Artículo de investigación
TradingAgents: framework multiagente de trading financiero con LLM
TradingAgents es el framework multiagente de LLM de código abierto que inspiró esta mesa alojada. El artículo, de Yijia Xiao, Edward Sun, Di Luo y Wei Wang, modela una firma de trading: analistas especializados, investigadores alcista y bajista, un trader, voces de riesgo y un gestor de fondos. Esta página explica esa arquitectura. No presenta el backtest de los autores como rendimiento de TradingAgents Report.
- Identificador
- arXiv:2412.20138
- Autores
- Xiao, Sun, Luo, Wang
- Versión
- v7 · 3 jun 2025
Qué es el artículo de TradingAgents
TradingAgents es un framework multiagente de trading financiero con LLM que asigna roles especializados igual que lo haría una mesa de investigación. Los analistas recopilan evidencia fechada. Los investigadores alcista y bajista debaten. Un trader propone una acción. Un equipo de riesgos lo somete a estrés. Un gestor de fondos aprueba. El artículo presenta una simulación histórica sobre AAPL, GOOGL y AMZN. Esas cifras pertenecen al experimento de los autores, no a este producto alojado.
Cómo está organizado el framework
La Figura 1 del artículo, y el diagrama equivalente del repositorio público, muestran cinco etapas: equipo de analistas, debate de investigación, trader, gestión de riesgos y aprobación del gestor de fondos. Los datos entran como evidencia de mercado, social, de noticias y fundamental. Las decisiones salen como un plan documentado, no como una puntuación oculta.
Siete roles, una firma inspeccionable
El artículo asigna siete roles con nombre. Cada rol tiene un objetivo, restricciones y herramientas. En conjunto descomponen una pregunta de trading en evidencia, desacuerdo, una acción propuesta y una decisión ajustada al riesgo.
Equipo de analistas
Cuatro especialistas trabajan en paralelo. El analista fundamental lee los registros regulatorios y la calidad. El analista de sentimiento lee el ánimo social y público. El analista de noticias lee los acontecimientos de la empresa y macroeconómicos. El analista técnico lee el precio, el volumen e indicadores como MACD y RSI. Sus informes forman el paquete de evidencia compartido.
Equipo de investigadores
Un investigador alcista defiende la oportunidad. Un investigador bajista defiende el riesgo. Debaten durante un número configurado de rondas. Un facilitador registra la visión predominante como estado estructurado, de modo que los roles posteriores pueden consultar el debate en lugar de releer una conversación larga.
Agente trader
El trader lee los informes de los analistas y el registro del debate, y después redacta una decisión con su justificación: momento, tamaño y compra, venta o mantenimiento. En el artículo se trata de una propuesta de orden simulada. En TradingAgents Report es un plan intermedio, no la calificación pública de cinco niveles.
Equipo de riesgos y gestor de fondos
Las voces de riesgo agresiva, conservadora y neutral revisan el plan del trader frente a la volatilidad, la liquidez y los límites establecidos. Después el gestor de fondos acepta, rechaza o ajusta la propuesta. El paso de “ejecución” del artículo es un mercado simulado. Este producto no enruta órdenes reales a un bróker.
Informes estructurados y después debate
El protocolo de comunicación del artículo está diseñado para evitar el efecto teléfono roto de los registros de conversación largos. La mayoría de los roles escriben informes estructurados en un estado compartido. El lenguaje natural se reserva para los debates que lo necesitan.
Informes estructurados
Los analistas y el trader escriben documentos concisos: métricas, afirmaciones y una recomendación. Los agentes posteriores consultan ese estado en lugar de recorrer un historial de mensajes sin límite.
Debate en lenguaje natural
Los investigadores y el equipo de riesgos siguen conversando. Un facilitador mantiene finito el número de rondas y devuelve el resultado como estado estructurado.
Modelos de pensamiento rápido y profundo
El artículo combina modelos más rápidos con la recuperación y el resumen, y modelos más profundos con el análisis y las decisiones. La mesa alojada utiliza un catálogo controlado por el administrador; un modelo citado en el artículo no está habilitado aquí automáticamente.
Qué resultados publicó el artículo
Xiao et al. simulan decisiones diarias del 19 de junio de 2024 al 19 de noviembre de 2024 sobre AAPL, GOOGL y AMZN, utilizando solo información disponible cada día. Comparan TradingAgents con la compra y mantenimiento y con estrategias de reglas (MACD, KDJ y RSI, ZMR, SMA). Las cifras siguientes están copiadas de la Tabla 1 de arXiv:2412.20138v7. No son resultados en vivo, ni el historial de este producto, ni una promesa de rentabilidad futura.
- Ventana de simulación
- 19 jun 2024 – 19 nov 2024
- Ventana del conjunto de datos de muestra
- 1 ene 2024 – 29 mar 2024
- Valores reportados
- AAPL · GOOGL · AMZN
| Modelo | AAPL CR% | AAPL ARR% | AAPL SR | AAPL MDD% | GOOGL CR% | GOOGL ARR% | GOOGL SR | GOOGL MDD% | AMZN CR% | AMZN ARR% | AMZN SR | AMZN MDD% |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| B&H | -5.23 | -5.09 | -1.29 | 11.90 | 7.78 | 8.09 | 1.35 | 13.04 | 17.1 | 17.6 | 3.53 | 3.80 |
| MACD | -1.49 | -1.48 | -0.81 | 4.53 | 6.20 | 6.26 | 2.31 | 1.22 | — | — | — | — |
| KDJ&RSI | 2.05 | 2.07 | 1.64 | 1.09 | 0.4 | 0.4 | 0.02 | 1.58 | -0.77 | -0.76 | -2.25 | 1.08 |
| ZMR | 0.57 | 0.57 | 0.17 | 0.86 | -0.58 | 0.58 | 2.12 | 2.34 | -0.77 | -0.77 | -2.45 | 0.82 |
| SMA | -3.2 | -2.97 | -1.72 | 3.67 | 6.23 | 6.43 | 2.12 | 2.34 | 11.01 | 11.6 | 2.22 | 3.97 |
| TradingAgents (artículo) | 26.62 | 30.5 | 8.21 | 0.91 | 24.36 | 27.58 | 6.39 | 1.69 | 23.21 | 24.90 | 5.60 | 2.11 |
Tabla 1 de Xiao et al., TradingAgents (arXiv:2412.20138v7). CR es la rentabilidad acumulada, ARR la rentabilidad anualizada, SR el ratio de Sharpe y MDD la máxima caída. Los resultados de MACD para AMZN no se publicaron.
Cómo se relaciona esta mesa alojada
TradingAgents Report reutiliza el grafo de investigación inspeccionable: módulos de evidencia opcionales, debate alcista/bajista, plan del trader, revisión de riesgos y una calificación del Gestor de Cartera. Añade facturación, tareas privadas, listas de bolsas permitidas e informes públicos curados. No trata las ejecuciones simuladas del artículo como una función del producto.
Qué se mantiene
La evidencia especializada, una fecha de análisis explícita, la investigación con posturas opuestas y una revisión de riesgos escrita siguen siendo el núcleo de un informe auditable.
Qué es diferente aquí
Las páginas públicas muestran una calificación de cinco niveles del Gestor de Cartera, no una orden real. El Trading Simulado es un libro contable virtual independiente que la propia persona usuaria alimenta. Los experimentos del proyecto original no se habilitan automáticamente.
Citar el artículo
Si el framework resulta útil para su trabajo, cite el preprint de arXiv de los autores. Esta explicación es una página de producto, no un sustituto del PDF.
Yijia Xiao, Edward Sun, Di Luo y Wei Wang
Universidad de California en Los Ángeles; Instituto Tecnológico de Massachusetts
Preprint de arXiv arXiv:2412.20138 (q-fin.TR), publicado por primera vez el 28 de diciembre de 2024; esta página sigue la v7, del 3 de junio de 2025.
@article{xiao2024tradingagents,
title={TradingAgents: Multi-Agents LLM Financial Trading Framework},
author={Xiao, Yijia and Sun, Edward and Luo, Di and Wang, Wei},
journal={arXiv preprint arXiv:2412.20138},
year={2024}
}Las figuras del framework están copiadas del repositorio TradingAgents con licencia Apache 2.0. Lea el artículo y la licencia del repositorio antes de reutilizarlas.
Preguntas sobre el artículo
Preguntas habituales sobre el artículo de TradingAgents
¿Qué es el artículo de TradingAgents?
Es un preprint de arXiv (2412.20138) que describe un framework multiagente de trading financiero con LLM. Analistas especializados, investigadores alcista y bajista, un trader, un equipo de riesgos y un gestor de fondos colaboran mediante informes estructurados y debate.
¿TradingAgents Report es lo mismo que el artículo?
No. El artículo y el proyecto de GitHub son el framework de investigación original. TradingAgents Report es una mesa de investigación alojada con facturación, tareas privadas e informes publicados. Los roles y modelos desplegados pueden diferir del experimento del artículo.
¿Dónde está el código de código abierto?
Los autores publican TradingAgents en github.com/TauricResearch/TradingAgents con licencia Apache 2.0. La página de código abierto de este sitio separa ese repositorio del producto alojado.
¿Las rentabilidades del artículo se aplican a este producto?
No. La Tabla 1 es la simulación histórica de los autores sobre tres valores estadounidenses en 2024. No es un historial real, ni el rendimiento de este producto, ni asesoramiento de inversión.
¿El framework ejecuta operaciones reales?
El paso de ejecución del artículo es un mercado simulado con fines de investigación. TradingAgents Report genera informes de investigación y una práctica opcional en un libro contable simulado. No se conecta con ningún bróker ni cursa órdenes reales.
¿Cómo se debe citar TradingAgents?
Cite a Xiao, Sun, Luo y Wang, “TradingAgents: Multi-Agents LLM Financial Trading Framework”, arXiv:2412.20138. Use el BibTeX de esta página o el registro oficial de arXiv.
Continuar a partir del artículo
Use la página de método para el grafo alojado, la página de código abierto para el repositorio y los informes públicos para ver un resultado de investigación terminado.