TradingAgents: ein simulierter Investment-Desk aus Sprachmodell-Agenten

Alles Wissenswerte über TauricResearch/TradingAgents: ein Rahmenwerk für Finanzforschung, das Analyse, Debatte und Entscheidung auf Agenten verteilt, die auf Sprachmodellen basieren.

---

Was TradingAgents ist

TradingAgents ist ein Multiagenten-Rahmenwerk für den Finanzhandel, das versucht, die Arbeitsteilung einer Investmentfirma nachzubilden. Sein technisches Paper und sein README beschreiben fundamentale, stimmungsbezogene, nachrichten- und technisch orientierte Analysten, bullische und bärische Researcher, einen Trader-Agenten, ein Risikoteam und einen Portfoliomanager, der den finalen Vorschlag annimmt oder ablehnt.

Das Repository stellt sich ausdrücklich als Forschungswerkzeug dar, nicht als Finanz-, Anlage- oder Handelsberatung. Die genehmigte Entscheidung wird an eine simulierte Börse gesendet; der dokumentierte Ablauf rechtfertigt es daher nicht, seine Ausgaben als umsetzbare Empfehlungen oder als Strategie mit garantierter Rendite zu interpretieren.

Der Ursprung: von einem Paper aus dem Jahr 2024 zu Open Source

Das arXiv-Paper 2412.20138 wurde am 28. Dezember 2024 veröffentlicht und schreibt sich Yijia Xiao, Edward Sun, Di Luo und Wei Wang zu. Es argumentiert, dass Finanzsysteme mit Sprachmodellen bislang entweder einen einzelnen Agenten oder mehrere unabhängig Daten sammelnde Agenten genutzt hätten, und schlägt stattdessen eine kollaborative Dynamik vor, die einer Handelsfirma ähnelt.

Die Organisation Tauric Research erstellte das Repository am 28. Dezember 2024. Im README heißt es, dass man sich angesichts der Anfragen und der Begeisterung, die die Arbeit erhielt, entschied, das Rahmenwerk vollständig zu öffnen. Die API weist Yijia-Xiao anhand der Code-Beiträge als Hauptautor aus, doch die abgerufenen Quellen liefern keine öffentliche Biografie, die es erlauben würde, ihm allein die geistige Urheberschaft zuzuschreiben; der Ursprung sollte als Arbeit der vier genannten Autoren und von Tauric Research verstanden werden.

Philosophie und Prinzipien

Die Kernidee ist nicht, dass ein einzelnes Modell ein Signal erzeugt, sondern dass widersprüchliche Perspektiven getrennt gehalten werden:

• Das Analyseteam kombiniert fundamentale Daten, technische Indikatoren wie MACD und RSI, Nachrichten, makroökonomische Signale und Gespräche von StockTwits und Reddit.
• Die bullischen und bärischen Researcher debattieren die Argumente, um Chance und Risiko vor dem Handel gegeneinander abzuwägen.
• Risiko- und Portfoliomanagement sind die letzten Kontrollinstanzen: Sie bewerten Volatilität, Liquidität und Exposition, und der Manager kann die Transaktion ablehnen.
• Das Paper behauptet Verbesserungen gegenüber Referenzmodellen bei kumulierter Rendite, Sharpe-Ratio und maximalem Drawdown; das ist eine Aussage der Autoren, keine in dieser Recherche abgerufene unabhängige Validierung.

Die Dokumentation betont zudem eine wichtige methodische Einschränkung: Die Ausführungen sind aufgrund des Modell-Samplings und sich ändernder Live-Daten nicht deterministisch. Ein festes Datum und eine niedrigere Temperatur können die Streuung verringern, garantieren aber weder identische Ergebnisse noch reproduzieren sie zwangsläufig veröffentlichte Resultate.

Wie es funktioniert

Das Rahmenwerk ist mit LangGraph implementiert. Nutzende können die Oberfläche mit tradingagents oder python -m cli.main starten und dabei Symbol, Analysedatum, Modellanbieter und Recherchetiefe wählen. Die Python-Bibliothek stellt TradingAgentsGraph() und dessen Methode propagate("NVDA", "2026-01-15") bereit, die eine Entscheidung zurückgibt.

Der dokumentierte Ablauf ist:

1. Die vier spezialisierten Analysten erstellen ihre Berichte.
2. Die bullischen und bärischen Researcher unterziehen diese Signale einer strukturierten Debatte.
3. Der Trader-Agent fasst die Berichte zusammen; das Risikoteam prüft Volatilität, Liquidität und weitere Faktoren.
4. Der Portfoliomanager genehmigt oder lehnt den Vorschlag ab; nur ein genehmigter Vorschlag erreicht den Börsensimulator.

Es unterstützt OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Azure OpenAI, AWS Bedrock und Ollama. Es kann außerdem einen OpenAI-kompatiblen Server ansprechen, etwa vLLM, LM Studio oder llama.cpp. Das README listet von Yahoo Finance abgedeckte Märkte auf, darunter Symbole aus den USA, Hongkong, Tokio, London, Indien, Kanada, Australien, chinesische A-Aktien und Kryptowährungen.

Für Kontinuität speichert es Entscheidungen unter ~/.tradingagents/memory/trading_memory.md; bei einem späteren Durchlauf für dasselbe Symbol fließen die realisierte Performance und eine Reflexion in die Nachricht des Portfoliomanagers ein. Mit tradingagents analyze --checkpoint persistiert LangGraph den Zustand pro Knoten und erlaubt es, einen unterbrochenen Durchlauf fortzusetzen; --clear-checkpoints setzt die SQLite-Datenbanken pro Symbol zurück.

Version v0.3.1, veröffentlicht am 5. Juli 2026, ergänzte unter anderem eine Filterung gegen unzulässigen Datenvorgriff bei Alpha Vantage, sichere Wiederherstellung nach Graphenfehlern, Stimmungsquellen für Kryptowährungen, konfigurierbare Wiederholungsversuche und Bedrock-Authentifizierung per API-Schlüssel.

Offizieller und halboffizieller Status

Es wurde kein Beleg dafür gefunden, dass TradingAgents in einen offiziellen Marktplatz eines Modellanbieters aufgenommen wurde, noch für eine formelle Unterstützung durch OpenAI, Anthropic, Google, LangChain/LangGraph oder Yahoo Finance. Das README verlinkt Discord, X und die GitHub-Community von Tauric Research und erklärt Kompatibilität mit Anbietern; diese technische Kompatibilität entspricht keiner Billigung durch diese Anbieter.

Sein klarster halboffizieller Status ist akademisch: Der Code ist direkt mit dem arXiv-Paper seiner Autoren verknüpft. Seine 95.453 Sterne und 18.456 Forks zeigen Adoption auf GitHub, stellen aber keine formelle Auszeichnung als Standard dar.

Das Ökosystem

Repositories von Tauric Research

Die GitHub-API der Organisation lieferte bei dieser Messung drei öffentliche Repositories:

• TauricResearch/Trading-R1 — 465 Sterne; das README von TradingAgents verlinkt dessen technischen Bericht vom Januar 2026 und kündigt ein künftiges Terminal an.
• TauricResearch/TradingAgents — das Hauptprojekt, 95.453 Sterne.
• TauricResearch/.github — 11 Sterne; ein Repository für Community-Konfiguration ohne öffentliche Beschreibung in der abgefragten API.

Forks, Ports und Community-Erweiterungen

Die Repository-Suche und die Liste der meistbesternten Forks zeigen eine Community, die besonders in chinesischen Märkten und bei alternativen Oberflächen aktiv ist. Es handelt sich um unabhängige Projekte; es wurde kein Beleg dafür gefunden, dass Tauric Research sie pflegt oder zertifiziert.

• hsliuping/TradingAgents-CN — eine chinesische Übersetzung und Erweiterung, 30.864 Sterne.
• simonlin1212/TradingAgents-astock — eine Anpassung für chinesische A-Aktien mit sieben Analysten und Debatte; 2.724 Sterne.
• KylinMountain/TradingAgents-AShare — eine A-Aktien-Anpassung mit 15 Agenten, Visualisierung und Docker-Deployment; 744 Sterne.
• guangxiangdebizi/TradingAgents-MCPmode — eine Variante, die eine Model-Context-Protocol-Integration angibt; 332 Sterne.
• oficcejo/tradingagents — eine sekundäre chinesische Entwicklung mit Batch-Analyse; 127 Sterne.
• Tomortec/CryptoTradingAgents — ein Multiagenten-Rahmenwerk für Kryptowährungen; 272 Sterne.
• 0x0funky/TradingAgents-crypto — ein auf Kryptowährungen fokussierter Fork, 127 Sterne.
• TheLocalLab/TradingAgents-GUI — ein Fork mit lokaler grafischer Oberfläche für Aktienanalyse, 20 Sterne.
• Yung-Chih-Lo/TradingAgents_traditional-chinese — ein Fork, der Antworten in traditionellem Chinesisch angibt, 6 Sterne.
• lucemia/trading-agents-plugin — eine auf Hacker News erwähnte Claude-Code-Erweiterung; sie bietet die Analyse als Befehl an und gibt an, durch Nutzung eines bestehenden Claude-Abonnements eine zusätzliche API-Rechnung zu vermeiden. Sie hatte 13 Sterne in der abgefragten GitHub-Suche.

Die Zahlen in diesem Abschnitt stammen aus der GitHub-Such-API und der Forks-API: Sie zeigen Sichtbarkeit, nicht Qualität, Sicherheit, aktuelle Kompatibilität oder finanzielle Performance.

Zahlen zum Repository

Messung: 3. August 2026, GitHub-API und -Seite.

Metrik	Wert
Sterne	95.453
Forks	18.456
Abonnenten	692
Commits	257
Von der API angegebene offene Issues	327
Hauptsprache	Python
Lizenz	Apache-2.0
Erstellung	28. Dezember 2024
Letzte Metadaten-Aktualisierung	3. August 2026
Letzte Veröffentlichung	v0.3.1, 5. Juli 2026

Die von der API zurückgegebenen Hauptbeitragenden waren Yijia-Xiao (201 Beiträge), EdwardoSunny (13), CadeYu (12) und luohy15 (10). Die Repository-Seite zeigte 257 Commits. GitHub dupliziert die Sternezahl im allgemeinen Feld watchers_count; deshalb wird hier subscribers_count als tatsächliche Abonnentenzahl angegeben. Zudem kann open_issues_count offene Pull Requests einschließen, weshalb 327 nicht zwangsläufig nur Issues entspricht.

Wie man beiträgt

Das README lädt zu Beiträgen in Form von Fehlerkorrekturen, Dokumentation und Funktionsideen ein und verweist auf das Änderungsprotokoll, um frühere Beiträge zu würdigen. Im abgerufenen Text ist weder ein verpflichtlicher Branch noch eine Pull-Request-Vorlage oder eine konkrete Testsuite dokumentiert, die Beitragende ausführen müssten. Die Repository-Struktur umfasst zwar tests/ und einen im .github/workflows-Verzeichnis sichtbaren Continuous-Integration-Ablauf, doch die konsultierten Quellen erlauben es nicht, daraus ein detaillierteres Beitragsverfahren abzuleiten.

Wie die Community reagierte

Die auf Hacker News auffindbare Resonanz ist gering und erlaubt keinen Rückschluss auf einen Konsens:

• Die Einreichung 44249279, veröffentlicht von _vaporwave_ am 11. Juni 2025, verlinkte das arXiv-Paper. Beim Abruf über Algolia hatte sie 2 Punkte und 0 Kommentare. Sie belegt Entdeckung, keine Bewertung durch die Community.
• Die Einreichung 45189763 von mustaphah am 9. September 2025 verlinkte das Repository und erreichte 2 Punkte und 0 Kommentare. Auch sie liefert keine überprüfbare externe Meinung.
• Die Einreichung 47954608 von rmason am 29. April 2026 verlinkte das Repository und verzeichnete 1 Punkt und 0 Kommentare.
• In 47987347 stellte lucemia51 eine Claude-Code-Erweiterung vor und bezeichnete TradingAgents als gutes Multiagenten-Analyse-Rahmenwerk, bemängelte jedoch die Kosten, die das Erfordern von Modell-API-Schlüsseln verursacht. Seine Alternative erzeugt sieben Subagenten über den Befehl /trading-analysis NVDA und gibt an, ein bestehendes Claude-Abonnement zu nutzen. Der Thread hatte 1 Punkt und 1 Kommentar; die einzige Antwort, von vegaxarchitect, empfahl, einen anderen Dienst auszuprobieren, und bewertete TradingAgents nicht. Es handelt sich um Lob und Kritik, die dem Autor einer Erweiterung zuzuschreiben sind, nicht um eine unabhängige Rezension.

Der projekteigene Hinweis auf Variabilität und das Fehlen von Finanzberatung stammt vom Projekt selbst und wird hier nicht als Kritik der Community dargestellt.

TradingAgents im Vergleich zu anderen Ansätzen

Ansatz	Überprüfbare Übereinstimmung	Überprüfbarer Unterschied
EthanXiang777/circuit-framework	Wird auf GitHub als Multiagenten-Handelsforschungssystem mit Sprachmodellen beschrieben.	Die abgerufene Beschreibung erlaubt keinen Vergleich seiner internen Architektur mit der von TradingAgents.
EthanAlgoX/LLM-TradeBot	Wird als Multiagenten-Handelssystem mit Sprachmodellen präsentiert, das Strategien optimiert und sich an Marktbedingungen anpasst.	Die abgerufene Quelle belegt nicht, dass es die Bullen/Bären-Debatte oder den Portfolio-Genehmigungsablauf von TradingAgents besitzt.
Tomortec/CryptoTradingAgents	Es ist ein Multiagenten-Rahmenwerk mit Sprachmodellen für den Finanzhandel.	Seine Beschreibung spezialisiert es auf Kryptowährungen; TradingAgents dokumentiert internationale Aktien und von Yahoo Finance abgedeckte Kryptowährungen.
huygiatrng/AlpacaTradingAgent	Seine Beschreibung gibt ein auf TradingAgents basierendes Multiagenten-Finanzrahmenwerk an.	Es fügt Ausführung über Alpaca hinzu, während das README von TradingAgents das Senden des genehmigten Vorschlags an eine simulierte Börse beschreibt.

Anwendungsfälle und wem dieses Repository helfen kann

• Forschende, die die Koordination zwischen Sprachmodell-Agenten im Finanzbereich untersuchen, können einen Ablauf mit expliziten Rollen, Bullen/Bären-Debatte, Risikokontrolle und zugehörigem technischem Paper prüfen, ohne ihn mit einer Anlageempfehlung zu verwechseln.
• Teams, die Prototypen zur Analyse internationaler Symbole oder Kryptowährungen bauen, können die CLI nutzen, um Symbol, Datum, Anbieter und Tiefe festzulegen, oder TradingAgentsGraph() in Python integrieren; das README dokumentiert Symbole aus mehreren von Yahoo Finance abgedeckten Börsen.
• Wer Anbieter oder lokale Modelle vergleicht, kann zwischen kommerziellen Anbietern, Ollama oder einem OpenAI-kompatiblen Server wechseln und dabei dieselbe Agentenstruktur beibehalten. Streuung, Kosten und Qualität müssen selbst gemessen werden, da das Projekt angibt, dass Modellantworten und Live-Daten nicht deterministisch sind.
• Personen, die lange oder unterbrechbare Analysen durchführen, können Checkpoints aktivieren und ein Entscheidungsprotokoll pro Symbol führen; die Funktion bietet operative Wiederherstellung und nachträgliche Reflexion, aber keinen Beleg dafür, dass das Gedächtnis die Rentabilität von sich aus verbessert.

Ressourcen

• Repository: https://github.com/TauricResearch/TradingAgents
• Dokumentation und Installation: https://github.com/TauricResearch/TradingAgents#installation-and-cli
• Technisches Paper: https://arxiv.org/abs/2412.20138
• Schwester-Repository, Trading-R1: https://github.com/TauricResearch/Trading-R1
• Discord-Community: https://discord.com/invite/hk9PGKShPK
• Gespräche: https://news.ycombinator.com/item?id=44249279, https://news.ycombinator.com/item?id=45189763, https://news.ycombinator.com/item?id=47954608, https://news.ycombinator.com/item?id=47987347

---

Hinweis: Dieser Artikel kombiniert das README und die Seite von TauricResearch/TradingAgents, dessen arXiv-Paper, die GitHub-API und Hacker-News-Threads, abgerufen am 3. August 2026. Zahlen ändern sich mit der Zeit.