2026年 TradingAgents vs FinGPT：AIトレーディングフレームワーク選び方
二つのレイヤー：オーケストレーション vs モデル
| レイヤー | TradingAgents | FinGPT |
|---|---|---|
| 主成果物 | マルチエージェントワークフロー | FinLLM + データ/LoRA |
| 典型出力 | FINAL TRANSACTION PROPOSAL: BUY/HOLD/SELL | センチメント・予測・RAG |
| ライセンス | Apache-2.0 | MIT |
| 比喩 | 仮想トレーディングデスク | 金融 AI ファクトリー |
TradingAgents は LLM を呼び出しますが金融特化モデルそのものではありません。FinGPT はモデルを配布しますが、リスク委員会ワークフローは標準では含みません。
TradingAgents：マルチエージェント取引会社シミュレーション
TradingAgents（Tauric Research、Apache-2.0）は専門 LLM エージェントで組織をモデル化します。
- 1.アナリストチーム — ファンダメンタル・センチメント・テクニカル・マクロ/オンチェーン
- 2.リサーチ討論 — ブル vs ベア（
max_debate_rounds） - 3.トレーダー — 投資プラン統合
- 4.リスク委員会 — 攻撃/保守/中立の討論と判定
- 5.ポートフォリオマネージャー — モック取引所で注文承認
LangGraph、チェックポイント再開、JSON 推奨、GPT/Claude/DeepSeek/Qwen/Ollama 等。v0.2.5（2026年5月）でセンチメント強化。
- 強み：監査可能な議事録、機関プロセスに近い、BTC/USDT 時間足で第三者研究が +20.25% vs バイアンドホールド −7.89%（約3ヶ月）と報告 — 保証ではありません
- 限界：エージェント数×ラウンドで API コスト、研究用途のみの免責
FinGPT：オープンソース金融 LLM プラットフォーム
FinGPT（MIT、20K+ スター）はデータ中心の FinLLM エコシステムです。arXiv 論文、Hugging Face でモデル配布。
- 金融データ自動収集、LoRA、FinGPT-Benchmark、センチメント/FinGPT-Forecaster、10-K 要約 RAG
- 強み：ウェイト自前、NLP 基盤、再現可能ベンチマーク
- 限界：取引デスク一式は非標準、GPU RAM、データライセンスは自己責任
直接比較
| 基準 | TradingAgents | FinGPT |
|---|---|---|
| 核心の問い | 何を、なぜ売買するか | テキスト/指標の意味 |
| エージェント | 約12 + サポート | ツールキット |
| オーケストレーション | LangGraph | スクリプト/ノート |
| コスト要因 | API×ラウンド×エージェント | GPU 学習/推論 |
| 暗号 | BTC フォーク等 | コミュニティアダプタ |
2026年の選び方
| 目的 | 選択 | 理由 |
|---|---|---|
| アナリスト会議→リスク投票→注文 | TradingAgents | ネイティブ討論・ゲート |
| 自社戦略用センチメント | FinGPT | パイプライン+モデル |
| 継続 API 料最小 | FinGPT+ローカル | GPU 後はトークン課金なし |
| 監査証跡 | TradingAgents | 討論ログ+JSON |
| 組み合わせ | FinGPT 特徴量 → フィーチャストア → TradingAgents 委員会 | |
実行環境：コンピュートとホスティング
TradingAgents on リモート Mac
Python + API 中心。CPU/ネットワーク重視。M4 レンタルは 24/7 オーケストレーション向き：SSH、チェックポイント、NVMe ログ。東京ノードからAnthropic APIまで約24ms、OpenAI US Eastまで約11ms。 OLLAMA_HOST または API キー。オーケストのみ 16 GB、ローカル Ollama 7B–14B 併用なら 24 GB。
関連：Claude Code 代替、OpenClaw セットアップ。
FinGPT 学習・バッチ
LoRA は NVIDIA 24 GB+ 推奨。学習はクラウド GPU、Mac で前処理・評価。短時間 GPU と長期 Mac は バースト vs 月額、レンタル vs 購入。
セットアップ例
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents && pip install -e .
export OPENAI_API_KEY=sk-...
python -m tradingagents.cli.run --ticker AAPL
git clone https://github.com/AI4Finance-Foundation/FinGPT.git
cd FinGPT && pip install -r requirements.txt
実資金投入前に各プロジェクトの免責とバージョン固定を確認してください。
社会スウォームのシナリオ検証には MiroFish セットアップ（2026） — Docker、ポート3000/5001、OASIS向けRAM設計。
初めての方は TradingAgents 初心者セットアップ（2026） — 公式リポのみ、8ステップ、ペーパートレード。
FAQ
TradingAgentsはFinGPTモデルを使えるか？
はい。Ollama/vLLM で FinGPT 互換エンドポイントをホストしモデル設定を向ければ可能です。DIY 統合です。
実運用の自動売買に使えるか？
いいえ。スリッページ・手数料・コンプライアンスを考慮した本番検証には不十分です。
個人クオンツの総コストは？
GPU ローカルなら FinGPT。最速デモは TradingAgents + 月20〜80ドル程度の API。
Macは必須か？
必須ではありません。統一 SSH 研究環境には M4 が有用です。
単発 ChatGPT プロンプトとの違い
役割分離・リスク討論・構造化ゲートが TradingAgents の価値です。
リモートM4でトレード研究環境を構築
KuzCloudのM4 Mac MiniをSSHで利用し、LangGraphジョブやHugging Face評価を東京ノードで安定運用。