Auteur : Quantum Bit
Par accident, Charlie Munger et Warren Buffett ont été transformés, chacun rejoignant l'armée des agents d'investissement, accessibles à tous.
C'est l'un des projets les plus populaires récemment sur GitHub, AI Hedge Fund.
12 grands investisseurs mondiaux sont en ligne en permanence pour vous aider à analyser les actions et affiner votre stratégie de trading ; 6 analystes synthétisent les avis et prennent la décision finale pour passer la commande.
L'armée d'agents créée par l'investisseur légendaire « Lianhua » peut non seulement analyser en temps réel, mais intègre également un module de backtesting.
Vous pouvez d'abord utiliser les données historiques pour tester la stratégie avant de décider d'investir de l'argent réel.
Très complet.
Sur le plan du déploiement, les exigences pour le projet sont également faibles : il est compatible avec 13 grands modèles, notamment OpenAI, Anthropic, Groq et DeepSeek, et fonctionne parfaitement en local.
Actuellement, ce projet développé par le développeur indépendant Virat Singh a rapidement atteint le classement GitHub Trending après son ouverture source, récoltant 51,7k étoiles et 9k+ forks.
Certains internautes, après avoir lu, ont tiré une conclusion directe : on ne sait pas si on peut gagner de l’argent, mais on a au moins appris quelques choses sur les frameworks Agent.
Est-ce que vous gagnez de l'argent ? Peut-être que vous perdrez moins.
Faites revenir le légendaire investisseur
Pour être honnête, la plupart des petits investisseurs n'ont pas une taille suffisante pour attirer l'attention des investisseurs institutionnels, et les modèles de trading quantitatif dépendent fortement des données et de la puissance de calcul, ce qui les rend difficiles à maîtriser pour les particuliers.
L'idée centrale du fonds spéculatif basé sur l'IA consiste à coder la philosophie d'investissement sous forme d'agent, offrant aux petits investisseurs un « modèle d'expert ».
Chaque agent expert en investissement intègre la logique d' sélection d'actions et les préférences de risque caractéristiques de la personne concernée ; face à un même titre, chacun émet un jugement indépendant, puis l'agent gestionnaire de portefeuille synthétise les avis pour émettre un signal d'achat, de vente ou de maintien.
Le système comprend actuellement 18 agents dédiés, répartis en deux grandes catégories :
Tout d'abord, la légendaire équipe d'investisseurs Agent :
Warren Buffett — le prophète d'Omaha, à la recherche d'entreprises de qualité aux prix raisonnables avec un large avantage concurrentiel.
Charlie Munger — le partenaire d'or de Buffett, n'achète que des entreprises exceptionnelles à un prix raisonnable, en accordant une grande importance à la qualité de la direction et à la prévisibilité.
Ben Graham — le pionnier de l'investissement en valeur, qui respecte strictement la marge de sécurité et se concentre sur les perles cachées sous-évaluées.
Bill Ackman — investisseur activiste, osant placer de lourdes mises en avant et pousser à la transformation des entreprises.
Cathie Wood — la reine de l'investissement en croissance, convaincue de l'innovation disruptive et de la transformation technologique.
Michael Burry — modèle de « The Big Short », chasseur de pensée contraire, spécialisé dans la recherche approfondie de valeur.
Peter Lynch — un maître de l'investissement ordinaire, qui découvre des actions à dix fois dans sa vie quotidienne.
Phil Fisher — expert in growth stocks, known for his deep-dive "scuttlebutt" research method.
Stanley Druckenmiller — légende de la macroéconomie, spécialisé dans la recherche d'opportunités d'attaque hautement asymétriques.
Mohnish Pabrai — investisseur Dhandho, mise à faible risque pour des cotes élevées.
Nassim Taleb — auteur de « The Black Swan », axé sur les risques de queue et la résilience antifragile.
Aswath Damodaran —— expert en évaluation, qui valorise tous les actifs à l'aide de modèles financiers rigoureux.
Ensuite, l'équipe d'agents d'analyse professionnelle :
Agent d'évaluation : calcule la valeur intrinsèque et génère des signaux de transaction évalués
Agent Fondamentaux : Interpréter les données financières et générer des signaux fondamentaux
Agent Technique : Analyse les indicateurs techniques, capte les tendances et le momentum
Agent de sentiment : suit le sentiment du marché et quantifie la lutte entre les positions longues et courtes
Gestionnaire de risque : calculer l'exposition au risque, fixer les limites de position.
Portfolio Manager : regroupe tous les signaux et prend la décision finale d'achat ou de vente.
Douze experts ont des opinions divergentes, six analystes apportent une supervision calme. Une équipe de rêve de Wall Street vient tout juste de se former.
Architecture technique
Sur le plan de l'architecture technique, le fonds spéculatif AI utilise une conception en trois couches avec séparation entre le frontend et le backend.
Développé avec React 18 + TypeScript, le frontend intègre en son cœur l'éditeur de flux visuel React Flow.
Les utilisateurs peuvent assembler différents nœuds Agent comme des blocs de construction pour créer un graphe de stratégie d'investissement, concevant ainsi de manière intuitive leur propre comité d'investissement.
Le backend est piloté par Python + FastAPI, avec des flux de travail multi-agents orchestrés par LangGraph.
Tous les agents partagent le même dictionnaire de données AgentState ; les informations circulent et sont transmises entre les nœuds, garantissant ainsi la cohérence de l'état et permettant aux résultats d'analyse de chaque agent d'être référés dynamiquement par les nœuds en aval.
La couche de données se connecte à plusieurs API externes, permettant l'intégration unifiée de données en temps réel telles que les cours, les états financiers et le sentiment du marché, ainsi que l'accès à des sources de données financières professionnelles via "FINANCIAL_DATASETS_API_KEY".
Le système complet prend en charge 13 fournisseurs principaux de LLM et permet également d'intégrer des modèles locaux via l'argument —ollama, permettant d'exécuter le processus d'inférence complet sans connexion Internet.
Le module de backtesting mentionné précédemment peut être lancé avec une seule commande : poetry run python src/backtester.py —ticker AAPL,MSFT,NVDA
Le système appelle automatiquement chaque agent pour analyser jour après jour les actions sur la période historique, puis génère la courbe de rendement historique de la stratégie et ses indicateurs de performance clés.
Comment déployer
En termes de déploiement, AI Hedge Fund propose deux méthodes : ligne de commande et application web.
Commençons par la méthode de ligne de commande :
Étape 1 : Cloner le dépôt : git clone https://github.com/virattt/ai-hedge-fund.git cd ai-hedge-fund
Deuxième étape, installez les dépendances (avec Poetry) : curl -sSL https://install.python-poetry.org | python3 - poetry install
Étape 3 : Configurer la clé API :
Copiez .env.example en .env, puis entrez au moins une clé pour un service LLM, par exemple : OPENAI_API_KEY=your_key_here FINANCIAL_DATASETS_API_KEY=your_key_here
Étape 4 : Lancer l'analyse : poetry run python src/main.py --ticker AAPL,MSFT,NVDA
Pour utiliser un modèle local, ajoutez simplement l'option —ollama.
Après démarrage, son exemple est le suivant.
Pour les utilisateurs moins familiers avec la ligne de commande, l'application Web propose une interface visuelle.
Tout d'abord, lancez le service backend : cd app/backend poetry run uvicorn main:app —reload
Ensuite, lancez l'interface frontend (dans un autre terminal) : cd app/frontend && pnpm install && pnpm dev
Enfin, rendez-vous sur http://localhost:3000 pour accéder à l’éditeur visuel de flux d’agents et construire votre propre comité d’investissement IA en faisant glisser et déposant les éléments.
Une chose de plus
Il faut être honnête, il y a réellement beaucoup d'agents d'investissement de ce type de « maîtres de raffinage » récemment.
Par exemple, « Shrimp » de Li Dan a publié sa stratégie d’investissement « Buffett-Hulan », intégrant les stratégies d’investissement de 段永平, Buffett, Munger et Hulan.
Des projets open source comme AI Hedge Fund, qui intègrent diverses méthodologies d'investissement, deviennent de plus en plus nombreux, et l'agentisation des grands investisseurs devient une petite tendance.
Cependant, il est important de noter que la plupart des cadres n'ont pas encore de rendement sur investissement précis et n'ont pas été testés en conditions réelles ; les petits investisseurs qui souhaitent essayer doivent absolument garder à l'esprit les risques.
Les commentaires des internautes sont également très sincères.
Quelqu’un a directement réagi : Mme Wood —
Beaucoup de gens veulent être Simmons, avec un revenu stable.
Quelqu’un a aussi posé une question fondamentale :
Si les opinions des maîtres sont en conflit, à qui devons-nous écouter ?
Mais au fond, ce que l'agent peut reproduire, c'est la philosophie d'investissement, pas les résultats d'investissement.
12 maîtres assis à la même table ne pouvaient pas avoir d'accord —
Mais peut-être est-ce précisément ce qui en fait sa plus grande valeur : vous n'entendez pas une voix, mais un débat.
