TauricResearch выпустила TradingAgents, open-source фреймворк мультиагентной ИИ-торговли
TauricResearch полностью открыла исходный код TradingAgents, мультиагентного фреймворка на базе LLM, который воспроизводит устройство настоящей торговой фирмы. Согласно README проекта на GitHub, к августу 2026 года фреймворк дошёл до версии v0.4.0. Задача трейдинга разложена на специализированные роли агентов: аналитик по фундаментальным показателям компании ищет внутреннюю стоимость и тревожные сигналы в отчётности; аналитик настроений сводит заголовки новостей, StockTwits и обсуждения на Reddit в единую оценку краткосрочного настроения рынка; аналитик новостей следит за глобальными новостями и макроэкономическими показателями; технический аналитик использует индикаторы вроде MACD и RSI, чтобы находить паттерны и прогнозировать движение цены. Результаты аналитиков затем критически разбирают «бычий» и «медвежий» исследователи в структурированных дебатах, взвешивая потенциальную прибыль против рисков. Трейдер-агент составляет отчёт и определяет момент и размер сделки, команда риск-менеджмента непрерывно оценивает волатильность, ликвидность и другие факторы риска портфеля, а финальное решение, одобрить или отклонить сделку, принимает агент-портфельный менеджер; при одобрении заявка отправляется на симулированную биржу и исполняется там же (о реальной торговле речи не идёт).
Фреймворк построен на LangGraph и поддерживает множество провайдеров LLM: OpenAI, Google Gemini, Anthropic Claude, xAI Grok, DeepSeek, Qwen (международный и китайский эндпоинты Alibaba DashScope), GLM (через Z.AI и китайскую BigModel), MiniMax (глобальный и китайский), OpenRouter, локальные модели через Ollama, Azure OpenAI для корпоративных сценариев, AWS Bedrock, а также любой OpenAI-совместимый эндпоинт, vLLM, LM Studio, llama.cpp или собственный релей. В примере конфигурации из документации для сложных рассуждений задаётся модель GPT-5.6, для быстрых задач, более лёгкая модель, а число раундов дебатов между агентами-исследователями устанавливается равным двум. Фреймворк работает с любым рынком, который покрывает Yahoo Finance: США, Гонконг, Токио, Лондон, Индия, Канада, Австралия, китайские A-акции (Шанхай и Шэньчжэнь) и криптовалюты.
Между запусками TradingAgents ведёт журнал решений: каждый завершённый прогон дописывается в файл на диске, а при следующем запуске по тому же тикеру фреймворк подтягивает реализованную доходность (в том числе относительно бенчмарка SPY), формирует рефлексию в один абзац и передаёт последние решения по тикеру и уроки по другим тикерам в промпт портфельного менеджера. Отдельно доступно опциональное восстановление по чекпоинтам: LangGraph сохраняет состояние после каждого узла графа, и упавший или прерванный прогон продолжается с последнего успешного шага, а не с нуля.
Документация проекта прямо предупреждает: два запуска по одному и тому же тикеру и дате могут дать разный результат, и это не дефект, а ожидаемое поведение инструмента на базе языковых моделей. Сильнее всего расходятся ризонинг-модели, потому что сэмплируется само их внутреннее рассуждение; кроме того, живые источники, новости, StockTwits, Reddit, со временем отдают разный контент даже для одной и той же исторической даты сделки. Чтобы уменьшить разброс, документация советует понижать температуру сэмплирования или переходить на не-ризонинг-модель, поскольку модели, отобранные по умолчанию, в основном ризонинг-ориентированные и температуру почти игнорируют. Фреймворк прямо позиционируется как исследовательский инструмент: результаты торговли, по словам разработчиков, зависят от выбранной базовой модели, температуры, периода торговли, качества данных и других недетерминированных факторов, и он не задуман как финансовый, инвестиционный или торговый совет.
Ключевые факты
- TauricResearch открыла код TradingAgents, мультиагентного LLM-фреймворка для симуляции трейдинга; согласно README, к августу 2026 года вышла версия v0.4.0
- Роли агентов копируют торговую фирму: четыре типа аналитиков (фундаментальный, настроений, новостной, технический), «бычий»/«медвежий» исследователи, трейдер, команда риск-менеджмента и портфельный менеджер, который одобряет или отклоняет сделку
- Фреймворк на LangGraph поддерживает более десятка провайдеров LLM, от OpenAI, Google и Anthropic до Ollama, Azure и AWS Bedrock, и любой OpenAI-совместимый эндпоинт
- Одобренные сделки исполняются только на симулированной бирже; документация прямо называет проект исследовательским инструментом, а не источником финансовых советов
- Между запусками сохраняется журнал решений с реализованной доходностью, доступно опциональное восстановление по чекпоинтам; документация предупреждает о недетерминированности одинаковых прогонов из-за сэмплирования моделей и меняющихся живых данных
Почему это важно
TradingAgents, заметный пример того, как идею мультиагентных LLM-систем (несколько специализированных агентов, которые спорят и договариваются, а не одна модель, отвечающая на всё) применяют к комплексной задаче с явными ролями и процессом принятия решений, а не просто к диалогу. Фреймворк разбивает трейдинг на понятную оргструктуру, аналитики, дебаты «быков» и «медведей», риск-менеджмент, финальное решение портфельного менеджера, и делает эту архитектуру открытой и воспроизводимой, что даёт исследователям мультиагентных систем готовый нетривиальный кейс для экспериментов за пределами игрушечных задач.
Кому это важно
В первую очередь, исследователям и инженерам, изучающим мультиагентные архитектуры на LLM: TradingAgents даёт готовую реализацию ролевой оргструктуры, дебатов между агентами и механизма сохранения состояния (журнал решений, чекпоинты) поверх LangGraph. Также полезен тем, кто интересуется применением LLM к финансовым данным и бэктестингу на разных рынках и провайдерах моделей. Реальным трейдерам фреймворк в его нынешнем виде не адресован: сделки исполняются только на симулированной бирже, а документация прямо отказывается от статуса финансового совета.
Как это применить
Проект клонируется с GitHub и разворачивается через conda-окружение с pip install . либо через Docker (в том числе с локальными моделями через Ollama-профиль). Для выбранного провайдера LLM (OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Azure, Bedrock или любой OpenAI-совместимый сервер вроде vLLM или LM Studio) задаётся переменная окружения с API-ключом, после чего запускается интерактивный CLI, там выбираются тикеры, дата анализа, провайдер и глубина исследования. В коде фреймворк используется через объект TradingAgentsGraph и метод .propagate(тикер, дата), а модели для сложных и быстрых задач, число раундов дебатов и включение чекпоинтов (--checkpoint) настраиваются через конфиг.
Можно ли доверять
Материал целиком опирается на README проекта TradingAgents на GitHub, то есть на самоописание разработчиков, а не на независимую проверку. В тексте нет ни бэктест-доходности, ни сравнения с другими подходами, ни цифр по числу пользователей или звёзд на GitHub, эти данные попросту отсутствуют в источнике. При этом сама документация честно оговаривает ограничения: недетерминированность прогонов, зависимость результата от выбранной модели и качества данных, статус «только для исследований». Тип лицензии в тексте не назван, сказано лишь, что фреймворк «полностью открыт».
Риски и подводные камни
Главное ограничение прямо признают сами разработчики: одинаковый запрос (тот же тикер и та же дата) может дать разный торговый сигнал в разных прогонах, потому что LLM сэмплируют собственное рассуждение, а живые источники новостей и настроений меняются со временем даже для одной исторической даты. Модели, отобранные в фреймворке по умолчанию, ризонинг-ориентированные и почти не реагируют на понижение температуры, что дополнительно снижает воспроизводимость. Фреймворк работает только с симулированной биржей и не рассчитан на реальную торговлю без дополнительной проверки; независимых данных об эффективности его торговых решений в источнике нет.
«Фреймворк TradingAgents создан для исследовательских целей. Результаты торговли могут заметно различаться в зависимости от множества факторов, выбранной базовой языковой модели, температуры модели, периода торговли, качества данных и других недетерминированных факторов. Фреймворк не задуман как финансовый, инвестиционный или торговый совет.»
— документация проекта TradingAgents