Part 4: マルチエージェントシステム
このステージの目標: 協調アーキテクチャを構築する。 なぜ複数の専門家Agentが必要なのか、どのように分業と協調を設計するのか、そしてRisk Agentがどのように拒否権を持つのかを理解する。
レッスンリスト
| レッスン | トピック | 成果物 |
|---|---|---|
| Lesson 11 | なぜマルチエージェントが必要か | マルチAgent アーキテクチャ設計 |
| Lesson 12 | 市場状態識別 (Regime Detection) | Regime Agent |
| Lesson 13 | Regime 誤判定とシステム崩壊 | 誤判定診断チェックリスト、縮退戦略 |
| Lesson 14 | クオンツ取引におけるLLMの応用 | LLM 強化レイヤー設計 |
| Lesson 15 | リスク管理と資金管理 | Risk Agent |
| Lesson 16 | ポートフォリオ構築とエクスポージャー管理 | Portfolio Agent、ファクター監視 |
| Lesson 17 | オンライン学習と戦略進化 | Evolution Agent |
背景知識
| ドキュメント | 説明 | 推奨読書時間 |
|---|---|---|
| マルチエージェントフレームワーク比較 | Shannon vs AutoGen vs CrewAI | 15分 |
| クオンツ取引オープンソースフレームワーク比較 | VectorBT vs Backtrader vs FinRL | 10分 |
| 平均分散ポートフォリオ最適化 | Markowitzモデル、効率的フロンティア、リスクパリティ | 20分 |
このステージ完了後
以下ができるようになります:
- マルチAgent アーキテクチャを設計: Meta Agent、専門家Agent、Risk Agent
- Regime Detection を実装: トレンド市場、レンジ市場、危機市場を識別
- Regime 誤判定の5つのパターンと対応戦略を理解
- LLMの正しい使い方を理解 (強化であり、置き換えではない)
- 多層リスク管理システムを構築し、Risk Agentの拒否権を実装
- ポートフォリオ層を設計: Position Sizing、ファクターエクスポージャー監視
- 戦略のオンライン学習と淘汰メカニズムを設計
次のステージ
→ Part 5: 本番運用と実践 - 実環境へのデプロイ