TradingAgents完全ガイド｜AIが証券会社チームを模倣して株を分析するOSSの導入方法

TradingAgents完全ガイド｜AIが証券会社チームを模倣して株を分析するOSSの導入方法

published: 2026/08/03 · updated: 2026/08/03

「AIで株を分析したい」と思ったことはありませんか？

でも実際に調べてみると、コードが難解だったり、単に株価チャートを見せるだけだったりして、「本当に使えるのか？」と疑問を抱えている方も多いはずです。

そんな方に注目してほしいのが、TradingAgentsです。2024年末に論文が公開され、GitHubで一時トレンド1位を獲得。<cite index="20-2">執筆時点で80,000スター・15,000フォーク超</cite>という驚異的な支持を集めているこのツールは、単なる「チャート分析ボット」ではありません。

この記事では、TradingAgentsが何をするツールなのか・何ができるようになるのか・どうやって動かすのかを、エンジニア経験ゼロでも理解できるように解説します。「自分に向いているか」の判断材料まで渡せるよう、メリット・デメリット・類似ツールとの比較も包み隠さず書きます。

---

TradingAgentsとは何か？「証券会社の組織ごとAI化する」ツール

TradingAgents ★ 95.3k TradingAgentsは、実際の証券会社の組織構造を模倣したマルチAIエージェント型の株式市場分析フレームワーク（OSSライブラリ）。ファンダメンタル・センチメント・テクニカル・ニュースの4種アナリストAIが協議して売買判断を導き出す点が最大の特徴。 詳細 →

一言で言うと？

<cite index="5-6,5-7">TradingAgentsは、実際の証券会社のダイナミクスを模倣したマルチエージェント型トレーディングフレームワークです。ファンダメンタルアナリスト・センチメント専門家・テクニカルアナリスト・トレーダー・リスク管理チームといった専門化されたLLMエージェントを展開し、各エージェントが協力して市場状況を評価し、売買判断を下します。</cite>

「マルチエージェント（multi-agent）」とは、1つのAIが何でもこなすのではなく、複数の役割を持つAIが分担・連携して動く仕組みのことです。ちょうどサッカーチームのように、フォワード・ミッドフィルダー・ディフェンダーそれぞれが専門的な動きをして、チーム全体でゴールを目指すイメージです。

どんなAIチームが動いているのか

<cite index="9-4,9-6,9-8,9-10,9-11">TradingAgentsの全体構造は次の5層で構成されています。 ① アナリストチーム：4種のアナリストが同時に市場情報を収集する ② リサーチチーム：収集データを議論・評価する ③ トレーダー：リサーチャーの分析に基づいて売買判断を下す ④ リスク管理チーム：現在の市場状況に照らして判断のリスクを審査する ⑤ ファンドマネージャー：取引を承認・実行する</cite>

特に注目すべきは「リサーチチーム」の役割です。<cite index="31-12,31-13">TradingAgentsの売買チームは、テクニカル・ファンダメンタル・ニュース・マクロのアナリストが買い・売りの提案を起草する「提案アナリストチーム」と、その提案を徹底的に批判・反論するだけが役割の「強気（Bull）」「弱気（Bear）」リサーチャーチームという構造になっています。</cite>

これが最大の特徴です。単一のAIが「買い！」と判断したとしても、別のAIが「でもこのリスクは？」と反論し、議論を経て初めて結論を出す。<cite index="31-10,31-11">TradingAgentsはLLMトレーディングの最大のリスクである「エコーチェンバー的な意思決定」を解決しています。典型的な単一エージェント構成では、LLMがニュース記事を誤解釈しても、そのまま自信満々で株を買ってしまいます。</cite>

使われている技術スタック

<cite index="11-15">TradingAgentsはLangGraph（AIエージェントをグラフ構造で管理するフレームワーク）を使って構築されており、柔軟性とモジュール性を確保しています。</cite>また、<cite index="3-10,3-11">すべてのエージェントはReActプロンプティングフレームワーク（推論と行動を相互に強化しながら動くAI設計手法）に従っています。</cite>

> ポイント： TradingAgentsは「株を自動売買するbot」ではなく、「プロのアナリストチームが議論して導き出すような分析レポートをAIで生成するリサーチフレームワーク」です。

---

TradingAgentsで何ができるのか

できること

  • 特定銘柄の総合分析レポート生成：ティッカーシンボル（例：NVDA）を入力するだけで、4種のアナリストが各角度から分析し、売買推奨まで含むレポートを自動生成
  • マルチアングルの議論プロセスを可視化：強気・弱気それぞれの主張と、最終的な判断根拠を確認できる
  • 複数LLMプロバイダーへの対応：<cite index="11-16">OpenAI・Google・Anthropic・xAI・DeepSeek・Qwen・GLM・OpenRouter・ローカルモデル用のOllama・企業向けAzure OpenAIなど複数のLLMプロバイダーをサポートしています。</cite>
  • ローカルLLMでも動作：<cite index="26-4,26-5">ローカルモデルの場合は、llm_provider: "ollama" を設定することでOllamaと連携できます。デフォルトのエンドポイントは http://localhost:11434/v1 です。</cite>APIコストを抑えたい方はOllamaと組み合わせるのも有効な選択肢です。
  • チェックポイント機能：長時間の分析をいったん保存し、途中から再開できる

できないこと（重要）

<cite index="5-9,5-10">TradingAgentsフレームワークは研究目的で設計されています。使用するLLMの種類・温度設定・取引期間・データ品質などの多くの要因によって、トレーディングパフォーマンスは大きく変わります。</cite>

  • 実際の取引口座との直接連携はできない（分析・判断生成まで。注文執行は別途実装が必要）
  • 日本株・A株のリアルタイム分析は制限あり（主に米国株向け。日本株対応は公式には限定的）
  • 勝率を保証するものではない：<cite index="29-7">あるTradingAgentsの実行では30日間で約7%のリターンを達成しS&P500の4.5%を上回ったが、22%のドローダウンがあり再現性の保証はない</cite>という報告もあります。

---

導入手順：ゼロから動かすまでの完全ガイド

前提条件チェックリスト

動かす前に以下を確認してください。

項目必要なもの備考
Python3.10以上<cite index="21-4">Python 3.10以上が必須</cite>
LLM APIキーOpenAI等（有料）<cite index="42-5">OpenAIの有料アカウントが必要</cite>。Ollamaでローカル動作も可
Finnhub APIキー無料プランあり金融データ取得用。<cite index="38-1">Finnhubは毎分60回のAPIコールが可能な無料リアルタイム枠を提供</cite>
Gitバージョン管理ツールリポジトリのcloneに使用
仮想環境conda または venv依存関係の分離に推奨

Step 1：リポジトリのクローンと環境構築

# リポジトリをコピーしてくる
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

# Python仮想環境を作成（condaの場合）
conda create -n tradingagents python=3.13
conda activate tradingagents

# 依存パッケージをインストール
pip install .

> 「git clone」とは？ GitHubに置いてあるコードをまるごと自分のパソコンにダウンロードするコマンドです。

Step 2：APIキーの設定

<cite index="42-4,42-5">次に、FinnHubとOpenAIの環境変数を設定します。FinnHubは無料アカウントで利用でき、OpenAIは有料アカウントが必要です。</cite>

# MacまたはLinuxのTerminalの場合
export FINNHUB_API_KEY="あなたのFinnhub APIキー"
export OPENAI_API_KEY="あなたのOpenAI APIキー"

# Windowsのコマンドプロンプトの場合
set FINNHUB_API_KEY=あなたのFinnhub APIキー
set OPENAI_API_KEY=あなたのOpenAI APIキー

APIキーは各サービスの公式サイトで取得してください。

  • Finnhub APIキー：https://finnhub.io/（無料登録でOK）
  • OpenAI APIキー：https://platform.openai.com/（有料、料金は公式サイト参照）

Step 3：CLIで分析を実行する

インストールが完了すると、tradingagents というコマンドが使えるようになります。

# CLIを起動
tradingagents

# 対話式メニューが表示されるので、分析したいティッカーを入力
# 例: NVDA（エヌビディア）、AAPL（アップル）など

Step 4：Pythonコードから呼び出す（応用）

CLIだけでなく、Pythonのコードから直接呼び出すことも可能です。

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# 設定のコピーを作成
config = DEFAULT_CONFIG.copy()
config["checkpoint_enabled"] = True  # 途中保存を有効化

# エージェントを初期化して分析実行
ta = TradingAgentsGraph(config=config)
_, decision = ta.propagate("NVDA", "2026-01-15")  # 銘柄と分析日を指定

print(decision)  # 売買判断が出力される

<cite index="12-16">コスト節約のため、テスト段階ではo4-miniやgpt-4.1-miniの使用が推奨されています。フレームワークは多数のAPIコールを行うためです。</cite>最初は安価なモデルで動作確認し、慣れてから高性能モデルに切り替えるのがおすすめです。

---

類似ツールとの比較：TradingAgentsはどこが違うのか

TradingAgents ★ 95.3k TradingAgentsは、実際の証券会社の組織構造を模倣したマルチAIエージェント型の株式市場分析フレームワーク（OSSライブラリ）。ファンダメンタル・センチメント・テクニカル・ニュースの4種アナリストAIが協議して売買判断を導き出す点が最大の特徴。 詳細 →

AI×金融の分野には他にも複数のOSSが存在します。代表的なツールと比較してみましょう。

主要ツール比較表

ツール主なアプローチ対象ユーザー実取引連携アーキテクチャ
TradingAgentsマルチエージェントLLMで「チーム議論」型分析研究者・AI開発学習者❌（研究用）役割分担型マルチエージェント
FinGPT金融特化LLMのファインチューニング基盤AI研究者・モデル開発者❌単一モデル中心
FinRobotエクイティリサーチ自動化・長期投資分析アナリスト・投資研究者△（実験的）エージェントパイプライン
FinRL強化学習（AIが試行錯誤して学習する手法）による戦略最適化データサイエンティスト✅（Alpaca連携）強化学習環境
ai-hedge-fund著名投資家のペルソナAIが議論個人投資家・学習者❌マルチエージェント

TradingAgentsが際立っている点

<cite index="2-2,2-3">金融分野では単一エージェントシステムで特定タスクを処理するか、マルチエージェントがデータを個別収集するフレームワークが主流でしたが、実際のトレーディング会社の協調的ダイナミクスをレプリケートするマルチエージェントシステムの可能性はまだ十分に探られていませんでした。</cite>TradingAgentsはこの空白を埋めたツールです。

特に「反論する役割のAIを意図的に設計に組み込んでいる」点は類似ツールと一線を画します。<cite index="2-5">強気（Bull）と弱気（Bear）のリサーチャーエージェントが市場状況を評価し、リスク管理チームがエクスポージャーを監視し、トレーダーが議論と履歴データから洞察を統合して判断を下します。</cite>

Flowiseのようなノーコード系AIフレームワークと比べると、TradingAgentsはコーディングが必要になりますが、金融分析特化の役割設計が最初から組み込まれている点で、ゼロから構築するよりはるかに効率的です。

---

パフォーマンスは実際どうなのか：研究結果と限界

論文での検証結果

<cite index="4-4,4-5,4-6">評価には歴史的株価・ニュース記事・ソーシャルメディアセンチメント・インサイダー取引・財務報告・テクニカル指標を含むマルチモーダル金融データセットが使用されました。エージェントは毎日判断を行い、将来情報を使わずに意思決定するため、バイアスのない結果が担保されています。</cite>

<cite index="2-7">詳細なアーキテクチャと広範な実験により、累積リターン・シャープレシオ（リスク調整後リターンの指標）・最大ドローダウン（最大下落幅）においてベースラインモデルを上回ることが示されました。</cite>

正直な限界

<cite index="29-5,29-6">ライブトレーディングにおいては、シミュレーション結果と実際のリターンの乖離が大きいです。取引コスト・スリッページ（想定価格と実際の約定価格のズレ）・市場のレジームチェンジがパフォーマンスを削ります。</cite>

<cite index="20-12,20-13">マルチエージェントシステムを学びたい開発者や、常に弱気側の主張を強制的に出させる構造的なリサーチアシスタントを求める人には十分価値があります。それはマルチエージェント設計の最良の実例のひとつです。</cite>ただし、「これで稼げる」という期待で使い始めると、現実とのギャップに落胆する可能性があります。

---

TradingAgentsはあなたに向いているか？向いていないか？

TradingAgents ★ 95.3k TradingAgentsは、実際の証券会社の組織構造を模倣したマルチAIエージェント型の株式市場分析フレームワーク（OSSライブラリ）。ファンダメンタル・センチメント・テクニカル・ニュースの4種アナリストAIが協議して売買判断を導き出す点が最大の特徴。 詳細 →

✅ こんな人に向いている

  • AIエージェントの仕組みを学びたい：複数AIが協議して結論を出す「マルチエージェントアーキテクチャ」の最良の実例として活用できる
  • 株式投資のリサーチを自動化・補助したい：感情を排して「弱気側の反論」を常に出させるツールとして活用できる
  • PythonとAPIの基礎がある：condaやpipを触ったことがあれば、手順通りに動かせる
  • OSSに貢献したい・改造したい：<cite index="15-1">Apache-2.0ライセンスで公開</cite>されており、商用利用も改変も自由
  • ローカルLLMで動かしたい：Ollamaと組み合わせればAPIコスト不要での実験も可能

❌ こんな人には向いていない

  • 完全なノーコードで使いたい：CLIとPythonコードの操作が必須。FlowiseのようなGUIベースツールの方が向いている
  • 自動売買システムを今すぐ本番稼働させたい：研究・分析目的のフレームワークであり、実際の取引執行機能は含まない
  • 日本株をメインに分析したい：データソースは米国株中心。日本株対応は限定的（公式サイト・GitHubのissueで最新情報を確認推奨）
  • Python環境の構築に自信がない：前提知識としてターミナル操作・仮想環境管理ができることが必要
  • 「勝てるシステム」を求めている：<cite index="29-2,29-3">「お金を刷る機械」ではありません</cite>。研究・学習・分析補助ツールとして捉えるべきです

---

より深く使いこなすためのヒント

モデル選定の考え方

初期実験では安価なモデルで動かし、分析精度に不満が出てから高性能モデルへ切り替えるのが賢明です。<cite index="18-2">推論の深さは TRADINGAGENTS_OPENAI_REASONING_EFFORT、TRADINGAGENTS_GOOGLE_THINKING_LEVEL、TRADINGAGENTS_ANTHROPIC_EFFORT などの環境変数で設定できます。</cite>

UIを作って使いやすくする

分析結果をブラウザで確認したい場合、GradioやStreamlitと組み合わせてシンプルなWebインターフェースを作ることもできます。TradingAgentsはPythonライブラリとして呼び出せるので、.propagate() の結果をそのままUIに渡すだけです。

プロンプトをカスタマイズする

アナリストの分析観点を変えたい場合は、各エージェントへの指示（プロンプト）を書き換えることができます。プロンプトの改善にはPrompt Engineering GuideやAwesome ChatGPT Promptsが参考になります。

自律エージェントに興味が広がったら

TradingAgentsで「AIエージェントが複数で協調する仕組み」に魅力を感じたら、OpenHands（コーディング自動化エージェント）やBrowser Use（Webブラウザを操作するエージェント）など、別ジャンルの自律エージェントOSSも合わせて確認してみてください。

---

よくある質問

Q1. TradingAgentsは無料で使えますか？

TradingAgents本体のコードはOSS（オープンソースソフトウェア）なので、<cite index="15-1">Apache-2.0ライセンス</cite>のもと無料で利用できます。ただし、分析を実行するにはLLM（GPT-4など）のAPIキーと金融データAPIのキーが必要で、LLM APIの利用には費用がかかります（Finnhubは無料枠あり）。LLMのAPIコストは使用モデルや分析量によって大きく変わるため、料金は各LLMプロバイダーの公式サイトでご確認ください。

Q2. 実際の株の自動売買に使えますか？

現時点では研究・分析目的のフレームワークです。 <cite index="5-9">TradingAgentsフレームワークは研究目的のために設計されています。</cite>分析レポートや売買方向の推奨は出力できますが、証券口座への注文送信機能は内蔵されていません。実際の取引に使うには、別途ブローカーAPIとの連携実装が必要です。投資判断はすべて自己責任で行ってください。

Q3. PythonやGitを触ったことがなくても使えますか？

正直に言うと、現時点では難しいです。CLIの起動・環境変数の設定・仮想環境の管理など、ターミナルで操作する場面が複数あります。ただし、AIを使いながらコードを書く練習として始めてみるのも一つの方法です。Codex CLIやGemini CLIのようなAIターミナルツールと一緒に使えば、コマンド操作の敷居を下げることができます。

Q4. 日本株の分析はできますか？

主な対象は米国株です。ただし、<cite index="19-10,19-11">ティッカー入力では .SH・.SZ・.SS・.HK・.T などの取引所サフィックスが保持されるよう改善されており</cite>、A株・香港株・東京市場なども対応に向けた改善が進んでいます。最新の対応状況はGitHub公式リポジトリのissueやCHANGELOGをご確認ください。

---

まとめ：次のアクション

TradingAgentsは、「AIで株を分析したい」という需要に対して現時点で最も構造的な回答を提示しているOSSの一つです。

このツールが輝く場面は、「自動売買で稼ぐ」ことではなく、「複数の視点を強制的に検討させる構造化されたリサーチ」です。特に、感情的になりがちな投資判断を「強気と弱気が議論する形式」に落とし込む使い方は、個人投資家にとっても実用的な価値があります。

今すぐできる次のアクション：

  1. GitHub公式リポジトリ でREADMEとCHANGELOGを確認する
  2. Finnhubの無料アカウントを作成してAPIキーを取得する
  3. 小さく動かす：まずローカルでgit cloneして、テスト用の安価なモデルで1銘柄分析してみる
  4. 分析結果をUIに載せたい場合はStreamlitやGradioと組み合わせる

投資は自己責任ですが、「考えるプロセスをAIに手伝ってもらう」という使い方なら、TradingAgentsは今すぐ試す価値のあるツールです。

---

> 免責事項： 本記事はTradingAgentsの技術的な解説を目的としており、投資助言ではありません。実際の投資判断はご自身の責任で行ってください。