Fincept Terminal: alternativa de código aberto ao Bloomberg Terminal construída em C++ e IA

A maioria das plataformas financeiras se divide em dois grupos: sistemas legados lentos dos anos 90 ou wrappers Electron que devoram a RAM. O Fincept Terminal propõe um terceiro caminho: um desktop nativo em C++20 com analítica em Python e 37 agentes de IA integrados.

Fincept Terminal (AGPL-3.0) é um projeto de código aberto que entrega funcionalidade de nível institucional no seu desktop. Vamos detalhar a arquitetura da v4 e, mais importante, o catálogo completo de agentes e suas habilidades.

Arquitetura

• Núcleo: C++20. Sem Node.js, sem motores de navegador, sem bundles de JavaScript.
• UI e renderização: Qt 6.8.3. Gráficos acelerados por hardware, resposta instantânea, multiplataforma.
• Motor de análise: Python 3.11 embutido para ciência de dados (Pandas, NumPy, SciPy) sem microsserviços separados.

A interface e o processamento de dados em streaming são executados na velocidade do C++, enquanto a lógica de IA roda em um ambiente Python isolado.

Agentes de IA: catálogo completo

A parte mais interessante do Fincept é o seu sistema de agentes. O código-fonte revela quatro níveis:

1. Agentes investidores (TraderInvestorsAgent) — 11 agentes

Cada agente implementa uma filosofia de investimento específica: seu próprio system prompt, limiares, conjunto de ferramentas e formato de sinal de saída (InvestmentSignal).

Cada agente gera um sinal estruturado: bullish | neutral | bearish com uma confiança numérica (0–1), pontuações em suas próprias métricas e justificativa textual. Por exemplo, o agente Buffett verifica um ROE ≥ 15% em 7 dos últimos 10 anos, D/E < 0,5, e calcula os owner earnings com um desconto de 10%.

2. Agentes econômicos (EconomicAgents) — 6 agentes

Seis escolas econômicas, cada uma com seu próprio arcabouço analítico. Projetados para análise macroeconômica, avaliação de políticas e previsões.

Todos usam o OpenBB para dados macro e ferramentas de busca (DuckDuckGo, Tavily). Cada agente deve especificar uma condição de falseabilidade — o resultado específico sob o qual reveria sua previsão.

3. Agentes geopolíticos (GeopoliticsAgents) — 20 agentes

O maior módulo. Os agentes são divididos em três séries, cada uma baseada em um livro específico:

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

Determinismo geográfico. Cada agente é especializado em uma região específica: Rússia (zonas-tampão, portos de águas quentes), China (Estreito de Malaca, cadeias de ilhas), EUA (barreiras oceânicas, Mississippi), Europa (terreno fragmentado), Oriente Médio (Estreito de Ormuz, escassez de água), África (fronteiras coloniais, rios não navegáveis), Índia-Paquistão (Indo, Himalaia), Japão-Coreia (isolamento insular versus vulnerabilidade peninsular), América Latina (Andes, Amazônia), Ártico (derretimento do gelo, novas rotas).

📖 World Order (Kissinger) — 5 agentes:

Concepções concorrentes de ordem mundial: americana (internacionalismo liberal), chinesa (tianxia, harmonia hierárquica), europeia (soberania vestfaliana), islâmica (umma, sharia), multipolar (BRICS, OCX, declínio da unipolaridade).

📖 The Grand Chessboard (Brzezinski) — 5 agentes:

Geoestratégia eurasiana: Bálcãs eurasianos (Ásia Central), pivôs geopolíticos (Ucrânia, Turquia, Irã), atores geoestratégicos ativos (revisionistas versus status quo), primazia americana (OTAN, AUKUS, QUAD), coração eurasiano (teoria de Mackinder + Cinturão e Rota).

4. Agentes operacionais (Deep Agents) — 8 subagentes

Sistema multiagente com um orquestrador. Tipos de tarefa operacional: research, trading_strategy, portfolio_management, risk_assessment, general. Para cada tipo de tarefa, uma equipe de subagentes é montada automaticamente:

5. Agentes de trading (Agno Trading) — 5 agentes

Um framework para trading ao vivo com cinco agentes especializados:

• MarketAnalystAgent — análise fundamentalista e técnica.
• TradingStrategyAgent — geração de estratégias e configurações de trading.
• RiskManagerAgent — cálculo de VaR e limites de drawdown.
• PortfolioManagerAgent — rebalanceamento e otimização de pesos.
• SentimentAnalystAgent — análise de notícias e redes sociais.

Ferramentas: API da Kraken, yfinance, indicadores técnicos, sentimento de notícias.

6. Agente de hedge fund (Renaissance Technologies)

Um módulo dedicado que replica a estrutura organizacional da Renaissance Technologies: comitê de investimento, equipe de pesquisa, Medallion Fund. Hierarquia completa de personas e funções.

Provedores de LLM

Suporte a LLMs locais (Ollama) junto com provedores em nuvem: OpenAI, Anthropic, DeepSeek, OpenRouter. É possível analisar dados proprietários sem enviá-los a servidores de terceiros.

Editor visual de lógica (Node Editor)

Um editor de nós para montar pipelines analíticos sem código: obtenção de dados → filtragem → análise de IA → geração de ordens. O código-fonte inclui presets de nós prontos: agent_type = "economic", agent_type = "investor", agent_type = "hedge_fund".

Conectores de dados (mais de 100)

Trading e QuantLib

Trading ao vivo por meio de 16 corretoras (Interactive Brokers, Alpaca, Zerodha, etc.). QuantLib Suite integrado — 18 ferramentas: precificação de derivativos, VaR, índice de Sharpe, otimização de carteira de Markowitz.

Comparação com alternativas

Links

• 💻 GitHub: Fincept-Corporation/FinceptTerminal
• 🌐 Site: fincept.in
• 📄 Licença: AGPL-3.0 (uso pessoal/acadêmico), licença comercial para uso empresarial

Conclusão

O Fincept Terminal é um caso raro em que um projeto de código aberto entrega não apenas gráficos e indicadores, mas uma infraestrutura multiagente completa. Os 37 agentes não são um número de marketing: cada um tem um system prompt detalhado, limiares de acionamento específicos e um conjunto de ferramentas de API. Se você procura uma plataforma de desktop nativa que combine analítica quantitativa com agentes de IA, esta é uma das melhores opções de código aberto disponíveis.