TradingAgents einrichten: KI-Daytrading sicher simulieren
Was „KI für mich traden lassen" wirklich bedeutet
„Die KI soll für mich traden" klingt nach Gratisgeld. In der Praxis ist TradingAgents eine Multi-Agenten-Trading-Simulation: LLMs spielen Fondsmitarbeiter und liefern Research-Narrativ + Mock-Order. Sie fahren einen LangGraph-Workflow — kein Bot mit echtem Geld.
Warum Einsteiger es mögen:
- Drama: Bull- vs Bear-Forscher vs Risikobeauftragter — lesbare Logs
- Bildung: sehen, wie Profis Analyse, Risiko und Ausführung trennen
- Niedrige Einsätze: Standardpfad nutzt Marktdaten-APIs und simulierte Ausführung — Outputs als Fiktion behandeln ohne auditierten Produktions-Stack
Rote Linie: Fork mit .exe- oder .dmg-Installer von nicht-offiziellem Repo — stoppen. Nur github.com/TauricResearch/TradingAgents.
Der virtuelle Trading-Desk (vereinfacht)
Marktdaten-APIs ──► Analysten-Agenten (Fundamental, Sentiment, Technik, …)
│
▼
Bull vs Bear Debatte (N Runden)
│
▼
Trader-Agent (Investitionsplan)
│
▼
Risikoausschuss-Debatte
│
▼
Portfoliomanager ──► Simuliertes KAUF/HALTEN/VERKAUF
| Rolle | In Klartext |
|---|---|
| Analysten | Fakten und Narrative zum Ticker (z. B. AAPL) |
| Forscher | Bull vs Bear für max_debate_rounds |
| Trader | Plant aus der Debatte |
| Risikoteam | Greift Plan aggressiv / konservativ an |
| Portfoliomanager | Genehmigt oder lehnt simulierten Trade ab |
Typischer Run: ~12 LLM-Aufrufe (mehr bei höherer Debatttiefe). Wandzeit 5–25 Minuten. RAM ~2–5 GB für Python + LangGraph — GPU optional bei reinen Cloud-APIs. Vertiefung: TradingAgents Paper (arXiv).
Safe-Mode-Regeln vor dem Start
| Regel | Warum |
|---|---|
| Nur offizielles Repo | TauricResearch/TradingAgents — keine „TradingAgents_installer.exe"-Forks |
| Paper/Simulation zuerst | Keine Live-Broker-API bis Logs und Kosten verstanden |
| API-Ausgaben deckeln | Billing-Alerts — neugieriges Wochenende kann 50 $+ verbrennen |
| Ein Ticker | Start mit AAPL oder SPY |
| Disclaimers lesen | README: nur Forschung |
| Budgetposten | Typische Spanne (2026) |
|---|---|
| OpenAI/Claude API pro vollem Run | 2–15 $ |
| Alpha Vantage (Fundamentals/News) | Free Tier verfügbar |
| Zeit für Log-Lektüre | Unbezahlbar |
8-Schritte-Runbook für Einsteiger
Schritt 1 — Offizielles Monorepo klonen
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
Remote prüfen:
git remote -v
# origin https://github.com/TauricResearch/TradingAgents.git
Schritt 2 — Python-Umgebung (3.11–3.13)
python3 -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install --upgrade pip
pip install .
Conda-Alternative:
conda create -n tradingagents python=3.13 -y
conda activate tradingagents
pip install .
Schritt 3 — API-Keys in .env (nie im Chat)
cp .env.example .env
Minimum:
OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=...
ALPHA_VANTAGE_API_KEY=your_key
Env laden:
set -a && source .env && set +a
Schritt 4 — Interaktives CLI starten
tradingagents
# oder: python -m cli.main
Prompts: Ticker (AAPL), Datum/Horizont, LLM-Anbieter, Research-Tiefe.
Schritt 5 — Erste Idle-Simulation
Tiefe shallow (1–2 Debattenrunden), Mid-Tier-Modell — warten bis FINAL TRANSACTION PROPOSAL: HOLD o. ä.
Schritt 6 — Log als Geschichte lesen, nicht als Order
- Echte Tickerdaten oder Halluzination?
- Risiko-Agenten widersprechen oder rubber-stamp?
- Finale Aktion plausibel?
Bei Unsinn im Bull-Case: Daten-API-Keys fixen, nicht das Modell beschuldigen.
Schritt 7 — Optional: Ollama für 0 $ Inferenz
ollama pull qwen2.5:14b
export OLLAMA_BASE_URL=http://127.0.0.1:11434/v1
CLI: Anbieter Ollama. 16 GB RAM auf Apple Silicon — M4-Speichermatrix.
Schritt 8 — Runs auf Always-on-Maschine (optional)
Laptops schlafen; lange Debatten sterben mid-graph. Kleiner Always-on-Mac hält LangGraph-Checkpoints. Wie OpenClaw Remote-M4:
tmux new -s tradingagents
tradingagents
# Detach: Ctrl-b d
Typische Ausgabe
| Artefakt | Inhalt |
|---|---|
| Debatten-Transkript | Bull vs Bear mit Zitaten |
| Risiko-Dialog | Aggressive vs konservative Einwände |
| Finale Proposal | KAUF/HALTEN/VERKAUF + Sizing-Text |
| Strukturiertes JSON | TradeRecommendation für eigene Backtests |
Kein Kontoauszug. JSON in eigenes Backtest-Notebook — TradingAgents ersetzt keine Compliance-Prüfung.
Kosten und „Verliert die KI Geld für mich?"
| Frage | Ehrliche Antwort |
|---|---|
| Tradet es meinen Broker? | Standardmäßig nein |
| Kann es API-Geld verlieren? | Ja — jede Debattenrunde kostet Tokens |
| Sim-P&L kann toll aussehen? | Backtests overfitten — virale Screenshots = Marketing |
| Günstiger? | Ollama lokal + Free Data Tier |
TradingAgents vs FinGPT · MiroFish Setup
Fehlerbehebung
ModuleNotFoundError: tradingagents
source .venv/bin/activate && pip install -e .
CLI beendet sofort
python -c "import os; print('OPENAI' in os.environ, 'ALPHA' in os.environ)"
Hängt nach „Risk committee"
Rate Limit — Modell wechseln, Debattenrunden reduzieren, 60 s warten.
Verdächtiger Fork mit Windows-.exe
Löschen. Offiziell: nur Python Source von TauricResearch/TradingAgents.
Empfohlener Pfad
| Sie sind… | Tun Sie |
|---|---|
| Kompletter Einsteiger | Schritte 1–6, AAPL, shallow, günstiges Modell |
| Max Drama | Debattenrunden erhöhen wenn Kosten OK |
| Hasse API-Rechnungen | Schritt 7 Ollama + Mieten vs Kaufen |
| Quant vergleicht Frameworks | TradingAgents vs FinGPT |
| Dev-Automatisierung | MCP Custom Server |
Wenn X → Y: Bull/Bear-Log nie gelesen — keinen Live-Broker verbinden.
FAQ
Ist TradingAgents legal?
Open Source (Apache-2.0). Compliance liegt bei Ihnen. Nur Forschungssimulation hier.
Unterschied zu Robinhood oder Bot?
Broker führen regulierte Orders aus. TradingAgents = LLM-Rollenspiel für simulierte Research-Entscheidungen.
Mac nötig?
Nein. Remote M4 optional.
Claude statt GPT?
Ja — mehrere Anbieter via .env und CLI.
Welche Ticker?
AAPL, MSFT, SPY. Krypto in Community-Configs — README lesen.
TradingAgents auf einem entfernten Mac M4 hosten
Ein KuzCloud-Knoten 24/7 hält Bull/Bear-Debatten und LangGraph-Checkpoints — tmux, SSH, Logs am Morgen.