입니다. 모든 코드, 데이터 커넥터, Streamlit UI를 pip 설치 가능한 패키지(Apache-2.0)로 묶었습니다. 이 시스템은 리서치 중심의 프로토타입이며, 거래 서비스가 아니며 투자 조언을 제공하지 않는다는 면책 조항이 포함되어 있습니다.

왜 존재하는가 – 원래 TradingAgents는 미국 주식(Yahoo Finance, Alpha Vantage, T+0, 가격 제한 없음)용으로 만들어졌습니다. 이러한 가정은 A주에는 적용되지 않습니다. A주는 다음과 같은 특징이 있습니다:

T+1 결제, 일일 가격 제한 폭, 최소 거래 단위, 거래 시간.
정책 주도적인 시장 역학.
별개의 데이터 소스(mootdx, East‑money, Sina, Tonghuashun 등).

이 포크는 데이터 레이어를 재작성하고, 중국 특화 분석가 역할 3개를 추가하며, 거래 규칙을 조정합니다.

핵심 구성 요소

구성 요소	역할
7명의 분석가 에이전트	시장, 소셜, 뉴스, 펀더멘털(원래) + 정책, 유동성 추적기, 잠금 해제 모니터(A주 특화). 각각 내장 공급업체에서 데이터를 가져와 짧은 보고서를 생성합니다.
강세/약세 리서처	장기 vs 단기 논리에 대해 토론합니다(기본 1라운드).
리서치 매니저	분석가 보고서와 토론을 종합하여 투자 계획을 만드는 심층 사고 LLM입니다.
트레이더	A주 제약(T+1, 가격 제한, 거래 단위, 거래 시간)을 준수하는 실행 가능한 주문을 생성합니다.
리스크 토론자	공격적/중립적/보수적 에이전트가 리스크 노출을 논쟁합니다.
포트폴리오 매니저	최종 심층 사고 LLM으로 매수/보유/매도 등급과 근거를 출력합니다.
데이터 레이어	무료, API 키 불필요 커넥터: mootdx(TCP), Tencent finance, East‑money, Sina, Tonghuashun, Caixin, Baidu Stock.
웹 UI	12단계 파이프라인, 진행 상황, 다운로드 가능한 Markdown/PDF 보고서를 보여주는 Streamlit 프론트엔드.
CLI	대화형 사용, 일괄 분석, 성과 통계를 위한 `tradingagents` 명령.

작동 방식(높은 수준의 흐름)

데이터 가져오기 – 각 분석가가 공급업체 함수(예: get_stock_data, get_news)를 호출합니다.
분석가 보고서 – 짧은 중국어 보고서(내부 토론은 LLM 일관성을 위해 영어로 유지).
강세 vs 약세 토론 – 두 리서처가 최대 max_debate_rounds(기본 1) 동안 논쟁합니다.
리서치 매니저 – 모든 보고서와 토론 출력을 소비하여 투자 계획을 생성하는 "심층 사고" LLM.
트레이더 – A주 규칙을 준수하는 구체적인 주문을 생성합니다.
리스크 토론 – 공격적/중립적/보수적 에이전트가 리스크를 논의합니다.
포트폴리오 매니저 – 최종 심층 사고 LLM이 등급과 근거를 출력합니다.
결과 – 시스템이 구조화된 결정 객체와 전체 다중 섹션 보고서를 반환합니다.

시작하기(빠른 단계)

# 1. 클론 및 설치(Python ≥3.10)
git clone https://github.com/simonlin1212/tradingagents-astock.git
cd tradingagents-astock
pip install -e .

# 2. LLM 자격 증명 설정(공급자 하나 선택)
cat > .env <<EOF
MINIMAX_API_KEY=sk-xxxx   # 또는 DEEPSEEK_API_KEY, OPENAI_API_KEY 등
EOF

# 3. UI(또는 CLI) 실행
tradingagents-web               # http://localhost:8501 열림
# 또는
tradingagents analyze           # 대화형 프롬프트

README는 또한 TradingAgentsGraph를 사용하여 단일 티커를 분석하는 최소한의 Python 예제를 제공합니다.

이것으로 할 수 있는 것

리서치 및 교육 – 모든 A주 티커에 대해 전체 다중 에이전트 파이프라인을 실행하여 LLM 기반 분석가가 가격, 정책, 유동성 흐름, 잠금 해제 이벤트에 대해 추론하는 방식을 확인합니다.
LLM 공급자 실험 – llm_provider 및 backend_url 설정을 통해 MiniMax, DeepSeek, Qwen, GLM, OpenAI, Anthropic, Google Gemini, Ollama 또는 모든 OpenAI 호환 게이트웨이 간에 전환합니다.
일괄 성과 분석 – 여러 실행 후 tradingagents performance는 추가 LLM 호출 없이 방향 정확도, CSI‑300 대비 초과 성과, 등급 변별력을 계산합니다.
역할 사용자 지정 – role_llms 구성을 사용하여 강세/약세 토론자 또는 다른 에이전트에 다른 모델을 제공합니다. 모델별 편향 연구에 유용합니다.

제한 사항 및 주의 사항

리서치 전용 – 실행 엔진, 포트폴리오 수준 리스크 관리, 거래 비용 모델링이 없습니다. 면책 조항은 투자 서비스가 아님을 명시합니다.
LLM 비용 – 각 분석은 30‑50회의 LLM 호출을 발생시킵니다. 로컬 Ollama 모델이나 Claude‑SDK 구독 트릭을 사용하지 않는 한 유료 API 키가 필요합니다.
데이터 신뢰성 – 모든 데이터 소스는 무료이지만 속도 제한이 있을 수 있습니다(East‑money 제한이 내장됨). 모델이 도구 호출에 실패하면 특정 분석가가 빈 보고서를 반환할 수 있습니다.
모델 출력 길이 – 일부 공급자는 보고서를 잘라냅니다. 구성에서 max_tokens를 늘려야 할 수 있습니다.
성과 지표 – performance 명령은 고정 보유 기간을 기준으로 방향 정확도를 보고합니다. 백테스트가 아니며 샘플이 적으면 노이즈가 있을 수 있습니다.

누구에게 유용할까?

학계 또는 기업 연구자 – 중국 주식에 대한 LLM 기반 금융 추론을 탐구하는 사람.
퀀트 개발자 – 자체 실행 시스템에 연결할 수 있는 기성 다중 에이전트 리서치 스캐폴드를 원하는 사람.
학생 – AI 에이전트, 도구 호출, A주 시장의 특수성에 대해 배우는 사람.

요약 – TradingAgents‑Astock은 7명의 AI 분석가, 토론 모듈, 리스크 매니저 체인을 실행하여 중국 A주 시장에 대한 중국어 투자 보고서를 생성하는 완전 오픈소스, pip 설치 가능한 프레임워크입니다. 웹 UI와 CLI로 빠른 실험이 가능합니다. 이는 큐레이션된 목록이나 튜토리얼이 아닌 진정한 AI 리서치 프로젝트입니다.

SUMMARY: TradingAgents 다중 에이전트 리서치 프레임워크의 포크로, 중국 A주 시장에 특화되었습니다. 중국 특화 분석가 역할 3개(정책, 유동성, 잠금 해제)를 추가하고, 무료 중국 데이터 소스를 사용하며, 거래 규칙(T+1, 가격 제한, 거래 단위)을 조정합니다. 파이프라인(분석가 → 강세/약세 토론 → 리서치 매니저 → 트레이더 → 리스크 토론 → 포트폴리오 매니저)은 구성 가능한 LLM(MiniMax, DeepSeek, OpenAI 등)으로 구동되며 Streamlit 웹 UI 또는 CLI로 실행할 수 있습니다. 성과 통계 도구를 포함하지만 리서치 전용이며 투자 서비스가 아닙니다.

TITLE: 중국 A주 시장을 위한 AI 기반 다중 에이전트 리서치