複数の AI エージェントがチームとして株式を分析し、売買シグナル（買い／売り／ホールド等）を生成する教育目的のプロトタイプ。LangGraph でエージェントを並列実行するワークフローが中核にある。
| レイヤー | 内容 |
|---|---|
| 投資家エージェント（13種） | バフェット、マイケル・バーリ、キャシー・ウッドなど著名投資家の哲学を模倣し、それぞれ独自の観点で銘柄を評価 |
| 分析エージェント（6種） | テクニカル分析、ファンダメンタル分析、成長性分析、センチメント分析、バリュエーション分析など専門領域ごとに担当 |
| 管理エージェント（2種） | リスクマネージャーがポジション上限を算出し、ポートフォリオマネージャーが最終的な売買判断を下す |
LLM は OpenAI / Anthropic / DeepSeek / Gemini / Groq / Ollama（ローカル）など 13以上のプロバイダに対応し、切り替え自由。
| 比較軸 | 従来の手段 | AI Hedge Fund |
|---|---|---|
| 自動分析 | QuantConnect・Zipline 等のアルゴトレードは数値ルールベース。定性情報の取り込みが難しい | LLM がニュース感情・インサイダー取引・企業の競争優位性など定性情報も自然言語で推論 |
| 多角的視点 | 個人が複数の投資哲学を同時に適用するのは困難 | バフェット流の堅実分析とキャシー・ウッド流の破壊的イノベーション評価を一度に並列実行し、意見を集約 |
| 学習教材 | マルチエージェント AI の実装例は抽象的なものが多い | 金融ドメインという具体的な題材で LangGraph の並列ワークフロー・状態管理・ツール呼び出しを一通り学べる |
| 拡張性 | 商用ツールはカスタマイズ困難 | エージェントの追加はテンプレートに沿うだけ。LLM プロバイダもenv 変数の差し替えで即変更可能 |
⚠️ 実際の投資には使えないことが明記されている。あくまで AI マルチエージェントの設計パターンを学ぶための教材。
1. 環境準備
├─ リポジトリを clone
├─ cp .env.example .env → API キーを記入
│ ・FINANCIAL_DATASETS_API_KEY（金融データ取得用／必須）
│ ・LLM の API キー（OpenAI, Anthropic 等いずれか1つ以上）
└─ poetry install
2. 分析を実行（CLI）
poetry run python src/main.py \
--ticker AAPL,MSFT,NVDA \
--start-date 2024-01-01 --end-date 2024-03-01
※ --ollama フラグでローカル LLM も利用可
3. バックテスト
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA
→ Sharpe比・最大ドローダウン等の成績指標と SPY との比較が出力
4. Web UI（オプション）
./run.sh → FastAPI (8000) + React/Vite (5173) が起動
→ ブラウザ上でポートフォリオ可視化・バックテスト結果の閲覧が可能
処理の内部フロー:
データ取得（価格・財務指標・インサイダー取引・ニュース）
↓
選択したアナリストエージェントが全銘柄を【並列】分析
↓
リスクマネージャーがボラティリティ・相関を考慮しポジション上限を設定
↓
ポートフォリオマネージャーが全シグナルを統合し最終売買判断を出力