Cómo hacer que siete redes neuronales discutan sobre cotizaciones: revisión de TradingAgents-astock
Imagina que has reunido a siete expertos en una misma sala: uno observa gráficos, otro lee noticias, un tercero revisa informes de empresas y el cuarto es un especialista en política gubernamental. Discuten hasta quedarse roncos, evalúan riesgos y, al final, te entregan un plan de acción listo para ejecutar. Así es aproximadamente como funciona TradingAgents-astock —una bifurcación del conocido framework TradingAgents, reentrenado para las particularidades del mercado de acciones chino.
¿Por qué una bifurcación para China?
El proyecto original de TradingAgents causó bastante impacto en los círculos financieros (65.000 estrellas en GitHub hablan por sí solas). Pero tenía un problema: estaba "ajustado" para las realidades estadounidenses. Obtiene datos de Yahoo Finance, se enfoca en el índice S&P 500 y no comprende en absoluto por qué una acción podría congelarse debido a los límites de cambio de precio.
El autor de TradingAgents-astock decidió que simplemente traducir la interfaz no era suficiente. El mercado chino (acciones A) opera bajo sus propias reglas: diferentes sesiones de negociación, una regla T+1 en vigor (comprado hoy — vende solo mañana), y lo más importante, la política gubernamental y las acciones de los grandes jugadores —los "maestros del dinero"— juegan un papel enorme.
Siete analistas en una caja
En este proyecto, la arquitectura está construida sobre LangGraph. En lugar de un solo agente intentando comprender lo incomprensible, hay siete roles especializados trabajando.
Cuatro de ellos fueron heredados del original pero adaptados:
- Analista de Mercado observa las líneas K y los indicadores técnicos.
- Analista de Sentimiento monitorea las redes sociales.
- Analista de Noticias rastrea los titulares de los medios.
- Analista Fundamental estudia los balances y el flujo de caja.
Pero la parte más interesante son los tres nuevos personajes creados específicamente para las "particularidades chinas":
- Analista de Política. En China, una palabra de un regulador puede derribar un sector entero o elevarlo a los cielos. Este agente busca señales en las directivas gubernamentales.
- Rastreador de "Dinero Caliente". Monitorea las acciones de fondos privados grandes y especuladores (los llamados "Youzi"), que frecuentemente establecen tendencias a corto plazo.
- Monitoreo de Desbloqueo de Acciones. Cuando terminan los períodos de bloqueo de los accionistas principales, el mercado generalmente se prepara para turbulencias. Este agente rastrea esas fechas.
Cómo se toman las decisiones
El proceso se parece al trabajo de un banco de inversión real. Primero, los siete analistas escriben sus informes. Luego estos datos van a dos investigadores —"Bull" y "Bear". Comienzan a debatir, intentando demostrar el uno al otro si el activo subirá o bajará.
Después del debate, se une un gestor de riesgos. Ejecutan la estrategia a través de tres filtros: agresivo, conservador y neutral. Y solo al final el agente final (Gestor de Portafolio) entrega el veredicto: comprar, mantener o vender, y qué tamaño de posición asignar.
Curiosamente, el autor separó los modelos por complejidad. Para tareas simples (analistas, debates), se usan LLMs "rápidas", mientras que modelos "profundos" como MiniMax-M2.7 o Claude manejan la síntesis final y la toma de decisiones.
Pila tecnológica y datos
El punto doloroso principal de cualquier proyecto fintech es de dónde obtener los datos. Usualmente, es caro o requiere un montón de claves API. Aquí, el autor implementó conexiones directas a fuentes abiertas como East Money, Sina Finance y Baidu. Y se hizo inteligentemente: hay un mecanismo de retardo y rate-limit incorporado para que los servidores chinos no te bloqueen después de la primera ejecución.
El proyecto no requiere Docker para ejecutarse, aunque se proporciona como opción. Solo Python 3.10 regular y pip install.
Necesitarás claves API de redes neuronales para trabajar. El proyecto soporta casi todo: desde DeepSeek y Qwen hasta OpenAI y Anthropic. Si estás en Rusia y usas un proxy para acceder a APIs extranjeras, puedes configurar backend_url en el config.
Interfaz web e informes
Para quienes no quieren complicarse con la consola, hay una bonita UI en Streamlit. Ingresas un código de acción (por ejemplo, 688017), seleccionas una fecha y el sistema comienza a "pensar".
Todo el proceso es transparente: puedes expandir cada uno de los informes de los siete analistas y leer por qué consideran que una acción en particular es prometedora. El informe final puede exportarse en Markdown o PDF —conveniente si llevas un diario de inversiones.
¿Vale la pena probar?
Si te interesa el trading algorítmico o simplemente te interesa aplicar LLMs en finanzas, el proyecto definitivamente merece ser clonado y explorado. Incluso si no operas en el mercado chino, la arquitectura de debate multiagente está implementada aquí de manera muy clara.
Sin embargo, no olvides el aviso legal: esta es una herramienta de investigación. La IA puede cometer errores, tener alucinaciones o malinterpretar el sarcasmo en redes sociales. Usarla como único asesor para dinero real es una empresa arriesgada. Pero como asistente que recopila en 5 minutos información que a una persona le tomaría medio día compilar, TradingAgents-astock funciona genial.
El proyecto se actualiza activamente, el autor corrige rápidamente errores de codificación de fuentes en PDF y añade soporte para nuevos modelos. Si te faltaba un ejemplo de cómo LangGraph puede resolver tareas analíticas complejas en el mundo real —aquí lo tienes.
Proyectos relacionados