📈TradingAgents: hedge fund open source
Alguem open sourced um sistema de trading completo. 4 analistas de IA escaneando financeiros, noticias, sentimento social e tecnicos. Pesquisadores Bull e Bear que literalmente debatem entre si. --- Trader que sintetiza, time de risco que pode vetar, fund manager que aprova. Bateu todas as estrategias tradicionais em retorno, Sharpe e drawdown. Hedge funds cobram 2+20 por isso. Esse e gratis.
🚨 Hedge fund managers are going to hate this. Someone just open sourced a system that does their entire job. 30.5% annualized returns. $0 in fees. It's called TradingAgents. Not one AI agent. An entire simulated trading firm. Analysts, researchers, traders, and risk managers. All AI. All arguing with each other before making a single trade. No Bloomberg Terminal. No $50K data feeds. No MBA required. Here's what's inside this thing: → 4 AI analysts scanning financials, news, social sentiment, and technicals → A Bull and Bear researcher that literally debate each other → A trader that synthesizes every argument into a final call → A risk management team that can veto any trade → A fund manager that approves or rejects execution Here's the wildest part: It beat every traditional trading strategy they benchmarked. Cumulative returns. Sharpe ratio. Max drawdown. All of them. Hedge funds charge 2% management + 20% performance fees for this exact workflow. This is free. 100% Open Source.
— @heynavtoor View on X
TradingAgents é um framework open source que replica o workflow completo de uma hedge fund quantitativa usando exclusivamente agentes de IA. O sistema gerou 30,5% de retorno anualizado em benchmarks históricos, eliminando a necessidade de infraestrutura proprietária que tradicionalmente custa milhares de dólares mensais em dados e licenças.
Arquitetura multi-agente
O projeto implementa uma hierarquia de decisão baseada em Large Language Models (LLMs) que simula a estrutura organizacional de uma asset manager real. Quatro analistas especializados escaneiam simultaneamente dados fundamentais, notícias de mercado, sentimento em redes sociais e indicadores técnicos. Suas saídas alimentam um mecanismo de debate interno onde agentes Bull e Bear apresentam argumentos contraditórios antes de qualquer decisão.
Um trader central sintetiza essas posições conflitantes, mas não executa imediatamente. Um agente de risk management avalia exposição e volatilidade, mantendo poder de veto absoluto. Finalmente, um fund manager aprova ou rejeita a ordem, criando um pipeline de governança algorítmica que reduz viés unilateral.
Performance e custo zero
Em backtests comparativos, a estratégia superou abordagens tradicionais em três métricas críticas: retorno acumulado, Sharpe ratio e maximum drawdown. Enquanto hedge funds institucionais cobram estruturas de taxas 2/20 (2% de administração mais 20% de performance), o TradingAgents opera sem custos de licenciamento ou dados premium.
Para desenvolvedores brasileiros, isso representa a democratização do quantitative trading. Não há dependência de Bloomberg Terminal, feeds de dados de $50 mil anuais ou credenciais de MBA para operar estratégias sofisticadas.
Implicações técnicas e riscos
O código aberto permite modificar pesos dos agentes, inserir novos fatores de risco ou adaptar para mercados locais como a B3. Contudo, o histórico de 30,5% de retorno exige cautela: resultados de backtesting não garantem performance futura, e sistemas multi-agente podem sofrer de overfitting em dados históricos.
O repositório já disponibiliza templates para integração com APIs de corretoras e frameworks de backtesting como Backtrader ou Zipline. Para builders, o valor está na arquitetura modular: é possível isolar componentes específicos, como o módulo de análise de sentimento ou o sistema de veto de risco, para uso em projetos próprios de automação financeira.