Підсумок
- Серед різних торговельних фреймворків на основі LLM багатоагентна архітектура є ближчою до дослідницького та торговельного робочого процесу реальних фінансових установ, ніж використання одного LLM для безпосереднього генерування сигналів на купівлю та продаж.
- TradingAgents — це фінансовий торговельний фреймворк на базі багатоагентних LLM. Його основна ідея полягає в моделюванні організаційної структури реальної торговельної фірми та розподілі складних торговельних рішень між кількома спеціалізованими ролями, які співпрацюють між собою.
- Експерименти, описані в оригінальній статті, показали, що TradingAgents перевершив кілька традиційних базових стратегій під час бектестування на фондовому ринку, покращивши сукупний дохід, коефіцієнт Шарпа та максимальне просідання.
- TradingAgents-BTC досяг загального доходу +20,25% протягом тестового періоду, значно випередивши дохідність стратегії «Купи та тримай» за той самий період, яка становила -7,89%. Це свідчить про те, що фреймворк має певну здатність до активного вибору моменту входу на ринок за конкретних ринкових умов.
- Поточний період бектестування охоплює лише близько трьох місяців, що є відносно коротким проміжком. Крім того, торгівля з частотою 1 година може зазнавати впливу транзакційних комісій, прослизання та затримок сигналів. Майбутні дослідження мають додатково перевірити стабільність стратегії на довших часових проміжках та за різних ринкових умов.
1. Вступ
Останніми роками дедалі більше досліджень присвячено застосуванню LLM у фінансовій торгівлі. Хоча ці дослідження ще не призвели до створення зрілих стандартизованих продуктів, академічна спільнота вже запропонувала кілька напрямків, зокрема фінансові аналітичні асистенти на основі LLM, торговельні боти, торговельні агенти з механізмами пам’яті, торговельні моделі LLM у поєднанні з навчанням із підкріпленням та багатоагентні фреймворки для спільної торгівлі.
Порівняно з використанням одного LLM для безпосереднього генерування сигналів на купівлю та продаж, багатоагентна архітектура є ближчою до дослідницького та торговельного робочого процесу реальних фінансових установ. Вона дає змогу розподілити торговельні завдання між кількома ролями, як-от технічні аналітики, аналітики новин, аналітики настроїв, дослідники, трейдери та менеджери з ризиків. Різні агенти опрацьовують різні джерела інформації та формують остаточні рішення через дебати, узагальнення та перевірку ризиків. Така структура зменшує когнітивне навантаження на одну модель і водночас підвищує прозорість та інтерпретованість процесу прийняття рішень.
TradingAgents, запропонований Yijia Xiao та ін., є характерним прикладом у цьому напрямку. Фреймворк моделює організаційну структуру реальної торговельної фірми та створює кілька ролей. Спочатку аналітики збирають і аналізують ринкову інформацію, потім дослідники проводять бичачі та ведмежі дебати, після чого трейдери генерують торговельні рішення, а на завершення команда з управління ризиками та керівник фонду виконують перевірку ризиків і підтвердження виконання. Експерименти в оригінальній статті показали, що TradingAgents перевершив кілька традиційних базових стратегій під час бектестування на фондовому ринку, покращивши сукупний дохід, коефіцієнт Шарпа та максимальне просідання.
Однак оригінальні експерименти TradingAgents здебільшого стосувалися фондового ринку, тому його застосовність до ринку криптоактивів ще потребує підтвердження. Отже, перенесення TradingAgents на ринок BTC має певну дослідницьку цінність. У цій статті описано експеримент із бектестування торгівлі BTC на основі TradingAgents, щоб дослідити ефективність багатоагентного торговельного фреймворку на крипторинку.
2. Огляд архітектури TradingAgents
TradingAgents — це фінансовий торговельний фреймворк на базі багатоагентних LLM. Натхненний організаційною структурою реальних компаній, TradingAgents визначає чотири категорії агентських ролей у модельованій торговельній компанії: аналітики, дослідники, трейдери, управління ризиками та керівники фондів. Кожен агент отримує конкретні ім’я, роль, мету та обмеження, а також попередньо визначені контекст, навички та інструменти, що відповідають його функції.
2.1 Команда аналітиків
Оригінальний фреймворк TradingAgents включає чотири типи аналітиків:
- Фундаментальний аналітик: Аналізує фінансовий стан компанії, прибутковість, рівні оцінки, фінансову звітність, звіти про прибутки та інсайдерську торгівлю. Мета — визначити довгострокову інвестиційну вартість активу та виявити, чи він недооцінений або переоцінений.
- Аналітик настроїв: Аналізує соціальні мережі, коментарі інвесторів, публічні дискусії та індикатори ринкових настроїв. Мета — виявити зміни в настроях інвесторів та визначити, чи можуть такі настрої вплинути на ціни активів у короткостроковій перспективі.
- Аналітик новин: Аналізує новинні події, корпоративні оголошення, зміни політики та макроекономічні події. Мета — виявити важливу інформацію, яка може вплинути на ринкові тенденції, та оцінити її короткостроковий або середньостроковий вплив.
- Технічний аналітик: Аналізує ціни, обсяги торгівлі та технічні індикатори, такі як MACD, RSI, Лінії Боллінджера, ковзні середні та індикатори волатильності. Мета — визначити ринкові тенденції, силу імпульсу, умови перекупленості/перепроданості та потенційні точки входу в торгівлю.
2.2 Дослідницька команда
Дослідницька команда в TradingAgents зазвичай складається з двох агентів із протилежними поглядами:
- Бичачий дослідник: Інтерпретує ринкову інформацію з позитивної точки зору, наголошуючи на бичачій логіці, потенціалі зростання, сприятливих факторах та причинах для купівлі.
- Ведмежий дослідник: Інтерпретує ринкову інформацію з обережної або негативної точки зору, наголошуючи на ризиках зниження, тиску на оцінку, ринковій невизначеності та потенційних ведмежих факторах.
Два дослідники проводять кілька раундів дебатів на основі звітів аналітиків. Після завершення дебатів система підсумовує думки обох сторін та формує відносно збалансоване ринкове судження. Суть цього механізму полягає в запровадженні протилежних точок зору.
2.3 Трейдер
Трейдер інтегрує структуровані звіти команди аналітиків, точки зору дослідників та поточний стан ринку, щоб генерувати попередні торговельні рішення (Купити/Продати/Тримати). Водночас трейдер також надає обґрунтування торгівлі, рівень впевненості та потенційні ризики. Його вихідні дані включають не лише сигнали до дії, а й пояснення природною мовою. Це робить TradingAgents легшим для перевірки та налагодження порівняно з традиційними моделями «чорного ящика».
2.4 Команда з управління ризиками
Команда з управління ризиками зазвичай включає три типи агентів із різними профілями ризику:
- Агресивний менеджер з ризиків: Зосереджується на можливостях високого прибутку та схильний приймати вищі ризики за сприятливих умов.
- Нейтральний менеджер з ризиків: Підтримує баланс між прибутком та ризиком, зосереджуючись на тому, чи має стратегія розумне співвідношення ризику та винагороди.
- Консервативний менеджер з ризиків: Надає пріоритет контролю просідань та екстремальних ризиків, схильний зменшувати позиції або уникати високоневизначених угод.
Команда з управління ризиками обговорює, чи є рішення трейдера розумним, зокрема, чи не занадто великі поточні позиції, чи не надто висока ринкова волатильність, чи існують подієві ризики та чи слід зменшити розмір торгівлі. Після перевірки ризиків система може зберегти початкову рекомендацію або скоригувати позиції та торговельні дії.
2.5 Керівник фонду та остаточне рішення
Керівник фонду виконує роль остаточного підтвердження рішення в TradingAgents. Керівник фонду переглядає обговорення команди з управління ризиками та визначає, чи схвалити рекомендацію трейдера. Ця роль подібна до ролі остаточного затверджувача в реальних торговельних установах, який відповідає за остаточний компроміс між можливостями отримання прибутку та контролем ризиків.
3. Криптоторговельний фреймворк на основі TradingAgents
Крипторинок також зазнає впливу кількох джерел інформації, зокрема цінових тенденцій, обсягів торгівлі, новин, макрополітики, ончейн-потоків коштів та ринкових настроїв. Тому, зберігаючи основний робочий процес TradingAgents, у цій статті змінено ролі аналітиків на технічних аналітиків, аналітиків новин, аналітиків настроїв та макро/ончейн-аналітиків, які краще підходять для крипторинку, та оцінюється продуктивність фреймворку під час бектестування BTC.
3.1 Загальна структура
Спочатку фреймворк отримує дані крипторинку. Потім команда аналітиків проводить аналіз з технічної, новинної, настроєвої та макро/ончейн-перспектив. Далі дослідницька команда проводить бичачі та ведмежі обговорення на основі результатів аналізу. Трейдер синтезує всі точки зору, щоб генерувати сигнали «Купити», «Продати» або «Тримати». Після цього команда з управління ризиками переглядає торговельну рекомендацію з агресивної, нейтральної та консервативної позицій щодо ризику. Нарешті, торговельне рішення надходить до системи бектестування для оцінки продуктивності стратегії.
3.2 Дизайн ролей агентів
Технічний аналітик: Аналізує цінові тенденції токена, обсяги торгівлі та технічні індикатори, включаючи MA, EMA, MACD, RSI, Лінії Боллінджера, ATR та ADX. Вихідні дані включають судження про тренд, силу імпульсу, рівень волатильності, умови перекупленості/перепроданості та ключові рівні підтримки/опору.
Аналітик новин: Аналізує новинні події, пов’язані з токеном, такі як потоки ETF, регуляторну політику, біржові інциденти, зміни інституційних холдингів, макроекономічні дані та геополітичні ризики. Вихідні дані включають підсумки новин, бичачі/ведмежі судження та потенційну тривалість впливу.
Аналітик настроїв: Аналізує ринкові настрої, включаючи обговорення в соціальних мережах, настрої новин, індекс страху та жадібності та популярність спільноти. Основна увага приділяється визначенню того, чи перебуває ринок у стані FOMO, паніки, перегріву або нейтральному стані.
Макро + ончейн-аналітик: Зосереджується на активних адресах, чистих притоках/відтоках бірж, поведінці довгострокових власників, балансах майнерів, пропозиції стейблкоїнів, домінуванні BTC, індексі долара США та дохідності казначейських облігацій США. Мета — вловити зміни в потоках капіталу токенів та макроліквідності.
Дослідники: Бичачий дослідник будує бичачу логіку на основі всіх звітів аналітиків, наголошуючи на сприятливих факторах та потенційних можливостях прориву. Ведмежий дослідник будує ведмежу логіку, наголошуючи на ризиках просідання, перегріві ринку, макротиску або ончейн-тиску продажів. Через дебати вони формують більш збалансоване ринкове судження. Трейдер інтегрує звіти аналітиків та результати дебатів дослідників, щоб на виході отримати остаточні торговельні сигнали, включаючи «Купити», «Продати» або «Тримати», разом із рівнем впевненості, пропозиціями щодо позиції та обґрунтуванням торгівлі.
Команда з управління ризиками: Переглядає рішення трейдера. Агресивна перспектива зосереджується на можливостях отримання прибутку, нейтральна перспектива балансує прибуток та ризик, а консервативна перспектива надає пріоритет контролю просідань. Остаточні рішення коригуються командою з ризиків перед передачею на виконання в бектест.
4. Дані та дизайн експерименту
Базова модель: ChatGPT 5.5
Об’єкт дослідження: BTC/USDT
Період бектестування: з 1 лютого 2026 року по 1 травня 2026 року, що відповідає тримісячному періоду бектестування в оригінальній статті TradingAgents.
Частота даних: 1-годинні дані
Джерело даних: Експериментальні дані отримано через Gate MCP, включаючи дані про ціну BTC/USDT, дані технічних індикаторів, новинні дані, дані соціальних мереж або настроїв, індекс страху та жадібності, притоки та відтоки ETF, дані про зайнятість у несільськогосподарському секторі, дохідність казначейських облігацій США, CPI та рішення щодо процентних ставок. Щоб уникнути упередженості через огляд у майбутнє, використовувалися лише дані, загальнодоступні до початку кожного торговельного дня.
Торговельні правила: Система генерує одне торговельне рішення на день. Основні торговельні правила такі:
- Тип торгівлі: Ринкові ордери з трьома можливими діями: Купити/Продати/Тримати
- Позиціонування: Кредитне плече не використовується; позиції становлять 0% або 100%
- Транзакційна комісія: 0,1%
- Прослизання: 0,05%–0,1%
- Базова стратегія: Купи та тримай, утримання BTC протягом усього періоду.
5. Результати бектестування
5.1 Показники доходу
З результатів бектестування стратегія досягла загального доходу +20,25%, тоді як дохід від стратегії «Купи та тримай» за той самий період становив -7,89%, що забезпечило +28,14% альфи відносно стратегії «Купи та тримай». Це свідчить про те, що протягом тестового періоду стратегія не лише уникла збитків, яких зазнало просте утримання BTC під час спадного та бокового ринків, але й захопила частину прибутку від відскоку завдяки перемиканню між бичачими та ведмежими позиціями.
З кривої капіталу видно, що стратегія «Купи та тримай» залишалася в зоні негативної дохідності протягом більшої частини періоду, особливо зазнаючи значних просідань з кінця лютого до початку квітня. Натомість стратегія TradingAgents значно збільшила розрив у продуктивності після початку березня та продовжувала нарощувати дохід під час фази відскоку BTC наприкінці квітня. Це вказує на те, що під час бокового та спадного ринків стратегія не пасивно приймала ризики, а натомість зменшила частину збитків через стани «Продати/Недостатня вага» та «Флет», водночас знову відкриваючи довгі позиції під час відскоку.
З розподілу позицій видно, що стратегія не була постійно довгою, а часто перемикалася між станами «Довга», «Флет» та «Продати/Недостатня вага». Протягом періоду бектестування було 43 дні з купівлею/перевагою, 31 день із продажем/недостатньою вагою та 15 днів із триманням/флетом. Це свідчить про те, що TradingAgents-BTC поводиться більше як стратегія активного вибору моменту, ніж як стратегія утримання, що слідує за трендом. Щоденний коефіцієнт виграшу становив 52,70%, що не є особливо високим, але коефіцієнт прибутку досяг 1,35, що вказує на те, що загальний прибуток від виграшних угод був достатнім для покриття загальних збитків від програшних угод. Перевага стратегії в основному полягає в її структурі прибутку та збитку, а не в надзвичайно високому коефіцієнті виграшу.
5.2 Показники ризику
З точки зору контролю ризиків, максимальне просідання стратегії становило -17,41%, що нижче за -27,06% стратегії «Купи та тримай». Це свідчить про те, що механізми торговельних суджень та управління ризиками в багатоагентному фреймворку забезпечили певний захисний ефект протягом цього періоду. Коефіцієнт Кальмара стратегії становив 6,492, що демонструє відносно сильну продуктивність та вказує на значно кращу ефективність доходу на одиницю просідання порівняно з простим утриманням. Річний коефіцієнт Шарпа становив 1,738, а коефіцієнт Сортіно — 2,070, що свідчить про те, що стратегія мала певні переваги в дохідності з поправкою на ризик, особливо в контролі негативної волатильності.
6. Висновок
На основі багатоагентного LLM-фреймворку для фінансової торгівлі TradingAgents у цій статті досліджено його застосування до крипторинку BTC. Шляхом модифікації оригінального робочого процесу торгівлі акціями в структуру, більш придатну для крипторинку, система впроваджує такі ролі, як технічний аналіз, аналіз новин, аналіз настроїв та макро/ончейн-аналіз. За допомогою дебатів бичачого та ведмежого дослідників, прийняття рішень трейдером та перевірки ризиків фреймворк генерує остаточні торговельні сигнали. Такий дизайн демонструє переваги багатоагентної архітектури в інтеграції багатоджерельної інформації, протилежних точок зору та контролю ризиків, а також забезпечує інтерпретовану дослідницьку структуру для застосування LLM-торговельних систем на крипторинку.
Результати бектестування показують, що TradingAgents-BTC досяг кращих показників доходу та ризику, ніж стратегія «Купи та тримай» протягом тестового періоду, що вказує на те, що багатоагентний LLM-фреймворк має певний потенціал застосування в сценаріях торгівлі BTC. Однак до цих результатів все ще слід ставитися з обережністю: період бектестування охоплював лише близько трьох місяців, що є відносно коротким проміжком, а торгівля з 1-годинною частотою може зазнавати впливу транзакційних комісій, прослизання та затримок сигналів. Майбутні дослідження мають додатково перевірити стабільність стратегії на довших часових проміжках та за різних ринкових умов, а також оцінити конкретний внесок ончейн-даних, макрозмінних та модулів управління ризиками в загальну продуктивність стратегії.
Посилання:
Gate Research — це комплексна дослідницька платформа з блокчейну та криптовалют, яка надає читачам глибокий контент, зокрема технічний аналіз, інсайти ринку, галузеві дослідження, прогнозування трендів та аналіз макроекономічної політики.
Застереження
Інвестування на ринках криптовалют пов’язане з високим ризиком. Користувачам рекомендується проводити власне дослідження та повністю розуміти природу активів і продуктів перед прийняттям будь-яких інвестиційних рішень. Gate не несе відповідальності за будь-які збитки чи шкоду, що виникають внаслідок таких рішень.
