리서치 논문
TradingAgents: 멀티 에이전트 LLM 금융 트레이딩 프레임워크
TradingAgents는 이 호스팅 데스크에 영감을 준 오픈소스 멀티 에이전트 LLM 프레임워크입니다. Yijia Xiao, Edward Sun, Di Luo, Wei Wang이 작성한 이 논문은 전문 애널리스트, 강세와 약세 리서처, 트레이더, 리스크 관점, 펀드 매니저로 구성된 트레이딩 회사를 모델링합니다. 이 페이지는 그 아키텍처를 설명하며, 저자들의 백테스트를 TradingAgents Report의 성과로 주장하지 않습니다.
- 식별자
- arXiv:2412.20138
- 저자
- Xiao, Sun, Luo, Wang
- 버전
- v7 · 2025년 6월 3일
TradingAgents 논문이란
TradingAgents는 리서치 데스크처럼 전문화된 역할을 배분하는 멀티 에이전트 LLM 금융 트레이딩 프레임워크입니다. 애널리스트가 날짜가 명시된 근거를 수집하고, 강세와 약세 리서처가 토론합니다. 트레이더가 액션을 제안하고, 리스크 팀이 이를 압박 검증하며, 펀드 매니저가 승인합니다. 논문은 AAPL, GOOGL, AMZN에 대한 과거 시뮬레이션 결과를 보고합니다. 이 수치는 저자들의 실험에 속하며 이 호스팅 제품의 것이 아닙니다.
프레임워크 구성 방식
논문의 Figure 1과 공개 리포지토리의 동일한 도식은 애널리스트 팀, 리서치 토론, 트레이더, 리스크 관리, 펀드 매니저 승인의 다섯 단계를 보여 줍니다. 데이터는 시장, 소셜, 뉴스, 펀더멘털 근거로 들어옵니다. 결정은 숨겨진 점수가 아니라 문서화된 계획으로 나옵니다.
일곱 역할, 하나의 확인 가능한 조직
논문은 이름이 정해진 일곱 역할을 배분합니다. 각 역할에는 목표, 제약, 도구가 있습니다. 이들이 함께 하나의 트레이딩 질문을 근거, 의견 불일치, 제안된 액션, 리스크 조정된 결정으로 분해합니다.
애널리스트 팀
네 명의 전문가가 병렬로 작업합니다. 펀더멘털 애널리스트는 공시와 재무 건전성을 읽습니다. 심리 애널리스트는 소셜과 대중 분위기를 읽습니다. 뉴스 애널리스트는 기업과 거시 이벤트를 읽습니다. 기술적 애널리스트는 가격, 거래량, MACD와 RSI 같은 지표를 읽습니다. 이들의 리포트가 공유 근거 묶음이 됩니다.
리서처 팀
강세 리서처는 기회를 주장하고 약세 리서처는 리스크를 주장합니다. 두 사람은 설정된 라운드 수만큼 토론합니다. 진행자가 우세한 견해를 구조화된 상태로 기록하므로, 이후 역할들은 긴 대화를 다시 읽지 않고 토론 결과를 조회할 수 있습니다.
트레이더 에이전트
트레이더는 애널리스트 리포트와 토론 기록을 읽고, 시점과 규모, 그리고 매수·매도·보유를 근거와 함께 결정문으로 작성합니다. 논문에서는 이것이 모의 주문 제안입니다. TradingAgents Report에서는 중간 계획이며, 공개되는 5단계 등급이 아닙니다.
리스크 팀과 펀드 매니저
공격적, 보수적, 중립 리스크 관점이 변동성, 유동성, 명시된 한도를 기준으로 트레이더의 계획을 검토합니다. 이후 펀드 매니저가 제안을 수락, 거부, 또는 조정합니다. 논문의 “실행” 단계는 모의 거래소입니다. 이 제품은 실제 증권사 주문을 라우팅하지 않습니다.
구조화된 리포트, 그다음 토론
논문의 커뮤니케이션 프로토콜은 긴 대화 로그가 전달되며 왜곡되는 문제를 막기 위해 설계되었습니다. 대부분의 역할은 공유 상태에 구조화된 리포트를 씁니다. 자연어는 반드시 필요한 토론에만 사용됩니다.
구조화된 리포트
애널리스트와 트레이더는 지표, 주장, 권고를 담은 간결한 문서를 작성합니다. 이후 에이전트는 끝없는 메시지 이력을 훑는 대신 그 상태를 조회합니다.
자연어 토론
리서처와 리스크 팀은 여전히 대화를 나눕니다. 진행자가 라운드 수를 유한하게 유지하고 결과를 구조화된 상태로 기록합니다.
빠른 사고 모델과 심층 사고 모델
논문은 더 빠른 모델을 검색과 요약에, 더 깊은 모델을 분석과 의사결정에 짝지웁니다. 호스팅 데스크는 관리자가 통제하는 카탈로그를 사용하므로, 논문에 언급된 모델이 여기서 자동으로 활성화되지는 않습니다.
논문이 보고한 내용
Xiao 등은 2024년 6월 19일부터 2024년 11월 19일까지 AAPL, GOOGL, AMZN에 대해 각 날짜에 이용 가능한 정보만 사용해 일별 의사결정을 시뮬레이션했습니다. 그리고 TradingAgents를 매수 후 보유 전략과 규칙 기반 전략(MACD, KDJ & RSI, ZMR, SMA)과 비교했습니다. 아래 수치는 arXiv:2412.20138v7의 Table 1에서 옮긴 것입니다. 실시간 결과도, 이 제품의 실적 기록도, 향후 수익 약속도 아닙니다.
- 시뮬레이션 기간
- 2024년 6월 19일 – 2024년 11월 19일
- 샘플 데이터셋 기간
- 2024년 1월 1일 – 2024년 3월 29일
- 보고된 종목
- AAPL · GOOGL · AMZN
| 모델 | 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 (논문) | 26.62 | 30.5 | 8.21 | 0.91 | 24.36 | 27.58 | 6.39 | 1.69 | 23.21 | 24.90 | 5.60 | 2.11 |
Xiao 등의 TradingAgents(arXiv:2412.20138v7) Table 1입니다. CR은 누적 수익률, ARR은 연환산 수익률, SR은 샤프 지수, MDD는 최대 낙폭입니다. AMZN에 대한 MACD 결과는 보고되지 않았습니다.
이 호스팅 데스크와의 관계
TradingAgents Report는 확인 가능한 리서치 그래프, 즉 선택형 근거 모듈, 강세/약세 토론, 트레이더 계획, 리스크 검토, 포트폴리오 매니저 등급을 재사용합니다. 여기에 과금, 비공개 작업, 거래소 허용 목록, 선별된 공개 리포트를 더합니다. 논문의 모의 체결을 제품 기능으로 다루지는 않습니다.
그대로 이어지는 것
전문 영역 근거, 명시적인 분석 기준일, 상반된 리서치, 문서화된 리스크 검토는 감사 가능한 리포트의 핵심으로 남습니다.
여기서 다른 점
공개 페이지는 실제 주문이 아니라 5단계 포트폴리오 매니저 등급을 보여 줍니다. 모의 투자는 사용자가 직접 주문하는 별도의 가상 원장입니다. 업스트림 실험 기능은 자동으로 활성화되지 않습니다.
논문 인용
이 프레임워크가 연구에 도움이 되었다면 저자들의 arXiv 프리프린트를 인용하세요. 이 해설은 제품 페이지이며 PDF를 대체하지 않습니다.
Yijia Xiao, Edward Sun, Di Luo, Wei Wang
캘리포니아 대학교 로스앤젤레스; 매사추세츠 공과대학교
arXiv 프리프린트 arXiv:2412.20138 (q-fin.TR), 2024년 12월 28일 최초 게재. 이 페이지는 2025년 6월 3일 v7을 기준으로 합니다.
@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}
}프레임워크 도식은 Apache-2.0 TradingAgents 리포지토리에서 가져왔습니다. 재사용 전에 논문과 리포지토리 라이선스를 확인하세요.
논문 FAQ
TradingAgents 논문에 대한 자주 묻는 질문
TradingAgents 논문은 무엇인가요?
멀티 에이전트 LLM 금융 트레이딩 프레임워크를 설명하는 arXiv 프리프린트(2412.20138)입니다. 전문 애널리스트, 강세와 약세 리서처, 트레이더, 리스크 팀, 펀드 매니저가 구조화된 리포트와 토론을 통해 협업합니다.
TradingAgents Report는 논문과 같은 것인가요?
아닙니다. 논문과 GitHub 프로젝트는 업스트림 리서치 프레임워크입니다. TradingAgents Report는 과금, 비공개 작업, 발행 리포트를 갖춘 호스팅 리서치 데스크입니다. 배포된 역할과 모델은 논문의 실험과 다를 수 있습니다.
오픈소스 코드는 어디에 있나요?
저자들은 TradingAgents를 github.com/TauricResearch/TradingAgents에 Apache License 2.0으로 공개합니다. 이 사이트의 오픈소스 페이지는 그 리포지토리와 호스팅 제품을 구분해 설명합니다.
논문의 수익률이 이 제품에도 적용되나요?
아닙니다. Table 1은 2024년 미국 세 종목에 대한 저자들의 과거 시뮬레이션입니다. 실시간 실적 기록도, 이 제품의 성과도, 투자 조언도 아닙니다.
이 프레임워크가 실제 매매를 실행하나요?
논문의 실행 단계는 연구용 모의 거래소입니다. TradingAgents Report는 리서치 리포트와 선택 사항인 모의 원장 연습을 제공합니다. 증권사에 연결하거나 실제 주문을 넣지 않습니다.
TradingAgents를 어떻게 인용해야 하나요?
Xiao, Sun, Luo, Wang의 “TradingAgents: Multi-Agents LLM Financial Trading Framework,” arXiv:2412.20138을 인용하세요. 이 페이지의 BibTeX 또는 공식 arXiv 기록을 사용하면 됩니다.
논문 다음으로 이어 보기
호스팅 그래프는 리서치 방식 페이지에서, 리포지토리는 오픈소스 페이지에서 확인하고, 완성된 리서치 결과물은 공개 리포트에서 살펴보세요.