TradingAgents: Framework LLM Đa Agent Cho Trading
TauricResearch/TradingAgents
TradingAgents là một framework Python mã nguồn mở, đưa một quyết định trading đi qua chuỗi các agent LLM chuyên biệt: analyst, researcher phe bull/bear, trader, và risk/portfolio manager. Chọn dùng nếu bạn muốn một scaffold nghiên cứu multi-agent chạy được để tìm hiểu hoặc mở rộng; bỏ qua nếu bạn cần một trading bot production, vì disclaimer trong README nói đây là công cụ nghiên cứu, không phải lời khuyên tài chính hay đầu tư.
TradingAgents Là Gì
TradingAgents là một framework multi-agent mô phỏng cấu trúc nội bộ của một trading firm: các analyst Fundamentals, Sentiment, News và Technical mỗi bên đọc một lát dữ liệu khác nhau, researcher phe bull và phe bear tranh luận về phát hiện của họ, một Trader agent biến cuộc tranh luận đó thành quyết định, và một đội Risk Management cùng Portfolio Manager phê duyệt hoặc từ chối trước khi lệnh tới simulated exchange.
Cách Hệ Thống Multi-Agent Hoạt Động
- ✓Analyst Team: Fundamentals Analyst đọc báo cáo tài chính công ty, Sentiment Analyst gộp tin tức, StockTwits và bàn luận trên Reddit, News Analyst theo dõi sự kiện vĩ mô, còn Technical Analyst chạy các indicator như MACD và RSI.
- ✓Researcher Team: researcher phe bull và phe bear tranh luận có cấu trúc về kết quả của Analyst Team trước khi tới bước ra quyết định.
- ✓Trader Agent tổng hợp báo cáo của analyst và cuộc tranh luận của researcher thành quyết định về thời điểm và khối lượng giao dịch.
- ✓Đội Risk Management đánh giá biến động và thanh khoản, rồi báo cáo lên Portfolio Manager — người phê duyệt hoặc từ chối lệnh trước khi nó được gửi tới simulated exchange.
- ✓Xây trên LangGraph, với checkpoint resume nhận biết hình dạng graph (thêm ở v0.3.1) để một run multi-agent bị crash có thể chạy tiếp thay vì làm lại từ đầu.
- ✓Một decision log tại ~/.tradingagents/memory/trading_memory.md luôn bật: lợi nhuận thực tế của mỗi run (raw và alpha so với SPY) cùng một đoạn reflection ngắn được đưa vào prompt của Portfolio Manager ở run kế tiếp.
Cài Đặt TradingAgents
Clone repo (git clone https://github.com/TauricResearch/TradingAgents.git), tạo môi trường Python 3.12 (conda create -n tradingagents python=3.12 && conda activate tradingagents), rồi chạy pip install . trong thư mục project. Hướng Docker bỏ qua môi trường cục bộ: copy .env.example thành .env, thêm API key, rồi docker compose run --rm tradingagents (hoặc docker compose --profile ollama run --rm tradingagents-ollama cho model cục bộ). Dù theo hướng nào bạn cũng cần đặt ít nhất một key LLM provider — OPENAI_API_KEY, ANTHROPIC_API_KEY, GOOGLE_API_KEY, XAI_API_KEY, DEEPSEEK_API_KEY, các cặp key DashScope/Zhipu/MiniMax quốc tế-hoặc-Trung Quốc, hoặc OPENROUTER_API_KEY — cộng thêm ALPHA_VANTAGE_API_KEY cho dữ liệu thị trường. AWS Bedrock cần extra pip install ".[bedrock]" cùng AWS credentials và một Bedrock model ID; Azure OpenAI cần một bản copy .env.enterprise; Ollama và bất kỳ server tương thích OpenAI nào (vLLM, LM Studio, llama.cpp) thì không cần API key.
Chạy TradingAgents
Hướng tương tác là CLI: chạy tradingagents (hoặc python -m cli.main từ source) rồi chọn ticker, ngày phân tích, LLM provider và độ sâu nghiên cứu từ các prompt, sau đó theo dõi tiến trình của đội agent ngay trên terminal. Ticker được resolve theo bất kỳ thị trường nào Yahoo Finance có, dùng hậu tố sàn như 0700.HK, 7203.T, AZN.L, RELIANCE.NS, 600519.SS, hoặc BTC-USD. Từ Python, import TradingAgentsGraph, copy DEFAULT_CONFIG, rồi gọi ta.propagate("NVDA", "2026-01-15") để nhận về quyết định; cùng dict config đó dùng để đặt llm_provider, deep_think_llm, quick_think_llm và max_debate_rounds. Thêm --checkpoint vào một lần chạy CLI (hoặc checkpoint_enabled: True trong config) để lưu state LangGraph theo từng ticker vào một database SQLite, giúp một run bị crash chạy tiếp thay vì làm lại; --clear-checkpoints để reset state đó.
Ưu Điểm Chính
- ✓Cấu trúc analyst/researcher/trader/risk là code chạy thật, không phải một prompt duy nhất giả vờ là cả đội — mỗi vai trò đọc một lát dữ liệu khác nhau trước khi Trader agent nhìn thấy bất cứ gì.
- ✓Độ phủ provider rộng: OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Azure OpenAI, AWS Bedrock, Ollama, và bất kỳ endpoint tương thích OpenAI nào, nên bạn không bị khoá vào API của một hãng.
- ✓Decision log mang lợi nhuận thực tế và một reflection từ run này sang prompt của Portfolio Manager ở run kế tiếp, thay vì mỗi run bắt đầu với bộ nhớ trắng về kết quả trước đó.
- ✓Checkpoint resume lưu state LangGraph theo từng ticker, nên một run multi-agent bị crash giữa chừng không phải làm lại từ analyst đầu tiên.
- ✓Hoạt động trên các thị trường Yahoo Finance có — Mỹ, Hồng Kông, Tokyo, London, Ấn Độ, Canada, Australia, cổ phiếu A-share Trung Quốc, và crypto — qua ticker có hậu tố sàn, không chỉ cổ phiếu Mỹ.
- ✓Được version hoá đều đặn: mục News trong README ghi lại sáu bản release từ v0.2.0 tới v0.3.1, mỗi bản có fix và tính năng cụ thể thay vì chỉ một lần công bố nghiên cứu duy nhất.
Hiểu Về Reproducibility Và Disclaimer
- △Chính disclaimer trong README nói TradingAgents được thiết kế cho mục đích nghiên cứu và không nhằm làm lời khuyên tài chính, đầu tư hay giao dịch; không có track record hay con số lợi nhuận nào được khẳng định.
- △Hai lần chạy cùng ticker và ngày có thể cho ra quyết định khác nhau: các nguồn sentiment như news, StockTwits và Reddit phản ánh 'hiện tại' ngay cả khi cửa sổ giá và indicator được cố định theo một ngày lịch sử.
- △Dòng model mặc định GPT-5.x và các model reasoning/thinking-mode khác phần lớn bỏ qua tuỳ chọn temperature, nên muốn tái lập chặt hơn phải chuyển sang một model non-reasoning qua tuỳ chọn Custom model ID thay vì có sẵn output deterministic.
- △Không có tài liệu nào về tích hợp broker trực tiếp — một lệnh được phê duyệt sẽ được gửi tới 'simulated exchange', không phải một tài khoản brokerage thật.
- △Kết quả backtest được nói rõ là không đảm bảo khớp với bất kỳ con số đã công bố nào; README định vị framework này là một scaffold nghiên cứu, không phải một chiến lược có lợi nhuận cố định, tái lập được.
- △Chi phí và độ trễ tăng theo số agent và số vòng debate trong pipeline, và README không định lượng cả hai cho bất kỳ cấu hình cụ thể nào.
So Sánh Các Framework LLM Tài Chính
Câu Hỏi Thường Gặp
TradingAgents là một framework nghiên cứu để tìm hiểu cách một đội agent LLM chuyên biệt — analyst, researcher phe bull/bear, trader, và risk/portfolio manager — đi đến một quyết định trading, không phải một trading bot dùng ngay được.
TradingAgents hỗ trợ OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen (Alibaba DashScope, endpoint quốc tế và Trung Quốc), GLM qua Zhipu, MiniMax (global và Trung Quốc), OpenRouter, Azure OpenAI, AWS Bedrock, model Ollama cục bộ, và bất kỳ endpoint tương thích OpenAI nào như vLLM hay LM Studio.
TradingAgents gửi một lệnh đã phê duyệt tới simulated exchange, không phải một brokerage thật, và chính disclaimer trong README nói framework này dùng cho nghiên cứu, không phải lời khuyên tài chính, đầu tư hay giao dịch.
Mức độ sẵn sàng cho production không được tài liệu hoá rõ ràng. Thay vào đó README nói về các lưu ý reproducibility — LLM sampling non-deterministic và dữ liệu news/sentiment theo thời gian thực — và định vị TradingAgents là một scaffold nghiên cứu, không phải một chiến lược có lợi nhuận đảm bảo, tái lập được.
Bạn truyền một ticker và ngày phân tích vào TradingAgentsGraph.propagate(), và market analyst neo các claim về giá và indicator vào một verified data snapshot cố định theo ngày đó, với các vendor như Alpha Vantage (thêm lọc look-ahead ở v0.3.1) và FRED/Polymarket cấp dữ liệu nền.
TradingAgents được phát hành theo giấy phép Apache-2.0, một giấy phép mã nguồn mở permissive được OSI công nhận, theo license file của repo.
Vấn đề mà nó giải quyết
Muốn kiểm tra việc chia một quyết định trading ra cho các vai trò chuyên biệt — đọc fundamentals, đọc sentiment, đọc technical, tranh luận bull/bear, rồi risk ký duyệt — có làm thay đổi kết quả so với một LLM được prompt để tự quyết hay không, thông thường bạn phải tự nối bốn năm agent và một vòng lặp debate. TradingAgents đóng gói sẵn cách chia việc đó thành code chạy được: cấu trúc analyst/researcher/trader/risk của một trading desk, đã xây sẵn trên LangGraph.
Trường hợp sử dụng tốt nhất
- •Tìm hiểu việc chia một quyết định trading cho các vai trò LLM chuyên biệt (tranh luận analyst, nghiên cứu bull/bear, risk ký duyệt) làm thay đổi kết quả ra sao so với cách dùng một prompt duy nhất.
- •Chạy một pipeline quyết định với một cặp ticker-và-ngày cố định, ví dụ ta.propagate("NVDA", "2026-01-15"), trong khi cửa sổ giá và indicator vẫn giữ nguyên theo ngày đó.
- •So sánh các LLM provider và model khác nhau — GPT-5.x, Gemini, Claude, DeepSeek, Qwen, hay một model Ollama cục bộ — hoạt động ra sao trong cùng một pipeline multi-agent thông qua tuỳ chọn llm_provider trong config.
- •Nghiên cứu khả năng tái lập (reproducibility) và tính non-deterministic của các hệ thống ra quyết định tài chính dựa trên LLM, dùng tuỳ chọn temperature và checkpoint đã được tài liệu hoá.
- •Chạy toàn bộ pipeline với một model cục bộ hoặc tự host (Ollama, vLLM, LM Studio, llama.cpp) thay vì một API hosted, cho các team không muốn dữ liệu trading rời khỏi hạ tầng của mình.
Ai nên dùng — và ai nên bỏ qua
Chọn TradingAgents nếu bạn là developer hoặc researcher muốn một pipeline multi-agent chạy được để tìm hiểu cách các vai trò LLM chuyên biệt tranh luận ra một quyết định trading, hoặc cần một framework agent đa provider đã tài liệu hoá để mở rộng. Bỏ qua nếu bạn muốn một trading bot production, thực thi qua broker trực tiếp, hoặc một hệ thống có lợi nhuận đã được chứng minh — disclaimer trong README nói đây là công cụ nghiên cứu, không phải lời khuyên tài chính hay đầu tư, và kết quả backtest không đảm bảo khớp với bất kỳ con số đã công bố nào.