AI Hedge Fund: um fundo multiagente onde analistas de IA votam nas operações
Um mergulho profundo no AI Hedge Fund de virattt - um sistema de código aberto onde vários agentes LLM com estilos de análise diferentes constroem uma carteira através de um filtro de risco. Arquitetura, agentes, limitações e lições para sistemas reais.
O AI Hedge Fund é um dos projetos de código aberto mais comentados na interseção entre LLMs e trading. Mais de 12.000 estrelas no GitHub, centenas de forks, publicações entusiasmadas no Twitter. Mas, deixando de lado o hype e olhando com sobriedade: o valor não está em "uma rede neural que ganha dinheiro", mas em um padrão arquitetural — como organizar uma equipe de analistas de IA para que cada um contribua com sua especialidade sem que nenhum deles exploda a carteira.
Aviso do autor do projeto: Este não é um sistema para dinheiro real — é um ambiente de testes para experimentos.
Ideia central: não um guru, mas um comitê
A maioria dos bots de trading com IA é simples: um LLM recebe dados → produz um sinal → operação. O AI Hedge Fund funciona de forma fundamentalmente diferente: usa uma equipe de agentes com estilos de pensamento distintos.
Cada agente é um LLM especializado com seu próprio prompt e suas próprias fontes de dados:
| Agente | Estilo de análise | O que examina |
|---|---|---|
| Value Analyst | Avaliação | P/E, P/B, DCF, margens |
| Technical Analyst | Análise técnica | RSI, MACD, médias móveis, níveis |
| Sentiment Analyst | Sentimento do mercado | Notícias, redes sociais, tom |
| Fundamentals Analyst | Análise fundamentalista | Receita, lucro, dívida, crescimento |
| Risk Manager | Controle de risco | Volatilidade, correlações, limites |
| Portfolio Manager | Decisão final | Agrega opiniões, cria ordens |
Os agentes trabalham de forma sequencial: primeiro cada analista emite sua avaliação (comprar/vender/manter com o respectivo raciocínio), depois o gestor de risco verifica a admissibilidade e só então o gestor de carteira formula uma ação concreta.
Por que "primeiro o risco, depois a ação" é o correto
A parte mais forte do projeto não é a "mágica do LLM" — é a sequência de tomada de decisão.
O erro clássico nos sistemas de trading com IA é dar ao modelo liberdade total: "aqui estão $100K, faça o que quiser". O AI Hedge Fund funciona de outra maneira:
-
Avaliação do orçamento de risco. Antes de qualquer agente propor uma operação, o sistema avalia quanto risco a carteira pode absorver — considerando a volatilidade, as posições atuais e as correlações dos ativos.
-
Filtragem do tamanho. Um agente não pode "fantasiar" uma posição para todo o depósito. Se o limite permite apenas 5% — então apenas 5%, por mais convincente que seja o sinal.
-
Agregação de opiniões. O gestor de carteira não vê apenas "comprar/vender", mas os argumentos detalhados de cada analista. Opiniões divergentes não são um bug — são uma feature: se o analista de valor diz "barato" mas o analista técnico diz "tendência de baixa", o tamanho da posição diminui.
No investimento, o que importa não é apenas o sinal, mas o direito ao tamanho da posição. Esta é a abordagem foundation-first: primeiro um sólido arcabouço de restrições, depois a "inteligência".
O que isso proporciona na prática
- Menos oportunidades para desvios impulsivos da carteira.
- Lógica clara sobre por que o tamanho de uma operação é o que é.
- Experimentos de backtesting mais adequados.
- Terreno conveniente para iterações: você pode melhorar os analistas sem quebrar o arcabouço de risco.
Como ler os resultados sem autoengano
Qualquer projeto assim é fácil de "superestimar" se você olhar apenas para uma execução bonita. Aqui está uma lista de verificação honesta:
- Estabilidade entre mercados. Funciona em mercados laterais tão bem quanto em mercados de tendência?
- Testes de estresse. O que acontece durante pânicos, gaps, reversões bruscas?
- Overfitting. A lógica do prompt está ajustada a tickers e períodos específicos?
- Qualidade dos dados. Comissões, slippage e splits são considerados?
- Reprodutibilidade. Os mesmos prompts darão o mesmo resultado daqui a uma semana (os LLMs não são determinísticos)?
Limitações e avaliação honesta
É importante entender o que o AI Hedge Fund não é:
- Não é um sistema de produção. Sem execução real, sem modelagem de liquidez.
- Dependência do LLM. A qualidade das decisões é inteiramente determinada pela qualidade do modelo. GPT-4 e GPT-3.5 darão resultados diferentes.
- Sem backtest histórico. Você não pode rodar o sistema em 5 anos de dados e obter uma curva de equity.
- Determinismo. LLMs com temperatura > 0 darão respostas diferentes para entradas idênticas.
Links
- 💻 GitHub: virattt/ai-hedge-fund
- 📄 Licença: MIT
Conclusão
O AI Hedge Fund é útil não como uma "máquina de fazer dinheiro", mas como um arcabouço de pensamento:
- Separar os papéis dos analistas.
- Separar a geração de ideias do controle de risco.
- Tornar as decisões explicáveis.
- Testar hipóteses, mas não confundir backtesting com garantias de lucro.
Para aprendizado e prototipagem — um trabalho sólido. Para produção, você precisa da próxima camada: execução realista, validação de dados, controle de model drift e um verdadeiro comitê de risco no nível das regras, não apenas dos prompts.
