mcpField
T
trading-agents

trading-agents

github.com/gaaiyunその他2100 回インストール22 週間前に更新
リポジトリ

trading-agents について

trading-agentsは、株式調査向けのマルチエージェントスキルです。ファンダメンタル、センチメント、ニュース、テクニカル、リスクを分析し、APIキー不要のローカルシグナルエンジンと設定可能なLLMエンジンを提供します。

主な機能

  1. 01マルチエージェント分析
  2. 02ファンダメンタル・センチメント・ニュース分析
  3. 03MACDやRSIなどのテクニカル指標
  4. 04強気・弱気の構造化ディベート
  5. 05リスク評価と売買判断
  6. 06ローカルシグナル／LLMエンジン

活用シーン

  1. 01NVDAなどの株式分析
  2. 02株式のファンダメンタルとテクニカル評価
  3. 03買い・売り・保有の提案生成
  4. 04取引リスクと市場センチメントの調査

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/gaaiyun/tradingagents-openclaw-skill --skill trading-agents

インストール後、Claude Code で/trading-agentsを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

LICENSE
signals.py
requirements.txt
QUICKSTART.md
.gitignore
_meta.json
example_usage.py
README.md
__init__.py
test_skill.py
verify_install.py
.github/workflows/
test.yml
tests/
test_signals.py
test_skill_engines.py
__init__.py

詳細

TradingAgents マルチエージェント取引フレームワーク

1. どんなときに使いますか？

ユーザーが次のように言ったとき：

  • 「NVDA 株を分析して」
  • 「AAPL は今買えますか？」
  • 「マルチエージェントで MSFT を分析して」
  • 「取引シグナルを取得して」
  • 「株式のファンダメンタル分析をして」
  • 「TSLA のテクニカル分析をして」
  • 「リスクを評価して」
  • 専門的な定量分析を必要とする、あらゆる取引判断

2. 何ができますか？

主な機能
  • マルチエージェントによる共同分析：実際の取引会社のチームによる意思決定プロセスをシミュレートします
  • ファンダメンタル分析：企業の財務状況と業績指標を評価します
  • センチメント分析：ソーシャルメディアと世論のセンチメントを分析します
  • ニュース分析：世界のニュースとマクロ経済指標を監視します
  • テクニカル分析：MACD、RSI などのテクニカル指標を使用します
  • 強気・弱気の議論：強気派と弱気派のアナリストが、構造化された議論を行います
  • リスク管理：市場の変動性、流動性などのリスク要因を評価します
  • 取引判断：買い／売り／保有の推奨を生成します
対応する LLM プロバイダー
  • OpenAI (GPT-5.x, GPT-4.x)
  • Google (Gemini 3.x, 2.x)
  • Anthropic (Claude 4.x, 3.x)
  • xAI (Grok 4.x)
  • OpenRouter
  • Ollama（ローカルモデル）
データソース
  • yfinance（デフォルト、API key 不要）
  • Alpha Vantage（API key が必要）

3. すぐに使う

3.1 基本的な使い方
from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# 初始化
ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())

# 分析股票
_, decision = ta.propagate("NVDA", "2024-05-10")
print(decision)
3.2 カスタム設定
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"        # openai, google, anthropic, xai, openrouter, ollama
config["deep_think_llm"] = "gpt-5.2"     # 复杂推理模型
config["quick_think_llm"] = "gpt-5-mini" # 快速任务模型
config["max_debate_rounds"] = 2          # 辩论轮数

ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("AAPL", "2024-05-10")
3.3 データソースの設定
config["data_vendors"] = {
    "core_stock_apis": "yfinance",           # alpha_vantage, yfinance
    "technical_indicators": "yfinance",
    "fundamental_data": "yfinance",
    "news_data": "yfinance",
}

4. API Keys の設定

方法 1：環境変数
export OPENAI_API_KEY=...          # OpenAI
export GOOGLE_API_KEY=...          # Google
export ANTHROPIC_API_KEY=...       # Anthropic
export XAI_API_KEY=...             # xAI
export OPENROUTER_API_KEY=...      # OpenRouter
export ALPHA_VANTAGE_API_KEY=...   # Alpha Vantage
方法 2：.env ファイル

~/.openclaw/workspace/.env に追加します：

OPENAI_API_KEY=sk-...
ALPHA_VANTAGE_API_KEY=...

5. エージェントのアーキテクチャ

分析チーム
エージェント役割
Fundamentals Analyst企業の財務状況と本質的価値を評価します
Sentiment Analystソーシャルメディアのセンチメントスコアを分析します
News Analyst世界のニュースとマクロ指標を監視します
Technical Analystテクニカル指標を分析します（MACD、RSI）
リサーチチーム
  • Bull Researcher：強気の見解を示し、上昇機会を探します
  • Bear Researcher：弱気の見解を示し、潜在的なリスクを特定します
取引チーム
  • Trader：レポートをまとめ、取引判断を行います
  • Risk Manager：リスクを評価し、調整します
  • Portfolio Manager：取引を最終承認します

6. 出力例

{
    "ticker": "NVDA",
    "date": "2024-05-10",
    "action": "BUY",
    "quantity": 100,
    "confidence": 0.75,
    "reasoning": "基本面强劲，AI 需求增长，技术面突破...",
    "risk_level": "MEDIUM",
    "target_price": 950.00,
    "stop_loss": 800.00
}

7. ファイル構成

この Skill 自体（signals engine はすぐに使え、外部ディレクトリの構成に依存しません）：

TradingAgents-OpenClaw-Skill/
├── __init__.py             # TradingAgentsSkill + CLI（多 engine 路由）
├── signals.py              # 本地技术信号引擎（无需 API key）
├── requirements.txt
├── tests/                  # pytest（合成数据，无网络）
├── example_usage.py        # 端到端示例
└── SKILL.md                # 本文件

LLM engine を有効にする場合は、TradingAgents フレームワーク（PyPI パッケージまたはローカル clone）も必要です：

tradingagents/              # pip install tradingagents 后可直接 import
├── agents/                 # 智能体定义
├── dataflows/              # 数据流
├── graph/                  # LangGraph 流程
└── default_config.py       # 默认配置

8. ローカルで実行する

signals engine（API key 不要）
pip install -r requirements.txt
python __init__.py NVDA --engine signals
LLM engine（TradingAgents + API key が必要）
pip install tradingagents
export OPENAI_API_KEY=sk-...
# 若为本地 clone，可改用环境变量指向：
#   export TRADING_AGENTS_HOME=/path/to/TradingAgents-Official
python __init__.py NVDA --engine llm

9. OpenClaw で使用する

会話例
用户：分析一下 NVDA 股票
助手：正在用 TradingAgents 多智能体框架分析 NVDA……
     [基本面分析师] 公司财务表现强劲
     [技术分析师] MACD 金叉，RSI 处于健康区间
     [风险管理] 波动性中等，建议控制仓位
     综合建议：BUY，目标价 $950，止损 $800

10. 注意事項

⚠️ 重要なお知らせ：

  • 本フレームワークは研究目的でのみ使用してください
  • 投資助言を構成するものではありません
  • 取引のパフォーマンスは、モデル、温度、データ品質など、さまざまな要因の影響を受けます
  • リスクを完全に理解していない限り、実際の取引判断には使用しないでください

11. 依存関係

langgraph>=0.2.0
langchain>=0.3.0
openai>=1.0.0
google-generativeai>=0.8.0
anthropic>=0.40.0
yfinance>=0.2.40
alpha-vantage>=3.0.0
pandas>=2.0.0
numpy>=1.24.0
python-dotenv>=1.0.0

12. 参考資料

コメント

Markdown 対応