Fincept Terminal: Open-Source-Alternative zum Bloomberg Terminal auf Basis von C++ und KI

Die meisten Finanzplattformen lassen sich in zwei Lager einteilen: träge Legacy-Systeme aus den 90ern oder Electron-Wrapper, die den Arbeitsspeicher verschlingen. Fincept Terminal geht einen dritten Weg: ein natives C++20-Desktop mit Python-Analytics und 37 integrierten KI-Agenten.

Fincept Terminal (AGPL-3.0) ist ein Open-Source-Projekt, das Funktionalität auf institutionellem Niveau auf den Desktop bringt. Schauen wir uns die Architektur von v4 an und, vor allem, den vollständigen Katalog der Agenten und ihrer Fähigkeiten.

Architektur

• Kern: C++20. Kein Node.js, keine Browser-Engines, keine JavaScript-Bundles.
• UI & Rendering: Qt 6.8.3. Hardwarebeschleunigte Grafik, sofortige Reaktionsfähigkeit, plattformübergreifend.
• Analytics-Engine: Eingebettetes Python 3.11 für Data Science (Pandas, NumPy, SciPy) ohne separate Microservices.

Die Benutzeroberfläche und die Verarbeitung von Streaming-Daten laufen mit C++-Geschwindigkeit, während die KI-Logik in einer isolierten Python-Umgebung ausgeführt wird.

KI-Agenten: Vollständiger Katalog

Der interessanteste Teil von Fincept ist sein Agentensystem. Der Quellcode offenbart vier Ebenen:

1. Investoren-Agenten (TraderInvestorsAgent) — 11 Agenten

Jeder Agent implementiert eine spezifische Anlagephilosophie: mit eigenem System-Prompt, eigenen Schwellenwerten, eigenem Toolset und eigenem Ausgabeformat für Signale (InvestmentSignal).

Jeder Agent erzeugt ein strukturiertes Signal: bullish | neutral | bearish mit einem numerischen Konfidenzwert (0–1), Scores auf Basis eigener Metriken und einer textuellen Begründung. Der Buffett-Agent prüft beispielsweise, ob der ROE in 7 von 10 Jahren ≥ 15 % lag, ob D/E < 0,5 ist, und berechnet die Owner Earnings mit einem Abzinsungssatz von 10 %.

2. Ökonomische Agenten (EconomicAgents) — 6 Agenten

Sechs ökonomische Schulen, jede mit eigenem Analyserahmen. Konzipiert für makroökonomische Analysen, Politikbewertung und Prognosen.

Alle nutzen OpenBB für Makrodaten und Suchtools (DuckDuckGo, Tavily). Jeder Agent muss eine Falsifikationsbedingung angeben — das konkrete Ereignis, unter dem er seine Prognose revidieren würde.

3. Geopolitische Agenten (GeopoliticsAgents) — 20 Agenten

Das größte Modul. Die Agenten sind in drei Serien unterteilt, jede basierend auf einem bestimmten Buch:

📖 Prisoners of Geography (Tim Marshall) — 10 Agenten:

Geografischer Determinismus. Jeder Agent ist auf eine bestimmte Region spezialisiert: Russland (Pufferzonen, eisfreie Häfen), China (Straße von Malakka, Inselketten), USA (ozeanische Barrieren, Mississippi), Europa (zersplittertes Terrain), Naher Osten (Straße von Hormus, Wasserknappheit), Afrika (koloniale Grenzen, nicht schiffbare Flüsse), Indien-Pakistan (Indus, Himalaya), Japan-Korea (Inselisolation vs. Halbinsel-Verwundbarkeit), Lateinamerika (Anden, Amazonas), Arktis (schmelzendes Eis, neue Routen).

📖 World Order (Kissinger) — 5 Agenten:

Konkurrierende Vorstellungen von Weltordnung: Amerikanisch (liberaler Internationalismus), Chinesisch (Tianxia, hierarchische Harmonie), Europäisch (westfälische Souveränität), Islamisch (Umma, Scharia), Multipolar (BRICS, SCO, Niedergang der Unipolarität).

📖 The Grand Chessboard (Brzezinski) — 5 Agenten:

Eurasische Geostrategie: Eurasischer Balkan (Zentralasien), Geopolitische Dreh- und Angelpunkte (Ukraine, Türkei, Iran), Aktive geostrategische Akteure (Revisionisten vs. Status-quo-Mächte), Amerikanische Vorherrschaft (NATO, AUKUS, QUAD), Eurasisches Herzland (Mackinder-Theorie + BRI).

4. Operative Agenten (Deep Agents) — 8 Subagenten

Multi-Agenten-System mit einem Orchestrator. Operative Aufgabentypen: research, trading_strategy, portfolio_management, risk_assessment, general. Für jeden Aufgabentyp wird automatisch ein Team von Subagenten zusammengestellt:

5. Trading-Agenten (Agno Trading) — 5 Agenten

Ein Framework für den Live-Handel mit fünf spezialisierten Agenten:

• MarketAnalystAgent — fundamentale und technische Analyse.
• TradingStrategyAgent — Erstellung von Handelsstrategien und Setups.
• RiskManagerAgent — VaR-Berechnung und Drawdown-Limits.
• PortfolioManagerAgent — Rebalancing und Gewichtungsoptimierung.
• SentimentAnalystAgent — Auswertung von Nachrichten und sozialen Medien.

Tools: Kraken API, yfinance, technische Indikatoren, News-Sentiment.

6. Hedgefonds-Agent (Renaissance Technologies)

Ein eigenes Modul, das die Organisationsstruktur von Renaissance Technologies nachbildet: Anlageausschuss, Research-Team, Medallion Fund. Vollständige Hierarchie von Personas und Rollen.

LLM-Anbieter

Unterstützung für lokale LLMs (Ollama) neben Cloud-Anbietern: OpenAI, Anthropic, DeepSeek, OpenRouter. So lassen sich proprietäre Daten analysieren, ohne sie an Drittanbieter-Server zu senden.

Visueller Logik-Editor (Node Editor)

Ein Node-Editor zum Zusammenstellen analytischer Pipelines ohne Code: Datenabruf → Filterung → KI-Analyse → Ordererstellung. Der Quellcode enthält fertige Node-Presets: agent_type = "economic", agent_type = "investor", agent_type = "hedge_fund".

Datenkonnektoren (100+)

Trading und QuantLib

Live-Handel über 16 Broker (Interactive Brokers, Alpaca, Zerodha usw.). Integrierte QuantLib Suite — 18 Tools: Derivatebewertung, VaR, Sharpe Ratio, Markowitz-Portfoliooptimierung.

Vergleich mit Alternativen

Links

• 💻 GitHub: Fincept-Corporation/FinceptTerminal
• 🌐 Website: fincept.in
• 📄 Lizenz: AGPL-3.0 (privat/akademisch), kommerzielle Lizenz für den Geschäftseinsatz

Fazit

Fincept Terminal ist ein seltener Fall, in dem ein Open-Source-Projekt nicht nur Charts und Indikatoren liefert, sondern eine vollständige Multi-Agenten-Infrastruktur. Die 37 Agenten sind keine reine Marketingzahl: Jeder verfügt über einen detaillierten System-Prompt, spezifische Auslöseschwellen und einen Satz von API-Tools. Wer eine native Desktop-Plattform sucht, die quantitative Analytik mit KI-Agenten verbindet — hier ist eine der besten Open-Source-Optionen, die derzeit verfügbar sind.