Cluefin-Dure – Multi-AI-Agent für koreanische Aktien mit Broker-/DART-APIs

Hallo.

Vor sechs Monaten hatte ich das Projekt cluefin vorgestellt.
Dieses Mal habe ich das in cluefin entwickelte OpenAPI-Paket (Broker, DART RestAPI) als Werkzeuge angebunden, die von AI-Agenten genutzt werden können, und daraus das Investment-Research-Multi-Agent-Projekt "cluefin-dure" gemacht.

In der Zwischenzeit habe ich mit cluefin ein CLI, ein TUI und ein Frontend gebaut, AI-Anbindungen ausprobiert und auch an automatischem Trading/Backtesting in verschiedener Form herumprobiert.
Der Entwicklungsprozess hat zwar Spaß gemacht, aber ich habe es nicht kontinuierlich genutzt; dadurch gab es auch kaum etwas gezielt zu verbessern ... und stattdessen kamen einfach unnötige Features dazu ... ein Teufelskreis ;;

Dann habe ich das Projekt Dexter gesehen und dachte: „Oh!! Wenn ich das für meine Bedürfnisse anpasse, könnte das wirklich nützlich sein“, also habe ich angefangen.

virattt ist großartig!!!

Ja, genug Dampf abgelassen – jetzt stelle ich das Projekt vor.

---

Ziel

Wie früher in arbeitsintensiven Zeiten in der Landwirtschaft viele Menschen gemeinsam die Feldarbeit erledigten,
kam mir der Gedanke, dass es schön wäre, wenn auch meine Investments von AI-Agenten gemeinsam mit aufgeteilten Rollen geprüft würden.
Deshalb habe ich den Namen „Dure“ gewählt.

Es gibt noch viel zu verfeinern, aber das Ziel ist, über die einfache Frage zu einer einzelnen Aktie hinauszugehen
und ein Tool wie einen Investment-Assistenten zu bauen, das Research, Unternehmensanalyse und Portfoliomanagement in einem Workflow zusammenführt.

Wichtige Funktionen

Ich habe pi verwendet. 🙏🏼

🤖 Multi-Agent-Research

Research wird mit aufgeteilten Rollen für Fundamentaldaten / News / Strategie / Backtest / Kritik durchgeführt.

💬 Interaktive Erkundung

Im Terminal kann man direkt in natürlicher Sprache eine Unternehmensanalyse anstoßen.

📊 Szenarioanalyse

Zum Beispiel bei einer Frage wie Was passiert mit dem Halbleitersektor, wenn die Fed die Zinsen in einer Notmaßnahme um 50 bp senkt?
wird das Szenario strukturiert und ein Bericht mit Auswirkungen je Aktie sowie einer Gesamtbewertung erstellt.

🔎 Aktien-Screening

Kandidatenaktien lassen sich nach Markt-/Stilkriterien eingrenzen und priorisieren.

🧪 Strategie-Research + Backtest

Wenn man eine Strategieidee eingibt, kann man sich durchgehend Strategieentwurf, Backtest und Kritik ansehen.

📝 Ergebnisspeicherung und Reports

Die Ausführungsergebnisse werden im Format data/runs/<runId>/report.html gespeichert und können sowohl als Terminal-Zusammenfassung als auch als HTML-Report betrachtet werden.

🧠 Aufbau von Memory

Ich baue außerdem eine Struktur ein, in der Inhalte wie Strategien, Experimente und Thesen nach und nach in einem dateibasierten Memory angesammelt werden.
Es ist noch in einem frühen Stadium, aber ich möchte es so machen, dass es mit der Nutzung besser wird und persönliche Vorlieben widerspiegelt.

.
Weitere Pläne

• Tool für US-Aktien von Korea Investment & Securities hinzufügen
• EDGAR API Tool hinzufügen
• Tool zum Herunterladen & Parsen von XBRL hinzufügen
• Tool zum Parsen von Anmerkungen aus Offenlegungen der Finanzaufsicht hinzufügen
• Entwicklung einer Funktion, mit der sich in einer vereinfachten Version von MiroFish ein einzelnes Event simulieren lässt
• Entwicklung von Funktionen, die mit dem Konzept von autoresearch besseres Research und bessere Unternehmensanalysen ermöglichen

---

Benötigt werden 4 Schlüssel.

• OpenAI, Google-AI-Abonnement oder Anthropic API Key
• Korea Investment & Securities RestAPI Key
• Kiwoom Securities RestAPI Key
• Financial Supervisory Service OpenDart Key

Es sind zwar ziemlich viele Schlüssel. haha
Wenn Sie sich für die Struktur selbst interessieren, dürfte es schon spannend sein, den Code einmal leicht zu überfliegen.

Vielen Dank.