AutoHedge: Ulasan Dana Lindung AI Otonom Berbasis Kecerdasan Kawanan

Dalam beberapa tahun terakhir, kita menyaksikan pergeseran bertahap dari algo-trading klasik (yang didasarkan pada aturan ketat dan model matematis) menuju agen AI otonom yang mampu menganalisis konteks, berita, dan data tidak terstruktur.

Salah satu proyek sumber terbuka yang menonjol di bidang ini adalah AutoHedge dari The Swarm Corporation. Ini adalah sistem tingkat enterprise yang menggabungkan kecerdasan kawanan (swarm intelligence) dengan agen AI khusus untuk siklus perdagangan penuh: mulai dari analisis pasar hingga penilaian risiko dan eksekusi order.

Mari kita bedah bagaimana dana lindung AI ini bekerja di balik layar dan mengapa arsitektur multi-agen menjadi standar baru.

Arsitektur: Bagi dan Kuasai

Alih-alih mengandalkan satu LLM (Large Language Model) raksasa yang mencoba menganalisis berita, menghitung volatilitas, dan mengirimkan order sekaligus (yang biasanya berujung pada halusinasi dan hilangnya modal), AutoHedge menggunakan hierarki ketat dari agen-agen yang terspesialisasi.

Seluruh pipeline dapat digambarkan sebagai skema routing berikut:

Director Agent ➔ Quant Agent ➔ Risk Manager ➔ Execution Agent

1. Director Agent (Direktur Perdagangan)

Ini adalah "otak" dan koordinator seluruh sistem. Ia bertanggung jawab untuk menghasilkan hipotesis perdagangan tingkat tinggi (theses) dan manajemen strategi secara keseluruhan. Director menganalisis konteks makroekonomi dan memutuskan koin atau saham mana yang layak dipertimbangkan, kemudian meneruskan tugas kepada agen-agen yang lebih terspesialisasi. Ia juga bekerja bersama Sentiment Agent, yang mengagregasi latar belakang berita menggunakan alat pencarian (Exa Search).

2. Quant Agent (Analis Kuantitatif)

Setelah menerima hipotesis dari Director, agen ini melakukan analisis kuantitatif dan teknikal yang ketat. Hasilnya berupa JSON terstruktur dengan metrik-metrik berikut:

• technical_score (dari 0 hingga 1)
• volume_score
• trend_strength
• probability_score
• Level kunci: support, resistance, pivot points.

Untuk mendapatkan data, Quant Agent menggunakan integrasi dengan Yahoo Finance, Polygon API, dan Jupiter (untuk data on-chain).

3. Risk Manager (Manajer Risiko)

Ini adalah elemen kunci untuk "kelangsungan hidup" setiap dana. Sebelum order apa pun dikirim ke bursa, order tersebut melewati Risk Agent. Agen ini menerima aset, hipotesis awal, dan hasil analisis kuantitatif sebagai input. Tugasnya adalah menghasilkan:

• Ukuran posisi yang direkomendasikan (Position sizing).
• Risiko drawdown maksimum (Maximum drawdown risk).
• Penilaian risiko pasar.
• Skor risiko keseluruhan (Overall risk score).

4. Execution Agent (Agen Eksekusi)

Mata rantai terakhir dalam rantai ini. Setelah mendapat persetujuan dari manajer risiko, Execution Agent membentuk perintah perdagangan yang spesifik. Ia menentukan:

• Jenis order (Market / Limit).
• Jumlah aset yang tepat.
• Harga masuk.
• Stop Loss (SL) dan Take Profit (TP).
• Time in force (durasi berlakunya order).

Seluruh sistem dirancang untuk meminimalkan intervensi manusia — output satu agen menjadi input yang ketat dan tervalidasi untuk agen berikutnya.

Di Balik Layar: Framework Swarms

AutoHedge dibangun di atas framework Swarms, yang dioptimalkan untuk membuat sistem multi-agen. Dalam codebase (di workers.py) dapat dilihat bahwa setiap agen diinisialisasi dengan system_prompt yang jelas dan model yang tetap (misalnya, GPT-4o untuk analitik, GPT-4.1 untuk rantai logika yang lebih kompleks).

Fitur utamanya adalah Risk-First Design yang ketat: arsitektur ini secara paksa melewatkan semua keputusan melalui manajer risiko. Jika Risk Manager mengembalikan penolakan (overall risk score yang tinggi), Execution Agent tidak akan mendapat perintah untuk menghasilkan order.

Infrastruktur dan Dukungan Platform

Saat ini AutoHedge berfokus pada DeFi:

• Solana (dukungan penuh): Integrasi dengan agregator Jupiter API memungkinkan perdagangan on-chain secara sepenuhnya otonom, menemukan harga terbaik, dan mengeksekusi swap secara instan langsung dari wallet yang kunci privatnya dicantumkan di .env.
• Coinbase (dalam pengembangan): Dukungan untuk bursa terpusat (CEX) klasik diharapkan hadir dalam waktu dekat.

Menjalankan Dana Lindung AI Anda Sendiri

Menjalankan sistem ini ternyata sangat mudah. Anda memerlukan kunci OpenAI (sistem ini secara native mendukung OpenRouter dan API kompatibel OpenAI lainnya melalui variabel OPENAI_BASE_URL), Jupiter API untuk data, dan kunci privat dari wallet perdagangan:

pip install -U autohedge

OPENAI_BASE_URL="https://openrouter.ai/api/v1"
OPENAI_API_KEY="sk-or-v1-..."
JUPITER_API_KEY=...
WALLET_PRIVATE_KEY=...

autohedge

(Jika Anda ingin menggunakan model tertentu dari OpenRouter, misalnya Claude 3.5, cukup ubah model_name di file workers.py).

Masa Depan Perdagangan Otonom

AutoHedge menunjukkan ke mana arah algo-trading bergerak. Transisi dari skrip kaku (if-else) menuju ensemble agen AI memungkinkan sistem untuk beradaptasi dengan pasar yang terus berubah.

Alih-alih menulis ulang kode saat regime pasar berubah (bull/bear/crab), Anda cukup memberikan instruksi baru (prompts) kepada Director, dan Quant Agent akan menemukan sendiri pola teknikal yang baru.

Meskipun proyek ini masih dalam tahap pengembangan aktif (dan penggunaannya dengan dana besar yang nyata perlu dilakukan dengan hati-hati), proyek ini menyediakan fondasi arsitektur yang sangat baik (berkat lisensi MIT yang terbuka) bagi mereka yang ingin menciptakan "trader besi" mereka sendiri — yang tidak tidur, tidak lelah, dan mengikuti manajemen risiko secara ketat.