TradingAgents: Khung Đa Tác Nhân AI Mô Phỏng Một Quỹ Đầu Cơ

Hầu hết các dự án giao dịch AI chỉ là một LLM đơn lẻ được cung cấp dữ liệu và yêu cầu "đưa ra quyết định." TradingAgents (GitHub, arXiv: 2412.20138) theo một hướng khác: thay vì một tác nhân — toàn bộ nhân viên của một công ty giao dịch, trong đó mỗi vai trò là một tác nhân LLM riêng biệt với các công cụ, nguồn dữ liệu và prompt của riêng nó.

Được xây dựng trên LangGraph, khung này tạo ra một hệ thống không chỉ "xem xét dữ liệu" — mà tranh luận với chính nó trước khi đưa ra quyết định.

Kiến Trúc: Từ Dữ Liệu Đến Quyết Định

Quy trình đầy đủ là một đồ thị vô hướng có hướng (DAG) gồm 12 nút:

Analyst Team → Research Debate → Trader → Risk Debate → Portfolio Manager → BUY/HOLD/SELL

Nhóm Nhà Phân Tích: Bốn Chuyên Môn

Tranh Luận Nghiên Cứu: Phe Tăng vs Phe Giảm

Sau khi các nhà phân tích tạo ra báo cáo, tranh luận đối kháng bắt đầu:

1. Nhà nghiên cứu phe tăng xây dựng luận điểm tăng giá
2. Nhà nghiên cứu phe giảm xây dựng phản luận giảm giá
3. Tranh luận nhiều vòng (có thể cấu hình qua max_debate_rounds)
4. Quản lý nghiên cứu (LLM tư duy sâu) tổng hợp cả hai quan điểm

Quản Lý Rủi Ro: Bộ Lọc Ba Tầng

Đề xuất của nhà giao dịch đi qua ba nhà quản lý rủi ro tranh luận với nhau:

Quản Lý Danh Mục: Quyết Định Cuối Cùng

Nhận đề xuất của nhà giao dịch + kết quả tranh luận rủi ro + bộ nhớ phản ánh từ các quyết định trước đó. Phê duyệt, từ chối hoặc điều chỉnh giao dịch.

Bộ Nhớ Phản Ánh

Hệ thống duy trì một nhật ký quyết định. Trong mỗi lần chạy tiếp theo cho cùng một mã cổ phiếu, nó lấy lợi nhuận thực tế (thô + alpha so với SPY), tạo ra các phản ánh và đưa lịch sử vào prompt của Quản lý Danh mục — tạo ra khả năng học từ sai lầm mà không cần tinh chỉnh.

Ngăn Xếp Công Nghệ

Liên Kết

• 💻 GitHub · 📄 arXiv · 🎬 Demo