AI Hedge Fund

• 1. 概要 （全 360 文字）

  AI ヘッジ ファンド (GitHub ID: virattt/ai-hedge-fund) は、18 人の伝説的な投資マスター エージェントと 5 人のプロのアナリスト エージェントで構成される投資委員会をシミュレートすることにより、投資決定におけるマルチエージェントのコラボレーションの可能性を探る、オープンソースの AI 主導のヘッジ ファンドの概念実証プロジェクトです。このプロジェクトは、2025 年半ばに GitHub でリリースされてからすぐに人気になりました。 2026 年初頭の時点で、このプロジェクトは 57,000 個以上のスターと 9.9k フォークを獲得し、GitHub Trending でトップのプロジェクトになりました。このプロジェクトは、教育と研究のみを目的としており、実際の取引や投資を目的としたものではないことを明確に述べています。

• 2. 製品の背景 （全 615 文字）

  AI ヘッジ ファンドは、独立系開発者の Virat Singh (GitHub ID: virattt) によって作成および維持されています。プロジェクトのコード ベースは、2025 年 9 月頃に GitHub のトレンド リストに登録され、すぐに人気になりました。半年も経たないうちに、57,000 個以上のスターと 9.9,000 個のフォークを蓄積し、世界中の開発者やクオンツ取引愛好家から幅広い注目を集めました。   このプロジェクトは、オープンソースの定量取引の分野における革新的な探求です。これは商用製品としてではなく、概念実証として位置づけられています。その核となる価値は、金融意思決定シナリオにおけるマルチエージェント アーキテクチャの応用可能性を実証し、異なる投資スタイルを持つ人工知能エージェントが連携して単一モデルよりも優れた意思決定効果を生み出すことができるかどうかを検証することにあります。   技術レベルでは、プロジェクトは Python (60.2%) と TypeScript (35.8%) を組み合わせて開発されており、コマンド ライン インターフェイス、Web アプリケーション、バックテストの 3 つの動作モードをサポートしています。依存関係に関しては、プロジェクトには OpenAI API キーと財務データセット API キーが必要です。また、Ollama を介した大規模な言語モデルのローカル展開もサポートしており、ある程度の柔軟性とプライバシー保護を提供します。

• 3. 製品の機能と使用感 （全 1029 文字）

  AI ヘッジ ファンドの中核となるアーキテクチャは、完全な投資委員会をシミュレートし、複数の専門的な AI エージェントの協力を通じて投資意思決定プロセスを完了することです。   投資マスター エージェントは、プロジェクトの最も創造的なデザインのハイライトです。このシステムには、ウォーレン バフェット、チャーリー マンガー、ベン グレアム、ピーター リンチなどを含む 13 人の伝説的な投資の達人の仮想エージェントが組み込まれています。各マスター エージェントには、彼の投資哲学と意思決定スタイルが組み込まれています。例えば、エージェント・バフェットはリーズナブルな価格で優良な企業を探し、エージェント・グラハムは安全域と価値不況に焦点を当て、エージェント・マイケル・バリー（ビッグ・ショートの主人公のプロトタイプ）は逆張り投資を得意としています。   プロのアナリスト エージェントは、評価エージェント (株式の本質的価値の計算)、センチメント エージェント (市場センチメントの分析)、ファンダメンタルズ エージェント (財務データの分析)、テクニカル エージェント (テクニカル指標の分析)、リスク管理エージェント (リスク エクスポージャーの計算) など、意思決定サポート層を形成します。これら 5 人のアナリスト エージェントは、さまざまな次元から取引シグナルを出力し、投資マスター エージェントの意思決定にデータ サポートを提供します。   意思決定プロセスは、「アナリストの出力シグナル→投資マスターの総合判断→リスク管理レビュー→ポートフォリオマネージャーの最終決定」という流れで行われます。すべてのエージェントは大規模な言語モデルに基づいて構築されており、それぞれの投資概念と動作特性がプロンプト エンジニアリングを通じて注入されます。最後のポートフォリオ マネージャー エージェントは、すべての当事者の意見を統合して、取引の決定を下し、注文を生成します。   ユーザー エクスペリエンスの観点から見ると、プロジェクトのコマンド ライン インターフェイスはシンプルかつ明確です。銘柄コードを指定するだけで分析結果が得られます。 Web インターフェイスは、より直感的な視覚表示を提供します。バックテスト モジュールを使用すると、ユーザーは履歴データに基づいて戦略の有効性を検証できます。ただし、プロジェクトの運用には複数の API キーの設定が必要であり、有料の OpenAI インターフェイスが必要となるため、実際の使用の敷居は高くなります。

• 4. 価格設定とビジネスモデル （全 442 文字）

  AI ヘッジ ファンド自体は、MIT ライセンスに基づく完全に無料のオープンソース プロジェクトです。ユーザーはコードを自由に使用、変更、配布できます。   ただし、使用には間接的なコストがかかります。プロジェクトは OpenAI API (GPT-4 などのモデル) と Financial Datasets API に依存しており、どちらも支払いが必要です。 API 料金を回避するためにローカルにデプロイしたいユーザーのために、このプロジェクトは、ローカルで実行されている Llama などのオープンソースの大規模モデルに接続できる Ollama サポートを提供します。   ビジネスモデルの観点から見ると、このプロジェクトには現時点で明確な商業化の道筋がありません。プロジェクト作成者は、GitHub スポンサー、寄付、またはプロジェクトに関する有料のチュートリアル/デプロイメント サービスを通じて収益を得ることができます。プロジェクトでは「実際の取引には適さない」としているため、短期的には機関投資家向けの商品化は見込めない。

• 5. ユーザーレビュー （全 603 文字）

  AIヘッジファンドは中国の開発者コミュニティで激しい議論を巻き起こした。ユーザーは一般に、プロジェクトの革新的な性質を高く評価し、18 の投資マスターを AI エージェントに「接続」するというアイデアは非常に興味深く、教育的価値があると信じていました。   肯定的なレビューから判断すると、ユーザーはプロジェクトのマルチエージェント アーキテクチャ設計と投資意思決定プロセスの現実的なシミュレーションを最も高く評価しました。多くのクオンツ取引実践者は、このプロジェクトが専門分野の知識を AI エージェントに注入する方法を理解するための優れた学習フレームワークを提供すると信じています。さらに、プロジェクトの MIT ライセンスと商用制限のない条件は、オープンソース コミュニティから広く賞賛されています。   否定的なフィードバックに関して、ユーザーが主に懸念しているのは次の点です。プロジェクトで述べられている「実際の取引は禁止」という制限は、実際のアプリケーションの価値が制限されていることを意味します。クローズドソース API への依存は、制御不能な運用コストにつながります。一部のアナリスト エージェントのシグナル生成ロジックは比較的単純であり、実際のバックテスト結果は不均等です。一部のユーザーは、投資の第一人者の「性格」をプロンプト エンジニアリングによって本当に正確にシミュレートできるかどうかについて議論があると指摘しました。

• 6. 業界の評価 （全 543 文字）

  AI ヘッジ ファンドは、クオンツ トレーディングと AI エージェントの交差点として業界の注目を集めています。教育的な概念実証プロジェクトとして、垂直アプリケーションにおけるマルチエージェント アーキテクチャの可能性を実証します。   技術的な観点から見ると、このプロジェクトは、AI エージェントを金融シナリオに実装するための探索パスと見なされます。従来の定量的戦略は数学的モデルに依存していますが、AI ヘッジファンドは言語モデルを使用して人間の投資意思決定プロセスをシミュレートしようとしています。このアイデアは学界でも産業界でも斬新です。特に 2026 年に AI エージェント テクノロジーが急速に発展するという状況において、このプロジェクトは参照用のマルチエージェント コラボレーション フレームワークを提供します。   市場の観点から見ると、このプロジェクトの人気は、AI 主導の取引ソリューションに対する投資家の継続的な熱意も反映しています。プロジェクトチームは教育目的のみであることを繰り返し強調しているが、市場には同様のコンセプトを持つ商用製品が多数存在する。業界観察者は、大規模な言語モデルの機能が向上し、コストが低下するにつれて、AI 支援による投資意思決定の市場空間は継続的に注目に値すると考えています。

• 7. 論争とリスク （全 619 文字）

  AI ヘッジファンドが直面している最大の論争は、その「実際の投資マスターのシミュレーション」の正当性です。批評家は、ウォーレン・バフェットのような伝説的な投資家の意思決定スタイルをプロンプトに縮小することは、彼らの投資能力を真に再現するものではないと指摘しています。投資マスターの成功は、多くの場合、数十年にわたる経験、直感、情報が総合的に反映されています。言語モデルのみから即時に単語を挿入するだけでは、同じレベルに到達することは困難です。   もう 1 つの論点は、このプロジェクトが一般ユーザーに誤解を招く可能性があるということです。 GitHub ページには美しいバックテスト結果が表示されるため、金融リテラシーのない一部のユーザーは、プロジェクトが実際の取引に直接使用できると誤って信じてしまい、経済的損失を招く可能性があります。プロジェクトには免責条項がありますが、免責条項の法的効果と実際の保護効果には疑問があります。   リスクとしては、主にコンプライアンスリスクと法的リスクが挙げられます。多くの国や地域では、ライセンスのない自動取引システムには規制要件が伴う場合があります。プロジェクト当事者は、実際の取引には適用されないことを明確に述べています。この設計自体もコンプライアンス回避戦略です。さらに、金融データの取得と分析にサードパーティ API を使用すると、データのプライバシーと利用規約のコンプライアンスの問題が発生する可能性があります。

• 8. 適用可能なグループと使用方法の提案 （全 595 文字）

  AI ヘッジ ファンドは、次のグループに特に適しています。AI エージェントの開発者および研究者。このプロジェクトを通じてマルチエージェント システムの設計と実装を学びます。投資意思決定プロセスと戦略的枠組みを理解するクオンツ取引の学習者および愛好家。オープンソース プロジェクトの貢献者。プロジェクトのコードと機能の改善に参加します。金融サービスにおける AI の応用シナリオを探求する、金融テクノロジー (FinTech) 分野のプロダクト マネージャーや起業家。   このプロジェクトの使用に適さないシナリオには以下が含まれます: 本物で使用可能な自動取引システムを探している (プロジェクトには実際の投資には適さないと明記されています)。金融初心者がリスクを十分に理解せずに実際の意思決定に利用している。コンプライアンスに準拠した取引ソリューションを求める機関投資家。   使用上の推奨事項に関しては、ユーザーはまずプロジェクトのドキュメントと免責事項を注意深く読み、プロジェクトの教育上の位置付けを明確にする必要があります。 API コストを制御するために、デプロイする際には Ollama ローカル モデルの使用を優先することをお勧めします。バックテストの結果は、投資の基礎としてではなく、学習の参考として使用する必要があります。実際の口座に対してプロジェクトによって生成された取引シグナルを使用することはお勧めできません。

• 9. 要約する （全 321 文字）

  AI ヘッジ ファンドは、18 人の伝説的な投資の達人と 5 人のプロのアナリストを AI エージェントとしてパッケージ化することで、財務上の意思決定シナリオにおけるマルチエージェントのコラボレーションの可能性を実証する、非常に創造的なオープンソースの概念実証プロジェクトです。このプロジェクトは、教育目的のみであり実際の取引には適していないことを明確に述べていますが、そのアーキテクチャ設計と実装は、量的取引の分野で AI エージェントを適用するための貴重な参考パラダイムを提供します。 AI テクノロジーが継続的に進歩し、コストが継続的に低下しているため、同様のマルチエージェント投資支援ツールが将来、より広範なアプリケーションの探索につながると予想されます。

詳細レポートはまだありません

• 

  AndrewRodriguez168803

  —

  最大の落とし穴は、「これだけ多くの達人が分析しているから信頼できるはずだ」と錯覚しやすいことだ。著者は教育研究のためだけに README に 3 回書いていますが、GitHub のイシューでは依然として実ディスクに接続できるかどうかを尋ねる人がいます。これは投資哲学シミュレーターです。学習のためにそれを使用することはできますが、実際のお金に関する決定を下すときは、それについて明確に考える必要があります。

---

• 

  SandraAdams_Pro92

  —

  導入には 30 分かかり、DeepSeek で 1 ラウンドを実行するのにかかる費用はわずか数セントです。しかし、私はそのアドバイスに従う勇気がありません。

---

• 

  Benjamin_CoxJr35

  —

  バフェット氏の投資フレームワークを AI プロンプトに洗練させることができれば、将来的には一流の外科医の診断フレームワークや上級弁護士の症例分析フレームワークをエージェント化できるでしょうか?このプロジェクトの最大の価値は金融そのものではなく、認知フレームワークが構造化され再利用できることを証明したことにあるかもしれない。

---

• 

  Melissa.Gonzalez

  —

  ollamを使用してllama3.2をローカルで実行したところ、1回の分析時間が2分から8分に変わりましたが、結論は基本的に同じです。 API コストがゼロというのは本当に良いことです。

---

• 

  yellowwolf372

  —

  バフェットのエージェントの個人の意思決定と全エージェントの投票をバックテストしたところ、全エージェントの投票のシャープレシオがより高かったが、リトレースメントもより大きかったことがわかりました。この直感に反する結論は、自分で実行することによってのみ発見できます。

---

• 

  PeterJones_2022

  —

  私が保有していた中国のコンセプト株で一連の取引を行ったところ、9人のエージェントが反対票を投じた。信じられませんでした。その結果、1か月後には22％下落した。受け入れられました。

---

• 

  蔡瑶轩

  —

  エージェント間の意見の対立に焦点を当てることが最も価値のある部分です。 MSFT のラウンドを例にとると、11 件の買い対 2 件の反対 (タレブとバリー) で、反対の理由が特によく書かれています。評価額は AI への楽観的な期待を反映しており、クラウド コンピューティングの成長率は継続的に減速しています。多くの場合、反対票の情報密度は賛成票よりもはるかに高くなります。

---

• 

  Douglas.Howard_2020_294

  —

  2週間の経験を経て、いくつかの実践的な問題について話したいと思います。まず、モデルの温度を非常に低く設定する必要があります。そうしないと、同じチケットを 2 回実行した場合の結果が大きく異なります。第二に、無料データは米国株 5 銘柄のみをサポートしています。他の株式を表示したい場合は、月額 199 ドルで Financial Datasets API を開く必要があります。第三に、すべてのエージェントは公開された財務報告書に基づいてのみ分析することができます。 CEO に奇妙なツイートを送信したらどうするか尋ねても、それはできません。

---

• 

  JonathanWood_Plus873

  —

  58,000 個のスターは無駄ではありません。このプロジェクトのプロンプトワードエンジニアリングのレベルは非常に高く、各マスターエージェントのプロンプトは同じ方法で書かれています。

---

• 

  MariaMorales

  —

  Mu Jie のエージェントは、彼女が目にした株を常に強く買います。彼女のプロンプトには「常に強気」と書かれているのではないかと思います。

---

• 

  JoshuaRoussel

  —

  A株が分析できないのが残念です。コミュニティの誰かが AKShare に適応したフォークを作成しましたが、統合レベルは元のバージョンとは程遠いです。香港株をサポートする方法があれば完璧です。やはり国内ユーザーにとって米国株はまだまだ敷居が高いですね。

---

• 

  JessicaSchneider

  —

  投資哲学をエージェントに売り込むように促すメッセージをエンコードしている人を見るのはこれが初めてです。ヴィラットは本当に天才だよ。

---

• 

  毛鹏欣

  —

  実行した後、ターミナルで 18 人のエージェントが次々とレポートを出力するのを眺めるのはとても気持ちがよかったです。バフェット氏はバリュエーション担当、タレブ氏はリスク担当、リンチ氏はグロース担当…株取引にはあまり使えませんが、とても勉強になりました。

---

• 

  9r3f38

  —

  本当に価値があるのは、最終的な結論ではなく、エージェントの推論のリンクです。毎回の授業の後、私は各マスターの分析プロセスを 1 つずつ読みました。これには、バフェットがどのように堀を計算したか、グラハムがどのように安全域を計算したか、リンチがどのように成長因子を見つけたかなどが含まれます。これは、10 人の教師が同時に 1 対 1 のレッスンを行うのと同等です。

---

• 

  Steven_Anderson369904

  —

  タレブエージェントは常にテールリスクがあると言ってました。私が 5 銘柄をレビューしたとき、常にヘッジのために PUT オプションの購入を推奨していました。反脆弱性は DNA に刻まれています。面白いですね。

---

• 

  realLisandroRibeiro_pro

  —

  18 人のエージェントが協力して同じ銘柄を分析しました。バフェットの堀分析やタレブのテールリスク警告を読むたびに、自分の思考が開かれたように感じました。

---

• 

  CharlesBrooks_2024

  —

  私はフロントエンド開発者で、このプロジェクトのフロントエンド部分で良い仕事をしてきました。 React Flow のビジュアル フローチャート エディターを使用すると、さまざまなエージェントをドラッグ アンド ドロップすることで独自の投資委員会を設計できます。このインタラクティブなデザインはプラスです。

---

• 

  DolphinDefiYoung

  —

  コマンドラインで銘柄コードを指定するだけで実行されます。使い方もシンプルで思ったより使いやすいです！

---

• 

  Anthony.Green_Max

  —

  実際にテストしたところ、バックテストの結果はかなり良好に見えましたが、免責事項は非常に明白なので、実際の取引には使用しないでください。

---

• 

  xooo0

  —

  MITライセンスは気軽に使えて、作者パターンも豊富です。クオンツ取引の実践者は、この一連のアーキテクチャのアイデアは学ぶ価値があると述べています。

---

• 

  Martha_ReedSr

  —

  57k Star、GitHub トレンド No. 1、このプロジェクトの人気はどのくらいですか?

---

• 

  xMadsEie_2024

  —

  5 人のアナリストとエージェントは全員、投資の第一人者に渡す前にシグナルを出力します。このプロセスは非常に合理的に設計されており、実際の投資委員会に似ています。

---

• 

  DouglasKim

  —

  バフェットとマンガーをエージェントに変えるというアイデアは本当に素晴らしく、非常に想像力に富みます。

---

• 

  松涛_28

  —

  テクノロジー スタックは Python と TypeScript であり、フロントエンド Web インターフェイスは非常にプロフェッショナルに見えます。

---

• 

  Mary_Jackson520

  —

  金融の初心者として、私はこのプロジェクトで初めてマルチエージェント システムがどのように機能するかを理解することができました。人気のサイエンスバリューも満点！

---

• 

  EMorrisZ

  —

  3 日間実行した後、API 料金は約 200 ドルかかりました。最初にローカル展開には Ollama を使用することをお勧めします。

---

• 

  自在624

  —

  投資マスターエージェント13名+アナリストエージェント5名。このマルチエージェント アーキテクチャは非常によく設計されており、AI エージェント開発の学習に適しています。

---

• 

  Jacob.TorresK

  —

  リスク管理機関は比較的単純なようで、ブラックスワン現象は考慮されていない。著者はテールリスク管理を強化することをお勧めします!

---

• 

  HashDex99

  —

  Ollama で実行したところ、速度は問題ありませんでしたが、信号の生成時間が長すぎて、1 つのストックに数分かかりました。

---

• 

  MLewis_99

  —

  9.9k フォーク、このフォーク数は多くの商用プロジェクトよりも高く、開発者が定量取引の分野に非常に興味を持っていることを示しています。

レビューはまだありません