ai-hedge-fundとは？OSSで注目される投資家AIエージェントシステムを解説
GitHub で 56,000 以上のスターを獲得し、一時は Trending の常連となった OSS があります。その名は「ai-hedge-fund」。Warren Buffett や Ben Graham など著名投資家の哲学を LLM エージェントとして再現し、マルチエージェント型の株式分析を行うプロジェクトです。
本記事は公式の README、DeepWiki によるアーキテクチャドキュメント、GitHub のソースコードをもとにドキュメントベースで解説しています。実際に環境を構築・実行した内容ではありませんのでご注意ください。
「マルチエージェント AI の実践例を探している」「LangGraph の実際の使われ方を参考にしたい」「AI × 金融の OSS として注目されているが内容をまだ把握できていない」という方に向けて、プロジェクトの概要から技術設計まで整理して解説します。
目次
作業時間削減
システム化を通して時間を生み出し、ビジネスの加速をサポートします。
システム開発が可能に
ai-hedge-fund とは？概要と誕生背景
ai-hedge-fund は、Virat Singh（GitHub: @virattt）が公開した、AI を活用したヘッジファンドの「概念実証（PoC）」プロジェクトです。
MIT ライセンスで公開されており、2026 年 4 月時点で 56,200 以上のスターと 9,800 以上のフォークを獲得しています。一点重要なのは、README に明記された以下の記載です:
"This project is for educational purposes only and is not intended for real trading or investment." （本プロジェクトは教育目的専用であり、実際の取引・投資への使用を意図していません）
つまり、実際の金融取引には使えません。LLM とマルチエージェントシステムの教育・研究用サンドボックスとして開発されています。
LLM が多様化し LangGraph のような軽量エージェントフレームワークが普及したタイミングで、「著名投資家の哲学を LLM にエンコードし、複数エージェントで協働させたらどうなるか」という問いへのアンサーとして生まれたプロジェクトです。
主な特徴と技術スタック
バックエンド・フロントエンド構成
ai-hedge-fund は三層構成のアプリケーションです（システムアーキテクチャ詳細参照）:
層 | 技術 | 役割 |
|---|---|---|
フロントエンド | React 18 + TypeScript + Vite + Tailwind CSS | ビジュアルフロー編集 UI、React Flow によるノードエディタ |
バックエンド | Python 3.11 + FastAPI + LangGraph | エージェントワークフローのオーケストレーション |
データ | Financial Datasets API | 株価・財務データの取得 |
LangGraph でオーケストレーション — AgentState と StateGraph の設計
本プロジェクトの中核は LangGraph の StateGraph です。create_graph 関数がフロントエンドのノード定義をバックエンドの実行可能形式に変換し、各エージェント関数にマッピングします。
すべてのエージェントは共有の AgentState ディクショナリを通じて情報をやり取りします:
# AgentState の主要フィールド（README/公式コードより抜粋）
AgentState = {
"analyst_signals": {...}, # 各エージェントからの投資シグナル
"portfolio_state": {...}, # 現在のポジション・キャッシュ状態
"allowed_actions": [...], # リスク制約下で実行可能なアクション
"remaining_position_limit": {...} # ティッカーごとのポジション制限
}
出典: virattt/ai-hedge-fund - システムアーキテクチャ
対応 LLM プロバイダー（13 種類）と Ollama によるローカル実行
.env ファイルで以下の LLM プロバイダーを切り替えられます:
- クラウド型: OpenAI、Anthropic、Groq、DeepSeek など
- ローカル型: Ollama（
--ollamaフラグで有効化）
ローカル LLM を使えば API コストをかけずに試せる点も人気の理由のひとつです。
Financial Datasets API とデータ対応
株価・財務データは Financial Datasets API 経由で取得します。AAPL/GOOGL/MSFT/NVDA/TSLA の 5 銘柄は無料でデータ取得が可能です（API キー不要）。それ以外の銘柄を使う場合は API キーの登録が必要です。
18 以上のエージェント — 著名投資家の哲学を再現
プロジェクトの最大の特徴が、著名投資家の投資哲学を LLM エージェントとして実装した点です。現時点で 18 以上のエージェントが 3 つのカテゴリーに分かれています。
投資哲学型エージェント（13 以上）
代表的なエージェントとその投資哲学の再現:
エージェント | 投資スタイル |
|---|---|
Warren Buffett | バリュー投資。割安かつ高品質な企業（経済的な堀が広い）を選択 |
Ben Graham | マージン・オブ・セーフティを重視。割安株のスクリーニング |
Charlie Munger | 優れたビジネスを適正価格で購入。定性分析重視 |
Cathie Wood | 破壊的イノベーション銘柄への集中投資 |
Phil Fisher | 定性分析（スコットルバス手法）と長期保有 |
Stanley Druckenmiller | マクロ戦略とモメンタム投資の融合 |
Michael Burry | 逆張り・深いリサーチによる割安株発掘 |
Bill Ackman | アクティビスト投資スタイル |
Mohnish Pabrai | バフェット式バリュー投資を模倣 |
Nassim Taleb | ブラック・スワンリスクへの備えと凸型戦略 |
Peter Lynch | 成長株への投資（テンバガーを探す） |
Rakesh Jhunjhunwala | インドの「バフェット」的な長期バリュー投資 |
Aswath Damodaran | 評価理論（バリュエーション）の第一人者的アプローチ |
分析型エージェント（6）
エージェント | 役割 |
|---|---|
Valuation | バリュエーション計算（DCF など） |
Sentiment | センチメント分析（ニュース・SNS） |
Fundamentals | 財務指標分析 |
Technical Analysis | テクニカル指標の分析 |
成長分析 | 定量評価 |
ニュース感情分析 | 最新ニュースの感情スコアリング |
管理型エージェント（2）
エージェント | 役割 |
|---|---|
Risk Manager | ポートフォリオリスクの計算・ポジション制限の設定 |
Portfolio Manager | 最終的な取引判断の生成 |
エージェント処理フロー
[各投資哲学エージェント] → analyst_signals を生成
↓
[Risk Manager] → remaining_position_limit を算出
↓
[Portfolio Manager] → 許可アクション（allowed_actions）を決定
↓
[LLM] → 最終的な取引判断（買い/売り/ホールド）を出力
セットアップと基本的な使い方
前提要件
- Python 3.11
- Poetry（パッケージ管理）
- Node.js（Web UI を使う場合）
- LLM プロバイダーの API キー（または Ollama のローカル実行環境）
CLI で株式分析を実行する
公式 README のインストール手順に従って以下の手順でセットアップします:
# 1. リポジトリのクローン
git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund
# 2. Poetry のインストール（未インストールの場合）
curl -sSL https://install.python-poetry.org | python3 -
# 3. 依存関係のインストール
poetry install
出典: virattt/ai-hedge-fund README
.env.example をコピーして .env を作成し、API キーを設定します。AAPL/GOOGL/MSFT/NVDA/TSLA の 5 銘柄は FINANCIAL_DATASETS_API_KEY なしで試せます。
# 基本的な分析実行（AAPL, MSFT, NVDA を対象）
poetry run python src/main.py --ticker AAPL,MSFT,NVDA
# ローカル LLM（Ollama）を使う場合
poetry run python src/main.py --ticker AAPL --ollama
# 期間を指定して分析
poetry run python src/main.py --ticker AAPL --start-date 2024-01-01 --end-date 2024-03-01
出典: virattt/ai-hedge-fund README
Web UI でビジュアルフローを設計する
React Flow ベースの Web UI では、エージェントノードをドラッグ＆ドロップして投資戦略グラフを視覚的に設計できます。以下のコマンドでフロントエンドとバックエンドを同時に起動します:
# Mac/Linux の場合
./run.sh
# Windows の場合
run.bat
起動後、ブラウザで http://localhost:5173 にアクセスします。SSE によるリアルタイム更新でシミュレーション進捗を確認できます。
バックテスターで過去データを検証する
バックテスターを使うと、指定期間に対して戦略のパフォーマンスを検証できます:
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-03-01
類似プロジェクトとの比較 — FinRL、AutoHedge との違い
ai-hedge-fund のポジションを明確にするために、代表的な類似 OSS と比較します。
FinRL との比較 — DRL vs. LLM マルチエージェント
AI4Finance-Foundation/FinRL は金融強化学習（Deep Reinforcement Learning）フレームワークです。14,800 スターを持つ老舗の金融 AI OSS です。
観点 | ai-hedge-fund | FinRL |
|---|---|---|
スター数 | 56,200 | 14,800 |
アプローチ | LLM マルチエージェント（投資哲学模倣） | 深層強化学習（DRL） |
判断の説明可能性 | 高い（LLM が自然言語で理由を出力） | 低い（数値の最適化） |
技術スタック | LangGraph + LLM + FastAPI | Python + PyTorch/TensorFlow |
UI | React Flow ビジュアルエディタあり | CLI 中心 |
向いている用途 | LLM エージェント実装の学習・研究 | DRL アルゴリズムの研究・検証 |
ai-hedge-fund の強みは「なぜその判断をしたのか」がエージェントの自然言語出力として残る点です。FinRL は数値最適化の観点では高精度ですが、判断の説明可能性は低くなります。
AutoHedge との比較 — 教育目的 vs. 実運用設計
The-Swarm-Corporation/AutoHedge は「自律型ヘッジファンドを数分で構築する」ことをうたった OSS です（1,300 スター）。
観点 | ai-hedge-fund | AutoHedge |
|---|---|---|
スター数 | 56,200 | 1,300 |
目的 | 教育・研究（実取引不可） | 実取引対応設計 |
エージェント設計 | 13 種の著名投資家哲学を実装 | Director/Quant/Risk Manager/Execution の 4 役割 |
コミュニティ規模 | 大（フォーク 9,800） | 小（フォーク 244） |
向いている用途 | LLM マルチエージェントの学習、金融 AI の PoC | 自律型取引実行の研究 |
ai-hedge-fund は学習・研究・PoC 目的に特化しており、AutoHedge のような実運用設計は持っていません。用途に応じて選択することが重要です。
ai-hedge-fund の活用シーンと注意点
向いている活用シーン
-
LangGraph マルチエージェントの実践例として学ぶ:
StateGraph、AgentState、ノード間の依存関係設計など、LangGraph の実際の使われ方を学ぶ最良の参考実装のひとつです -
金融 AI の PoC 設計の参考: 株式分析パイプラインの設計パターン（データ取得 → 分析 → シグナル生成 → 管理）を理解するための教材として有効です
-
LLM プロバイダーの切り替えアーキテクチャの参考: 13 種類のプロバイダーを
.envで切り替える設計は、マルチ LLM 対応システムの参考になります
注意すべき制約
- 実際の投資・取引には絶対に使用しないこと: README に「For educational purposes only」と明記されています
- API コスト: クラウド LLM を使う場合、複数エージェントを実行すると API コールが多くなります。Ollama などのローカル実行を推奨します
- Financial Datasets API: 無料で使えるのは AAPL/GOOGL/MSFT/NVDA/TSLA のみです
メンテナンス状況
- スター数: 56,200（2026 年 4 月時点）
- フォーク数: 9,800
- コミット数: 827（main ブランチ）
- 最終更新: 2025 年 4 月（アクティブにメンテナンス中）
- ライセンス: MIT
コミュニティ規模・更新頻度ともに健全な状態を維持しています。
まとめ
ai-hedge-fund は、Warren Buffett や Ben Graham などの著名投資家の哲学を LLM エージェントとして実装し、LangGraph でオーケストレーションした教育目的の OSS です。56,000 超のスターが示すように、LLM マルチエージェントシステムの実践例として非常に参考になる設計を持っています。
実際の投資・取引には使用できませんが、以下の用途では高い価値があります:
- LangGraph の
StateGraphとAgentState設計パターンの学習 - マルチエージェントシステムにおけるエージェント間情報共有の実装参考
- 金融 AI PoC のアーキテクチャ設計の教材
詳細なアーキテクチャドキュメントは DeepWiki の解説ページ が充実しています。GitHub リポジトリは virattt/ai-hedge-fund からアクセスできます。
時間を自由に
挑戦と成長を共にできるメンバーとの出会いをお待ちしています。
