TradingAgents: 헤지펀드의 사고 체계를 따라해보자

제가 예상하는 미래는 아마 95% 이상의 매매가 사람의 클릭 없이 컴퓨터로 이뤄질듯 합니다. 그렇다면 우리 휴먼 입장에서는 이러한 알고리즘들이 어떻게 트리거되는지, 어떠한 외부환경에 어떻게 반응하는지를 연구하고 그에 맞춰서 대응해야 할 것 같아요.

GLM으로 써서 그런 것인지 아니면 커뮤니티 디폴트가 레딧같은 곳이라 그런지 모르겠지만 한국주식은 어렵겠네요 ㅠㅠ

맞아요 한국 주식에 대한 정보는 X나 레딧, EODHD api에서 찾기 힘들죠. TradingAgents가 과연 네이버 종토방을 찾을 수 있을지 의문이에요.

한국 주식용으로 쓰려면 오픈소스니까 좀 만져서 써야겠습니다. 보고서 펠로우 게시판에 공유해드릴께요!

긴 쓰레기가 나오다니 또르르

역시 가비지인 가비지 아웃인가봐요

토론 과정이 다른 모델에서 못보던 것이라 저도 신기했어요. 재밌게 읽어주셔서 감사합니다

저도 처음에 클로드 프로로 openclaw 돌린다고 미리 준비하는 부분에 상당히 공을 들였던 기억이 나네요!

실체감 예시로, 예전에는 "아니.. 여기서 사용량 끝난다고?" 했던 부분이 지금은 "와 아직 많이 남았네" 할 정도로 체감되긴 합니다. 참고로 밸리 스페이스에 올리는 경제학 통계들이랑 모델링들은 위 제약조건 (제일 싼 클로드) 으로 돌리는 중입니다.. 아마 Dirtycat 선생님께 맞는 방법 찾으시면 효율/최적하시는 재미가.. 있으실 겁니다..

아, 쓰다보니 또 생각난 부분은, 아직까지 LLM으로 처리하기 힘든 부분이 상당히 많이 남아있는 것 같긴 합니다. 제 개인적인 의견입니다만, 트레이딩 엣지보다는 롱텀 엣지가 훨씬 더 빛을 발하는 곳이 많아서, 위 헤지펀드 에이전트들의 Role 부분도 하나 하나 독립적으로 보고 그 사이를 이어주는 Context는 LLM이 아예 무슨 말인지 이해를 못하는 부분들이 많았었습니다. Context Engineering을 한다고는 하는데, 저는 이 부분은 개인 역량에 달려있는 것 같다는 생각이 강화되고 있습니다. 아마 AI가 추월하기 힘든 부분일 것이라고 봅니다 ㅎㅎ

Fine님이 알려주신 인풋 데이터 클리닝 및 최적화를 하고 모델을 돌리면 토큰도 절약되고 결과도 신뢰성도 함께 올라가겠네요. 저도 좀 더 고민을 해봐야겠어요.

에이전트 사이를 이어주는 컨텍스트는 위 논문에서 리포트 형식과 자연어 처리를 섞어서 극복했다고 하는데, 그래도 놓치는 부분이 생길 수 있을것 같아요. 역시 개인 역량에 따라 어떻게 지시를 내리고 방향을 수정해주는지가 중요하겠군요. 아이러니하게도 AI시대에 가장 중요한게 사람의 사고 깊이와 그것을 AI에게 효과적으로 전달하고 결과를 독립적으로 판단하는 부분이라고 생각합니다.

Fine님과 몽사님 두분의 대화가 많은 도움이 되었습니다 감사합니다!

uyru님도 직접 한번 돌려보세요 생각보다 쉬워요! 글을 읽는것과 직접 해보는건 생각보다 차이점이 크답니다