TradingAgentsは、市場調査を複数のLLM役割に分けて検討する枠組み
TradingAgents は、市場調査、議論、リスク レビュー、およびシミュレーション取引の意思決定のために、専門の言語モデル エージェントを調整します。
ひと目でわかる
- これは何？
- アナリスト、リサーチャー、トレーダー、リスク管理役を組み合わせ、取引判断を研究用に生成するPythonフレームワークです。
- 誰に向いている？
- TradingAgentsは、金融商品の売買サービスではなく、役割分担したLLMの市場調査と意思決定過程を研究したい開発者向けです。README自身が金融アドバイスではないと位置づけ、実行結果の変動も示しているため、収益や再現性を前提に導入するものではありません。
- 商用利用できる？
- できます。Apache-2.0 は寛容なライセンスで、著作権表示とライセンス表示を残せば、使用・改変・販売が可能です。
- 今もメンテナンスされている？
- されています。最後のコミットは 1 日前です。
- 何の言語で書かれている？
- 主に Python です（GitHub の言語統計による）。
回答はプロジェクトの GitHub データ（最終同期：2026年9月15日）と当サイトの分析に基づくもので、法的助言ではありません。
オープンソース詳細解説
取引パイプラインにおけるエージェントの役割
TradingAgentsは、取引会社を専門化されたエージェントの集合としてモデル化します。アナリストチームは、ファンダメンタルズ、センチメント、ニュース、テクニカル分析の4つの視点をカバーします。センチメントは見出し、StockTwits、Redditを集約し、テクニカル分析はMACDやRSIなどの指標を使用します。その後、強気と弱気のリサーチャーからなるチームがアナリストの出力を議論し、トレーダーエージェントがそれらのレポートをタイミングとサイズの判断にまとめます。リスク管理はボラティリティ、流動性、その他の要因をレビューし、ポートフォリオマネージャーはシミュレートされた取引所に送信される前に提案取引を承認または拒否します。フレームワークはLangGraphで構築されており、本番取引ではなく研究を目的としています。
インストールと対話型CLI
READMEのインストール手順は、git cloneの後、Python 3.12の仮想環境を作成して`pip install .`を実行するものです。Docker Composeオプションも文書化されており、標準イメージとOllamaベースのローカルモデル設定用に別々のプロファイルがあります。ユーザーは選択したLLMプロバイダーのAPIキーを設定する必要があります。READMEにはOpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、MiniMax、OpenRouter、Alpha Vantageの環境変数と、Azure OpenAI用のエンタープライズファイルが記載されています。インストール後、CLIは`tradingagents`または`python -m cli.main`で起動します。インターフェースはティッカー、分析日付、プロバイダー、調査深度を受け付けます。ティッカーはYahoo Financeの慣例に従うため、香港、東京、ロンドン、インド、カナダ、オーストラリア、中国A株、暗号通貨ペアは`0700.HK`や`BTC-USD`のような取引所サフィックスで動作します。
Pythonパッケージとしての利用
アプリケーションは`tradingagents.graph.trading_graph`から`TradingAgentsGraph`をインポートし、`propagate`をティッカーと日付を渡して呼び出すことで判断を受け取れます。デフォルト設定は`tradingagents.default_config.DEFAULT_CONFIG`から取得でき、コピーして調整できます。READMEでは`llm_provider`、`deep_think_llm`、`quick_think_llm`、`max_debate_rounds`の設定例を示しています。サポートされるプロバイダーには、OpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、MiniMax、OpenRouter、Ollama、Azure OpenAI、およびOpenAI互換の任意のエンドポイントが含まれます。READMEは完全なオプション一覧として`tradingagents/default_config.py`を参照しています。
永続化とチェックポイント再開
2つの状態メカニズムが文書化されています。決定ログは常に有効で、完了した各実行はその決定を`~/.tradingagents/memory/trading_memory.md`に追記します。同じティッカーの後続実行では、フレームワークは実現リターンを取得し、1段落の振り返りを生成し、最近の同じティッカーの決定と最近のクロスティッカーの教訓をポートフォリオマネージャーのプロンプトに注入します。パスは`TRADINGAGENTS_MEMORY_LOG_PATH`で上書きできます。チェックポイント再開は`--checkpoint`でオプトインします。LangGraphは各ノードの後に状態を保存するため、中断された実行は最後の成功ステップから再開し、最初からやり直す必要はありません。チェックポイントは`~/.tradingagents/cache/checkpoints/`の下のティッカーごとのSQLiteデータベースに保存され、`--clear-checkpoints`でリセットできます。
再現性の限界と固定化されている内容
READMEは、同じティッカーと日付でも繰り返し実行すると結果が異なる可能性があると明示しています。LLMサンプリングは固定温度でも非決定的であり、推論モデルは内部推論自体がサンプリングされるため、最も変動が大きくなります。ニュース、StockTwits、Redditなどのライブデータソースも実行間で変化します。`temperature`を下げることはそれを尊重するモデルには役立つかもしれませんが、現在厳選されている推論優先モデルは温度をほぼ無視します。READMEは、会社の同一性がエージェント実行前に決定論的に解決され、市場アナリストが価格と指標の主張を検証済みデータスナップショットに基づかせると述べています。バックテスト結果が公開された数値と一致することは保証されておらず、フレームワークは固定リターンの戦略ではなく研究用の足場として扱うべきです。
ライセンスと研究の範囲
リポジトリはApache-2.0でライセンスされており、ライセンステキストの条件に従って、複製、配布、修正のための著作権および特許ライセンスを付与します。ライセンスの抜粋は、保証、サポートコミットメント、セキュリティ保証については何も述べていません。README自体は、フレームワークが研究目的で設計されており、取引パフォーマンスはモデル選択、温度、データ品質、その他の要因に依存し、金融、投資、取引アドバイスではないと述べています。READMEにはarXiv論文の引用が含まれています。
編集部の結論
TradingAgentsは、金融商品の売買サービスではなく、役割分担したLLMの市場調査と意思決定過程を研究したい開発者向けです。README自身が金融アドバイスではないと位置づけ、実行結果の変動も示しているため、収益や再現性を前提に導入するものではありません。まず研究対象の銘柄、データ取得条件、モデル設定を固定し、永続化とチェックポイント再開を使った複数回の結果を比較してください。
コミュニティノート