TradingAgents는 실제 트레이딩 기업의 역동성을 반영하도록 설계된 멀티 에이전트 LLM(Large Language Model) 기반 금융 트레이딩 프레임워크입니다. 이 프레임워크는 복잡한 트레이딩 작업을 전문화된 역할로 분해하여 시장 분석 및 의사 결정에 있어 견고하고 확장 가능한 접근 방식을 제공합니다.

핵심 방법론 및 시스템 구성:

TradingAgents의 핵심은 LLM으로 구동되는 여러 전문 에이전트들이 협력하여 시장 조건을 평가하고 트레이딩 결정을 내리는 것입니다. 이 에이전트들은 동적인 토론에 참여하여 최적의 전략을 도출합니다.

1. Analyst Team:
   • Fundamentals Analyst: 기업 재무 및 성과 지표를 평가하여 내재 가치와 잠재적 위험 신호를 식별합니다.
   • Sentiment Analyst: 감성 점수(sentiment scoring) 알고리즘을 사용하여 소셜 미디어 및 대중의 감정을 분석하고 단기 시장 분위기를 측정합니다.
   • News Analyst: 글로벌 뉴스 및 거시 경제 지표를 모니터링하며, 이벤트가 시장 조건에 미치는 영향을 해석합니다.
   • Technical Analyst: MACD(Moving Average Convergence Divergence), RSI(Relative Strength Index)와 같은 기술 지표를 활용하여 트레이딩 패턴을 감지하고 가격 움직임을 예측합니다.

2. Researcher Team:
   • Bullish(낙관론) 및 Bearish(비관론) 두 가지 유형의 Researcher로 구성됩니다.
   • 이들은 Analyst Team이 제공한 인사이트를 비판적으로 평가합니다.
   • 구조화된 토론(structured debates)을 통해 잠재적 이익과 내재된 위험 사이의 균형을 맞춥니다. 이 과정에서 각 Researcher는 자신의 관점을 제시하고 논박하며, 최적의 전략 수립을 위한 심층적인 분석을 수행합니다.

3. Trader Agent:
   • Analyst Team과 Researcher Team의 보고서를 종합하여 정보에 입각한 트레이딩 결정을 내립니다.
   • 종합적인 시장 인사이트를 기반으로 트레이드의 타이밍과 규모를 결정합니다.

4. Risk Management and Portfolio Manager:
   • Risk Management Team: 시장 변동성, 유동성 및 기타 위험 요소를 평가하여 포트폴리오 위험을 지속적으로 평가합니다. 이 팀은 트레이딩 전략을 평가하고 조정하며, Portfolio Manager에게 평가 보고서를 제공합니다.
   • Portfolio Manager: Risk Management Team으로부터 받은 트랜잭션 제안을 승인하거나 거부합니다. 승인될 경우, 주문은 시뮬레이션된 거래소(simulated exchange)로 전송되어 실행됩니다.

기술적 구현:

• LangGraph 기반: TradingAgents는 유연성과 모듈성을 위해 LangGraph를 기반으로 구축되었습니다.
• 다중 LLM provider 지원: OpenAI (GPT-5.x), Google (Gemini 3.x), Anthropic (Claude 4.x), xAI (Grok 4.x), OpenRouter, Ollama 등 다양한 LLM provider를 지원합니다. 사용자는 OPENAI_API_KEY와 같은 환경 변수를 설정하여 API key를 구성하거나 .env 파일을 통해 관리할 수 있습니다.
• 구성 가능성: default_config.py 파일을 통해 LLM provider(llm_provider), 복잡한 추론을 위한 모델(deep_think_llm), 빠른 작업을 위한 모델(quick_think_llm), 최대 토론 라운드(max_debate_rounds) 등 다양한 설정 옵션을 조정할 수 있습니다.
• 사용자 인터페이스: CLI(Command Line Interface)를 통해 티커(tickers), 날짜, LLM, 연구 깊이(research depth) 등을 선택할 수 있으며, 에이전트의 진행 상황을 실시간으로 추적할 수 있는 인터페이스를 제공합니다.
• Python Package: TradingAgentsGraph 객체를 임포트하여 코드 내에서 프레임워크를 사용할 수 있으며, .propagate() 함수를 호출하여 트레이딩 결정을 얻습니다.

목적 및 면책 조항:

본 프레임워크는 연구 목적으로 설계되었으며, 재정, 투자 또는 트레이딩 조언으로 간주되어서는 안 됩니다. 트레이딩 성능은 선택된 LLM, 모델 온도(model temperature), 트레이딩 기간, 데이터 품질 및 기타 비결정적 요인에 따라 달라질 수 있습니다. 최신 업데이트로는 GPT-5.4, Gemini 3.1, Claude 4.6 모델 지원 및 시스템 안정성 향상이 포함된 v0.2.1 릴리스가 있습니다.