Was ist TradingAgents?
TradingAgents von Tauric Research ist ein LangGraph-Framework, das eine Handelsfirma als Team von LLM-Agenten nachbildet. Analysten für Fundamentaldaten, Stimmung, Nachrichten und Charttechnik arbeiten parallel; bullische und bärische Researcher debattieren ihre Berichte; ein Trader schlägt eine Position vor; ein Risikoteam und ein Portfoliomanager genehmigen oder verwerfen sie. Es begann als arXiv-Paper (2412.20138, Dezember 2024) und ist als Forschungswerkzeug gekennzeichnet, nicht als Finanzberatung.
Es läuft als interaktive oder skriptgesteuerte CLI und als Python-Paket (TradingAgentsGraph.propagate liefert eine Entscheidung), mit jedem Yahoo-Finance-Ticker von US-Aktien über Hongkong und A-Aktien bis zu Krypto. Neuere Releases konzentrieren sich auf Look-ahead-Bias: Fundamentaldaten aus SEC EDGAR werden so geliefert, wie sie am Laufdatum eingereicht waren, und ein Backtest-Raster bewertet vergangene Entscheidungen nach dem Alpha ab dem ersten Schlusskurs nach jeder Entscheidung.
Das Repository steht unter Apache-2.0, hat etwa 119.000 GitHub-Sterne und 22.700 Forks und ist bei v0.7.1 (27. Oktober 2026), mit etwa einem Release alle zwei Wochen seit September.
Lohnt sich TradingAgents?
TradingAgents verdankt seine Beliebtheit weniger seiner Debattenstruktur, die viele Nachahmer kopiert haben, als der unspektakulären Arbeit in neueren Releases daran, was die Agenten wissen dürfen. Ein in der Vergangenheit datierter Lauf liest SEC-Abschlüsse jetzt genau so, wie sie an jenem Tag eingereicht waren: Das Beispiel im README ist Apples Bilanzsumme von 2008, eingereicht als 39,6 Mrd. $ und 2010 auf 36,2 Mrd. $ korrigiert, sodass ein Lauf dazwischen 39,6 Mrd. $ sieht. Yahoo-Abschlüsse und Insidergeschäfte, die sich nicht nach Veröffentlichung datieren lassen, werden Läufen mit vergangenem Datum vorenthalten, statt in sie hineinzusickern.
Das zählt, weil der Backtest der einzige Weg ist festzustellen, ob das System gut entscheidet. run_backtest durchläuft ein Raster aus Tickern und Daten, steigt bei jeder Entscheidung zum ersten Schlusskurs nach ihrem Datum ein und bewertet das realisierte Alpha gegen eine regionale Benchmark, mit einem eigenen Memory-Log, damit das echte nicht verunreinigt wird. Das README sagt offen, dass die Ergebnisse keiner veröffentlichten Zahl entsprechen und zwischen Läufen schwanken werden, weil Reasoning-Modelle die Temperatur ignorieren und Nachrichtenquellen den heutigen Stand abbilden.
Die Kosten pro Entscheidung solltest du vor dem Skalieren durchrechnen. Jeder Lauf ruft bis zu vier Analysten, eine mehrrundige Debatte, einen Trader, eine Risikodebatte und einen Manager auf, verteilt auf ein schnelles und ein tiefes Modell, die bei verschiedenen Anbietern liegen können. Der Token-Verbrauch pro Lauf wird nicht veröffentlicht. Eine Anmeldung mit ChatGPT Plus oder Pro wird unterstützt und zählt gegen die Limits des Tarifs, was für Experimente passt, aber nicht für einen nächtlichen Durchlauf über 500 Ticker.
Das Framework ist Forschungsgerüst, kein Handelssystem: Es gibt eine Bewertung und eine Begründung aus und schickt genehmigte Orders nur an eine simulierte Börse. Mit etwa 100 offenen Issues und Importpfaden, die sich in v0.5.1 verschoben haben, belohnt es alle, die eine Version festhalten. Neben Vibe-Trading ist es schmaler und leichter nachzuvollziehen: ein Ticker, ein Datum, eine debattierte Antwort.
Wo es sich lohnt
Ein Doktorand in Computational Finance
LLM-Backends auf denselben Handelsentscheidungen ohne Look-ahead-Leck vergleichen
tradingagents backtest über ein festes Raster aus Tickern und Daten nacheinander mit jedem Modell ausführen; die Bewertung nutzt das Alpha ab dem ersten Schlusskurs nach jeder Entscheidung. Viele Modellaufrufe pro Zelle einplanen und unterbrochene Durchläufe mit derselben run_id fortsetzen.
Eine Privatanlegerin mit einem Dutzend US-Aktien
Vor Quartalszahlen eine strukturierte zweite Meinung zu einer Position einholen
Die CLI für den Ticker mit --portfolio auf ein JSON der aktuellen Bestände ausführen, damit Trader und Risikoteam über das tatsächliche Depot nachdenken. Die Anmeldung mit einem ChatGPT-Plus-Tarif vermeidet API-Kosten bei gelegentlichen Läufen.
Ein Engineer, der bei einem Vermögensverwalter einen internen Research-Assistenten prototypisiert
Berichte mehrerer Analysten in eine bestehende Python-Pipeline einbetten
TradingAgentsGraph.propagate und save_reports aufrufen, mit den Managern auf Claude und den Analysten auf einem günstigeren Modell über Anbieter pro Stufe. Die Ausgabe als Research-Input behandeln; das Projekt sagt, es sei keine Anlageberatung.
Bevor du dich festlegst
- Einrichtung
- Klonen, eine Umgebung mit Python 3.11+ anlegen, pip install ., einen Anbieterschlüssel setzen und dann tradingagents ausführen; Docker Compose und ein Ollama-Profil sind dabei. Ein nicht interaktiver Lauf braucht Flags wie --ticker und --date.
- Integrationen
- OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Mistral, Kimi, Groq, NVIDIA, Bedrock, Azure, Ollama und jeder OpenAI-kompatible Server; Daten von Yahoo Finance, SEC EDGAR, FRED, Alpha Vantage, StockTwits und Reddit.
- Daten und Datenschutz
- Berichte, ein Memory-Log der Entscheidungen, Cache und Checkpoints liegen unter ~/.tradingagents. Prompts und abgerufene Nachrichten gehen an den gewählten LLM-Anbieter. Die CLI sucht einmal täglich nach Updates, ohne Laufdaten zu senden; TRADINGAGENTS_NO_UPDATE_CHECK=1 schaltet das ab. Apache-2.0.
- Kosten im großen Maßstab
- Keine kostenpflichtige Edition. Die Kosten sind LLM-Tokens pro Entscheidung über Analysten, zwei Debatten und Manager, multipliziert mit Tickern und Daten in einem Backtest-Raster; Token-Zahlen pro Lauf werden nicht veröffentlicht, miss also zuerst an einem kleinen Raster.
- Grenzen
- Etwa 100 offene Issues und Pull Requests; nicht deterministische Ausgabe; Ausfälle des Yahoo-Newsfeeds haben Workarounds erzwungen; EDGAR deckt nur SEC-Meldepflichtige ab und meldet vierte Quartale als nicht verfügbar.
Was gut ist
- SEC-Fundamentaldaten zum Stichtag und Zurückhalten nicht datierbarer Daten
- Backtest-Raster, bewertet nach dem Alpha ab dem nächsten Schlusskurs
- Schnelle und tiefe Modellstufe bei getrennten Anbietern
- Mehr als ein Dutzend LLM-Anbieter, dazu lokal Ollama und vLLM
Was nicht
- Viele LLM-Aufrufe pro Entscheidung; Token-Kosten nicht veröffentlicht
- Läufe sind bewusst nicht deterministisch
- Nur simulierte Börse; keine Ausführung über Broker
- Importpfade haben sich in v0.5.1 geändert; Versionen festhalten
Am besten für
Forschende und technisch versierte Anleger, die eine gut dokumentierte Multi-Agent-Basis für Entscheidungen zu Einzelaktien und einen fairen Weg zum Backtesten wollen.
Alternativen zu TradingAgents
TradingAgents: häufige Fragen
- Lohnt sich TradingAgents?
- TradingAgents ist das Referenzdesign für Multi-Agent-Aktienanalyse, und seine jüngste Arbeit gegen Look-ahead-Bias macht es zu einem der wenigen, die du backtesten kannst, ohne dich selbst zu täuschen. Wir bewerten es mit 4.0 von 5.
- Was kostet TradingAgents?
- Kostenlos und Open Source (Apache-2.0). Du zahlst deinen LLM-Anbieter oder nutzt einen ChatGPT-Plus- oder Pro-Tarif; Daten von FRED und SEC EDGAR sind kostenlos, Alpha Vantage ist optional.
- Welche Nachteile hat TradingAgents?
- Viele LLM-Aufrufe pro Entscheidung; Token-Kosten nicht veröffentlicht; Läufe sind bewusst nicht deterministisch; Nur simulierte Börse; keine Ausführung über Broker; Importpfade haben sich in v0.5.1 geändert; Versionen festhalten.
- Für wen eignet sich TradingAgents?
- Forschende und technisch versierte Anleger, die eine gut dokumentierte Multi-Agent-Basis für Entscheidungen zu Einzelaktien und einen fairen Weg zum Backtesten wollen.
- Was kostet TradingAgents für ein Team oder im Produktivbetrieb?
- Keine kostenpflichtige Edition. Die Kosten sind LLM-Tokens pro Entscheidung über Analysten, zwei Debatten und Manager, multipliziert mit Tickern und Daten in einem Backtest-Raster; Token-Zahlen pro Lauf werden nicht veröffentlicht, miss also zuerst an einem kleinen Raster.
- Ist TradingAgents sicher für Firmendaten?
- Berichte, ein Memory-Log der Entscheidungen, Cache und Checkpoints liegen unter ~/.tradingagents. Prompts und abgerufene Nachrichten gehen an den gewählten LLM-Anbieter. Die CLI sucht einmal täglich nach Updates, ohne Laufdaten zu senden; TRADINGAGENTS_NO_UPDATE_CHECK=1 schaltet das ab. Apache-2.0.
- Was sind die besten Alternativen zu TradingAgents?
- Die nächsten Alternativen, die wir getestet haben, sind Vibe-Trading.
Antworten geprüft am 31. Okt. 2026.