Come far litigare sette reti neurali sulle quotazioni: recensione di TradingAgents-astock
Immagina di aver radunato sette esperti in una stanza: uno osserva i grafici, un altro legge le notizie, un terzo scava nei report aziendali e il quarto è uno specialista di politiche governative. Litigano fino a restare rauci, soppesano i rischi e alla fine ti consegnano un piano d'azione già pronto. È più o meno così che funziona TradingAgents-astock — una fork del noto framework TradingAgents, riaddestrata per le specificità del mercato azionario cinese.
Perché una Fork per la Cina
Il progetto originale di TradingAgents ha fatto scalpore nei circoli finanziari (65.000 stelle su GitHub parlano da sole). Ma aveva un problema: era "tarato" per le realtà americane. Preleva dati da Yahoo Finance, si concentra sull'indice S&P 500 e non capisce assolutamente perché un'azione possa bloccarsi a causa dei limiti di variazione dei prezzi.
L'autore di TradingAgents-astock ha deciso che tradurre semplicemente l'interfaccia non fosse sufficiente. Il mercato cinese (A-share) opera secondo regole proprie: sessioni di trading diverse, una regola T+1 in vigore (comprato oggi — vendi solo domani), e soprattutto, la politica governativa e le azioni dei grandi player — i cosiddetti "maestri del denaro" — giocano un ruolo enorme.
Sette Analisti in una Scatola
In questo progetto, l'architettura è costruita su LangGraph. Invece di un singolo agente che cerca di afferrare l'inafferrabile, ci sono sette ruoli specializzati al lavoro.
Quattro di loro sono stati ereditati dall'originale ma adattati:
- Market Analyst osserva le K-line e gli indicatori tecnici.
- Sentiment Analyst monitora i social network.
- News Analyst traccia le intestazioni dei media.
- Fundamental Analyst studia i bilanci e i flussi di cassa.
Ma la parte più interessante sono i tre nuovi personaggi creati specificamente per le "specificità cinesi":
- Policy Analyst. In Cina, una sola parola da un regolatore può far crollare un intero settore o mandarlo alle stelle. Questo agente cerca segnali nelle direttive governative.
- "Hot Money" Tracker. Monitora le azioni dei grandi fondi privati e degli speculatori (i cosiddetti "Youzi"), che spesso impostano trend a breve termine.
- Share Unlock Monitoring. Quando terminano i periodi di lock-up degli azionisti principali, il mercato di solito si prepara a turbolenze. Questo agente traccia queste date.
Come Vengono Prese le Decisioni
Il processo assomiglia al lavoro di una vera banca d'investimento. Prima, tutti e sette gli analisti scrivono i loro report. Poi questi dati passano a due ricercatori — "Bull" e "Bear." Iniziano a dibattere, cercando di dimostrare l'uno all'altro se l'asset salirà o scenderà.
Dopo il dibattito, entra in gioco un risk manager. Fanno passare la strategia attraverso tre filtri: aggressivo, conservativo e neutrale. E solo alla fine l'agente finale (Portfolio Manager) emette il verdetto: compra, mantieni o vendi, e quale dimensione della posizione allocare.
Interessante notare che l'autore ha separato i modelli per complessità. Per compiti semplici (analisti, dibattiti), vengono usate LLM "veloci", mentre modelli "profondi" come MiniMax-M2.7 o Claude gestiscono la sintesi finale e il processo decisionale.
Stack Tecnico e Dati
Il punto dolente principale di qualsiasi progetto fintech è dove procurarsi i dati. Di solito, sono o costosi o richiedono una marea di chiavi API. Qui, l'autore ha implementato connessioni dirette a fonti aperte come East Money, Sina Finance e Baidu. Ed è stato fatto intelligentemente: c'è un meccanismo di ritardo e rate-limit integrato così che i server cinesi non ti bannino dopo la prima esecuzione.
Il progetto non richiede Docker per funzionare, sebbene sia fornito come opzione. Solo Python 3.10 normale e pip install.
Avrai bisogno di chiavi API di reti neurali per lavorare. Il progetto supporta quasi tutto: da DeepSeek e Qwen a OpenAI e Anthropic. Se sei in Russia e usi un proxy per accedere alle API straniere, puoi configurare backend_url nel config.
Interfaccia Web e Report
Per chi non vuole armeggiare con la console, c'è una bella UI su Streamlit. Inserisci un codice azionario (per esempio, 688017), selezioni una data e il sistema inizia a "pensare".
L'intero processo è trasparente: puoi espandere ciascuno dei report dei sette analisti e leggere perché considerano una particolare azione promettente. Il report finale può essere esportato in Markdown o PDF — comodo se tieni un diario degli investimenti.
Vale la Pena Provarlo
Se ti interessa il trading algoritmico o sei semplicemente curioso di applicare le LLM nella finanza, il progetto merita sicuramente di essere clonato ed esplorato. Anche se non fai trading sul mercato cinese, l'architettura multi-agente con dibattito è implementata in modo molto chiaro qui.
Tuttavia, non dimenticare il disclaimer: questo è uno strumento di ricerca. L'AI può commettere errori, avere allucinazioni o misinterpretare il sarcasmo sui social media. Usarlo come unico consulente per soldi veri è un'impresa rischiosa. Ma come assistente che raccoglie in 5 minuti informazioni che richiederebbero a una persona mezza giornata per compilare, TradingAgents-astock funziona benissimo.
Il progetto è attivamente aggiornato, l'autore corregge prontamente i bug di codifica dei font nei PDF e aggiunge supporto per nuovi modelli. Se ti mancava un esempio di come LangGraph possa risolvere compiti analitici complessi nel mondo reale — eccolo qui.
Progetti correlati