월~금 오전 7시, 일요일 오전 8시 — AI 뉴스와 용어를 보내드립니다메일로 받아보기

METAL LAB

TauricResearch/TradingAgents

★ 99,943오늘 +191Python

여러 개의 LLM 에이전트가 애널리스트-리서처-트레이더-리스크팀처럼 역할을 나눠 토론한 뒤 주식 매매를 결정하는 프레임워크

TradingAgents는 실제 증권사 조직 구조를 본떠 펀더멘털·감성·뉴스·기술적 분석을 맡는 애널리스트 에이전트, 낙관·비관 입장에서 토론하는 리서처 에이전트, 최종 매매를 결정하는 트레이더와 리스크관리·포트폴리오매니저 에이전트를 LLM으로 구현했다. LangGraph라는 도구로 에이전트들의 작업 흐름을 연결했고, OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, Ollama(로컬 모델), Azure 등 다양한 LLM 제공자를 지원한다. Yahoo Finance가 다루는 미국·홍콩·도쿄·런던·인도·중국 A주·가상자산 등 어떤 시장의 티커든 입력하면 분석이 가능하며, 실행마다 판단 내역을 기록해 다음 분석에 참고하는 기능과 중단된 실행을 이어가는 체크포인트 기능도 갖췄다.

무엇을 하는 레포인가

  1. 애널리스트팀(재무·감성·뉴스·기술적 지표), 리서처팀(강세·약세 토론), 트레이더, 리스크관리·포트폴리오매니저 에이전트로 역할을 나눠 순차적으로 협업한다
  2. LangGraph라는 프레임워크로 에이전트 간 작업 흐름을 그래프 형태로 짜고, 다양한 LLM 제공자 API를 교체해가며 쓸 수 있게 만들었다
  3. 완료된 매매 판단은 사용자 컴퓨터에 기록되어 다음 번 같은 종목 분석 때 과거 성과와 반성 내용을 참고 자료로 활용한다
  4. 같은 티커, 같은 날짜로 두 번 돌려도 LLM의 확률적 특성과 실시간 뉴스·소셜 데이터 변화 때문에 결과가 달라질 수 있음을 문서에서 명시한다
  5. 연구 목적의 도구로 설계되었으며 특정 수익률을 보장하는 전략이 아니라고 안내한다

왜 중요한가

여러 관점(재무, 뉴스, 기술적 지표, 리스크)을 가진 AI 에이전트들이 서로 토론하며 의사결정하는 구조를 직접 코드로 확인하고 실험할 수 있어, 멀티 에이전트 LLM 시스템을 설계하거나 금융 분석 자동화를 연구하는 사람에게 참고할 실전 사례가 된다.

이 레포의 용어

  • LLM · 거대언어모델. 텍스트를 이해하고 생성하는 AI 모델
  • LangGraph · 여러 AI 에이전트의 작업 순서와 흐름을 그래프 형태로 구성하는 프레임워크
  • 체크포인트 · 작업 중간 상태를 저장해두어 중단 시 이어서 실행할 수 있게 하는 기능
  • MACD, RSI · 주가 흐름을 분석하는 데 쓰이는 대표적인 기술적 지표들
  • 알파(alpha) · 시장 평균(예: SPY 지수) 대비 초과 수익률을 뜻하는 금융 용어

레포 원문 소개 (영문)

TradingAgents: Multi-Agents LLM Financial Trading Framework

GitHub에서 보기

주목받는 레포

레포 전체 보기 →

METAL LAB 최신 기사