# TradingAgents: đội AI phân tích cổ phiếu, tranh luận rồi ra quyết định — hướng dẫn cài đặt và dùng

> TradingAgents là framework mã nguồn mở viết bằng Python, mô phỏng một công ty giao dịch bằng nhiều tác tử AI: phân tích, tranh luận, đánh giá rủi ro rồi đưa ra quyết định. Bạn chạy bằng lệnh `tradingagents` hoặc gọi từ code Python. Cài không quá khó nếu đã có Python 3.11 trở lên và một API key của nhà cung cấp mô hình AI. Repo dành cho nghiên cứu, không phải lời khuyên đầu tư.

- Tác giả: Ông T (https://ongt.vn/gioi-thieu)
- Chủ đề: Repo & Skill
- Đăng: 2026-06-12 · Cập nhật: 2026-11-13
- URL: https://ongt.vn/bai-viet/tradingagents-doi-ai-phan-tich-co-phieu-huong-dan-cai-dat

TradingAgents là một framework mã nguồn mở viết bằng Python, dựng lên một "công ty giao dịch thu nhỏ" gồm nhiều tác tử AI. Có tác tử đọc báo cáo tài chính, có tác tử đọc tin tức, có tác tử xem biểu đồ kỹ thuật. Rồi các tác tử này tranh luận với nhau, và cuối cùng ra một quyết định cho mã bạn chọn.

Bạn nên xem repo này nếu muốn tìm hiểu cách nhiều AI phối hợp làm một việc phức tạp. Nó hợp với lập trình viên tò mò về đa tác tử, sinh viên tài chính, hoặc người kinh doanh muốn xem một quy trình phân tích có cấu trúc trông thế nào. Nó không phải máy in tiền. Chính tác giả ghi rõ repo phục vụ nghiên cứu và không phải lời khuyên tài chính, đầu tư hay giao dịch.

Điểm đáng giá nhất là bạn được xem cả quá trình lập luận, không chỉ nhận một kết luận. Mỗi vai trò viết báo cáo riêng, bên mua và bên bán phản biện nhau, rồi mới có quyết định cuối. Hiện repo có khoảng 122.319 sao và 23.414 fork trên GitHub, giấy phép Apache-2.0, và vẫn được cập nhật trong vài tháng gần đây.

```repo
- repo | TauricResearch/TradingAgents
- kind | Framework
- desc | Framework Python dùng nhiều tác tử AI đóng vai nhà phân tích, trader và quản lý rủi ro để đánh giá một mã cổ phiếu hoặc crypto, phục vụ nghiên cứu.
- stars | 122k
- lang | Python
- license | Apache-2.0
```

## TradingAgents làm được gì

Ý tưởng chính là chia một việc lớn ("có nên mua mã này không?") thành các vai nhỏ, giống một phòng đầu tư thật.

### Đội phân tích

Có bốn vai, bạn chọn vai nào chạy cũng được:

- **Fundamentals Analyst** (phân tích cơ bản): đánh giá tài chính, hiệu quả hoạt động của công ty, tìm giá trị nội tại và các dấu hiệu đáng ngờ.
- **Sentiment Analyst** (tâm lý thị trường): gom tiêu đề tin, StockTwits và Reddit thành một nhận định về tâm lý ngắn hạn.
- **News Analyst** (tin tức): theo dõi tin toàn cầu và chỉ số kinh tế vĩ mô, giải thích tác động của chúng lên thị trường.
- **Technical Analyst** (kỹ thuật): dùng các chỉ báo như MACD, RSI để tìm mẫu hình và dự đoán biến động giá.

Các nhà phân tích đã chọn chạy cùng lúc, mỗi vai có công cụ riêng. Nhờ vậy bạn không phải ngồi chờ từng vai một.

### Tranh luận giữa phe mua và phe bán

Đội nghiên cứu gồm một bên lạc quan (bullish) và một bên bi quan (bearish). Họ phê bình báo cáo của đội phân tích và cân nhắc lợi nhuận với rủi ro. Cách này giúp bạn thấy cả hai mặt, thay vì một câu trả lời "xuôi chiều".

### Trader, quản lý rủi ro và Portfolio Manager

Trader tổng hợp mọi báo cáo để đề xuất thời điểm và quy mô giao dịch. Đội rủi ro xét độ biến động, thanh khoản và các yếu tố khác. Portfolio Manager duyệt hoặc từ chối đề xuất. Theo README, nếu được duyệt thì lệnh được gửi tới một sàn giao dịch mô phỏng, tức là không phải tiền thật.

### Chọn nhà cung cấp AI tuỳ ý

Repo hỗ trợ nhiều nhà cung cấp mô hình: OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Mistral, Kimi, Groq, NVIDIA, Azure OpenAI, và cả mô hình chạy trên máy bạn qua Ollama. Bạn dùng được gói ChatGPT Plus hoặc Pro của mình thay cho API key. Nếu đã có sẵn một tài khoản AI, nhiều khả năng bạn dùng được ngay.

### Nhiều thị trường

Repo chạy với thị trường mà Yahoo Finance có, dùng mã kèm hậu tố sàn. Ví dụ `AAPL` và `SPY` (Mỹ), `0700.HK` (Hong Kong), `7203.T` (Tokyo), `AZN.L` (London), `RELIANCE.NS` (Ấn Độ), `600519.SS` (Thượng Hải), và crypto như `BTC-USD`, `ETH-USD`. Tư liệu không nhắc tới sàn chứng khoán Việt Nam, nên mình không khẳng định mã Việt Nam chạy được.

### Báo cáo lưu lại được

Kết quả có thể lưu thành bộ báo cáo, kèm một trang `complete_report.html` để đọc trên trình duyệt, điện thoại hoặc in ra. Mỗi báo cáo cũng ghi lại các thiết lập của lần chạy, nên sau này bạn biết nó chạy bằng mô hình nào.

## Cần chuẩn bị gì

Theo tư liệu, bạn cần:

- **Python 3.11 trở lên** (file `pyproject.toml` yêu cầu `>=3.11`). README gợi ý tạo môi trường ảo bằng conda hoặc uv.
- **Git**, để tải mã nguồn về.
- **Một nhà cung cấp mô hình AI**, tức là API key của một trong các hãng ở trên, hoặc gói ChatGPT Plus/Pro, hoặc Ollama chạy trên máy.
- **Tuỳ chọn:** `FRED_API_KEY` (dữ liệu vĩ mô, README ghi là miễn phí), `ALPHA_VANTAGE_API_KEY`, `TYPESAFE_API_KEY` (lọc bài đăng mạng xã hội bằng Jev).
- **Tuỳ chọn:** Docker, nếu bạn thích chạy trong container. Repo có sẵn `Dockerfile` và `docker-compose.yml`.

Về hệ điều hành và phần cứng, README không có mục yêu cầu riêng. Mô hình thường chạy qua dịch vụ đám mây nên không nhắc GPU. Muốn chạy mô hình cục bộ thì bạn cần tự xem cấu hình máy phù hợp với mô hình Ollama mình chọn; tư liệu chưa nói gì thêm.

```note
API key là chìa khoá tính tiền. Đừng dán key vào tin nhắn, ảnh chụp màn hình hay đẩy file `.env` lên GitHub. Mỗi lần chạy gọi nhiều tác tử AI nên tốn nhiều lượt gọi mô hình hơn một câu hỏi thường. Hãy bắt đầu với một mã và số vòng tranh luận thấp để xem mức chi phí.
```

## Cài đặt từng bước

Có hai đường: cài trực tiếp bằng Python, hoặc dùng Docker. Phần dưới hướng dẫn đường Python trước.

```steps
- Tải mã nguồn | Clone repo về máy và vào thư mục TradingAgents
- Tạo môi trường ảo | Dùng conda hoặc uv với Python 3.11 trở lên
- Cài gói | Chạy pip install . trong thư mục repo
- Điền API key | Sao chép .env.example thành .env rồi điền key
- Chạy thử | Gõ tradingagents để mở giao diện dòng lệnh
```

### Tải mã nguồn về máy

Mở terminal (Terminal trên macOS/Linux, PowerShell hoặc Git Bash trên Windows) ở thư mục bạn muốn lưu dự án, rồi chạy:

```bash
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
```

Lệnh đầu tải repo về, lệnh thứ hai đi vào thư mục vừa tải. Người mới hay quên lệnh `cd` rồi chạy các lệnh sau ở sai chỗ. Hãy chắc là terminal đang đứng trong thư mục `TradingAgents`.

### Tạo môi trường ảo

Môi trường ảo giúp gói của dự án không lẫn với các dự án Python khác. README đưa hai cách. Cách dùng conda:

```bash
conda create -n tradingagents python=3.13
conda activate tradingagents
```

Hoặc dùng [uv](https://docs.astral.sh/uv/):

```bash
uv venv --python 3.13
source .venv/bin/activate
```

Lệnh `source .venv/bin/activate` là cú pháp macOS/Linux. README không ghi lệnh kích hoạt riêng cho Windows. Nếu dùng Windows và chưa quen, cách conda ở trên là lựa chọn đơn giản hơn vì lệnh giống nhau trên mọi hệ điều hành.

### Cài gói

Trong thư mục `TradingAgents`, với môi trường ảo đang bật:

```bash
pip install .
```

Dấu chấm ở cuối nghĩa là "cài dự án trong thư mục hiện tại", đừng bỏ nó. Nếu bạn dùng uv, README ghi dùng `uv pip install .`. Dùng AWS Bedrock thì cài thêm phần mở rộng bằng `pip install ".[bedrock]"`.

### Điền API key

Cách dễ nhất là sao chép file mẫu rồi mở file mới bằng trình soạn thảo văn bản:

```bash
cp .env.example .env
```

Trên PowerShell, lệnh `cp` cũng chạy được vì nó là bí danh của `Copy-Item`. Trong file `.env`, điền key của nhà cung cấp bạn dùng. Ví dụ muốn dùng OpenAI thì điền `OPENAI_API_KEY`. File mẫu có sẵn các tên biến như `GOOGLE_API_KEY`, `ANTHROPIC_API_KEY`, `XAI_API_KEY`, `DEEPSEEK_API_KEY`, `OPENROUTER_API_KEY`, `MISTRAL_API_KEY`, `GROQ_API_KEY` và nhiều nhà cung cấp khác. Bạn chỉ cần điền của hãng mình dùng.

Cách khác theo README là đặt biến môi trường trực tiếp trong terminal, ví dụ:

```bash
export OPENAI_API_KEY=...          # OpenAI (GPT)
```

Thay `...` bằng key thật của bạn. Cách này chỉ có hiệu lực trong cửa sổ terminal đó.

### Dùng gói ChatGPT thay cho API key (tuỳ chọn)

Nếu bạn có ChatGPT Plus hoặc Pro, README cho phép chạy bằng gói này. Chọn "Subscription" trong menu nhà cung cấp của CLI, hoặc đặt `llm_provider: "chatgpt"`. Đăng nhập một lần bằng:

```bash
tradingagents login chatgpt
```

Lệnh in ra một địa chỉ để bạn mở trong trình duyệt. Thông tin đăng nhập lưu ở `~/.tradingagents/chatgpt-auth.json`, và `tradingagents logout chatgpt` sẽ thu hồi nó. Lưu ý: mỗi lần chạy tính vào hạn mức của gói, và gói này không nhận `temperature` hay `max_tokens`.

### Hoặc chạy bằng Docker

Nếu đã có Docker, bạn không cần tự cài Python:

```bash
cp .env.example .env  # add your API keys
docker compose run --rm tradingagents
```

Sau khi cập nhật repo, dựng lại image bằng `docker compose build`. Với Docker, khoá phải để trong `.env`, vì image không chứa file `.env`. Muốn chạy mô hình cục bộ với Ollama:

```bash
docker compose --profile ollama run --rm tradingagents-ollama
```

## Kiểm tra đã chạy được chưa

Sau khi cài và điền key, chạy giao diện dòng lệnh:

```bash
tradingagents          # installed command
python -m cli.main     # alternative: run directly from source
```

Nếu lệnh `tradingagents` báo không tìm thấy, thử lệnh thứ hai (`python -m cli.main`) và kiểm tra bạn đã bật đúng môi trường ảo. Thành công khi bạn thấy màn hình chọn mã cổ phiếu, ngày phân tích, nhà cung cấp AI, độ sâu nghiên cứu và các tuỳ chọn khác. Sau đó một giao diện hiện ra, cho bạn theo dõi tiến độ của từng tác tử khi kết quả được tải về.

Lần sau bạn chạy lại, các câu trả lời lần trước được điền sẵn làm mặc định, chỉ cần nhấn Enter để chấp nhận.

Muốn kiểm tra từ Python, README có đoạn mẫu. Bạn thay chuỗi ngày bằng ngày phân tích theo dạng `YYYY-MM-DD`:

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

ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())

# forward propagate
state, decision = ta.propagate("NVDA", "YYYY-MM-DD")
print(decision)

# the same report tree the CLI saves, under results_dir/reports
ta.save_reports(state, "NVDA")
```

Repo cũng có sẵn file `main.py` để bạn chạy mẫu.

## Dùng vào việc thật

Mọi tình huống dưới đây chỉ dùng chức năng có trong README, và chỉ nên xem là công cụ tham khảo, không phải lời khuyên đầu tư.

### Người mới muốn xem quy trình phân tích của một mã

**Bối cảnh:** bạn là nhân viên văn phòng có chút vốn nhỏ, hay đọc tin chứng khoán nhưng chưa biết sắp xếp thông tin thế nào.

**Cách làm:** chạy `tradingagents`, chọn mã (ví dụ `AAPL`), chọn ngày, chọn nhà cung cấp AI rồi để các tác tử chạy. Bạn xem lần lượt báo cáo phân tích cơ bản, tin tức, kỹ thuật và tâm lý.

**Kết quả:** bạn có một bản phân tích chia theo vai, kèm lập luận của phe mua và phe bán. Giá trị lớn nhất là học cách một quy trình phân tích được tổ chức, chứ không phải câu kết luận cuối.

> Giá trị của công cụ này nằm ở việc nhìn thấy AI lập luận ra sao, không phải ở câu "nên mua" hay "nên bán" ở cuối.
>
> — Ông T

### Chạy tự động theo lịch, không cần trả lời câu hỏi

**Bối cảnh:** bạn là lập trình viên muốn mỗi ngày chạy phân tích cho một mã và lưu báo cáo.

**Cách làm:** README cho phép chạy không cần hỏi đáp, bằng cờ cho các bước theo từng lần chạy và biến `TRADINGAGENTS_*` cho phần còn lại:

```bash
export TRADINGAGENTS_LLM_PROVIDER=openai TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
export TRADINGAGENTS_OUTPUT_LANGUAGE=English TRADINGAGENTS_MAX_DEBATE_ROUNDS=1 TRADINGAGENTS_MAX_RISK_ROUNDS=1
tradingagents --ticker NVDA --date YYYY-MM-DD --analysts market,news,fundamentals --save --no-show
```

Thay `YYYY-MM-DD` bằng ngày thật. Cờ `--analysts` chọn các nhà phân tích (ở đây là `market,news,fundamentals`), `--save` lưu báo cáo, `--no-show` không hiện giao diện. Nếu chạy không có terminal mà thiếu câu trả lời nào, repo dừng trước khi bắt đầu và cho biết cờ hoặc biến cần đặt.

**Kết quả:** báo cáo nằm trong thư mục kết quả, kèm `complete_report.html` để mở bằng trình duyệt.

### Dev muốn nhúng vào code của mình

**Bối cảnh:** bạn làm một công cụ nội bộ và muốn gọi phân tích như một hàm Python.

**Cách làm:** import `TradingAgentsGraph`, chỉnh cấu hình rồi gọi `propagate`:

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

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"        # e.g. openai, google, anthropic, deepseek, groq, ollama
config["deep_think_llm"] = "gpt-6-sol"    # Model for complex reasoning
config["quick_think_llm"] = "gpt-6-luna"   # Model for quick tasks
config["max_debate_rounds"] = 2

ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("NVDA", "YYYY-MM-DD")
print(decision)
```

Hai mô hình có vai trò khác nhau: `deep_think_llm` cho lập luận phức tạp, `quick_think_llm` cho việc nhanh. Tăng `max_debate_rounds` thì tranh luận dài hơn, nhưng cũng tốn thêm lượt gọi mô hình.

**Kết quả:** biến `decision` chứa quyết định để chương trình của bạn xử lý tiếp.

### Chạy mô hình trên máy để không gửi dữ liệu ra ngoài

**Bối cảnh:** bạn không muốn gửi nội dung sang dịch vụ đám mây, hoặc muốn tránh phí gọi API.

**Cách làm:** theo README, đặt `llm_provider: "ollama"`. Endpoint mặc định là `http://localhost:11434/v1`. Tải mô hình bằng `ollama pull <tên>`, rồi chọn "Custom model ID" trong CLI nếu mô hình chưa có trong danh sách. Với máy chủ tương thích OpenAI khác (vLLM, LM Studio, llama.cpp), dùng `llm_provider: "openai_compatible"` và đặt `backend_url`.

**Kết quả:** phần suy luận do mô hình trên máy bạn xử lý. Lưu ý dữ liệu thị trường vẫn phải tải từ các nguồn bên ngoài. Chất lượng phụ thuộc mô hình bạn chọn, tư liệu không có số liệu so sánh.

## Lỗi hay gặp và cách xử lý

### Báo thiếu hoặc sai API key

Đây là lỗi hay gặp nhất với công cụ dùng AI. Kiểm tra tên biến trong `.env` có đúng không (ví dụ `OPENAI_API_KEY`), có khoảng trắng thừa không, và nhà cung cấp trong CLI có khớp với key bạn điền không. Dùng Docker thì key phải nằm trong `.env`, vì image không chứa file đó.

### Gõ `tradingagents` báo không tìm thấy lệnh

Thường do chưa bật môi trường ảo, hoặc cài ở môi trường khác. Bật lại môi trường (`conda activate tradingagents`), vào thư mục repo rồi chạy lại `pip install .`. Có thể chạy tạm bằng `python -m cli.main`.

### Phiên bản Python quá cũ

Repo yêu cầu Python 3.11 trở lên. Nếu bản Python mặc định của máy thấp hơn, việc cài sẽ lỗi. Hãy tạo môi trường mới đúng như README, chỉ định Python 3.13.

### Chạy chậm hoặc tốn tiền hơn dự kiến

Mỗi lần chạy gồm nhiều tác tử và nhiều vòng tranh luận. Giảm số nhà phân tích bằng `--analysts`, và giữ `TRADINGAGENTS_MAX_DEBATE_ROUNDS=1` cùng `TRADINGAGENTS_MAX_RISK_ROUNDS=1` khi mới thử. Theo dõi trang tính tiền của nhà cung cấp.

### Gói ChatGPT không nhận một số tham số

Nếu dùng chế độ Subscription, README nói gói này không nhận `temperature` và `max_tokens`, và mỗi lần chạy tính vào hạn mức sử dụng. Muốn chỉnh các tham số đó, hãy chuyển sang API key.

## Có nên dùng không

**Điểm mạnh:**

- Quy trình rõ ràng, chia vai như một phòng đầu tư thật, bạn đọc được lập luận từng bước.
- Linh hoạt về mô hình: nhiều nhà cung cấp, kể cả chạy cục bộ qua Ollama.
- Dùng được từ dòng lệnh hoặc từ code Python, có Docker, có báo cáo HTML.
- Mã nguồn mở, giấy phép Apache-2.0, còn được cập nhật.

**Giới hạn:**

- Tác giả nói rõ đây là công cụ nghiên cứu, không phải lời khuyên tài chính. Kết quả thay đổi theo mô hình, nhiệt độ, giai đoạn, chất lượng dữ liệu và các yếu tố ngẫu nhiên.
- Lệnh được gửi tới sàn mô phỏng. Tư liệu không nói repo kết nối với sàn thật để đặt lệnh bằng tiền thật.
- Cần có chút quen thuộc với terminal và API key. Người hoàn toàn chưa dùng dòng lệnh sẽ thấy hơi bỡ ngỡ.
- Chi phí gọi mô hình có thể đáng kể nếu chạy nhiều mã, nhiều vòng.

**Khi nào chọn cách khác:** nếu bạn chỉ cần xem biểu đồ hoặc tra cứu số liệu nhanh, một trang tài chính thông thường là đủ. Nếu muốn đầu tư bằng tiền thật, hãy tự kiểm chứng và tham khảo người có chuyên môn, đừng ra quyết định chỉ dựa vào đầu ra của AI. Còn nếu bạn muốn học cách xây hệ thống đa tác tử, TradingAgents là một ví dụ thực tế đáng thử.

## Câu hỏi thường gặp

### TradingAgents có miễn phí không?

Bản thân repo là mã nguồn mở theo giấy phép Apache-2.0, tải và dùng không mất phí. Tuy nhiên bạn cần một nhà cung cấp mô hình AI, và việc gọi mô hình qua API thường tính phí theo nhà cung cấp. Bạn cũng có thể dùng gói ChatGPT Plus/Pro hiện có, hoặc chạy mô hình cục bộ bằng Ollama.

### TradingAgents có cần GPU không?

Tư liệu không nêu yêu cầu GPU. Khi dùng mô hình qua API của OpenAI, Google, Anthropic... phần tính toán nặng nằm ở phía nhà cung cấp. Nếu chạy mô hình cục bộ bằng Ollama hoặc vLLM thì cấu hình máy phụ thuộc mô hình bạn chọn, tư liệu chưa có thông tin cụ thể.

### Chạy trên Windows được không?

README không có mục yêu cầu hệ điều hành riêng, nhưng nhật ký thay đổi có nhắc một bản sửa lỗi mã hoá UTF-8 cho Windows. Lệnh kích hoạt môi trường của uv trong README là kiểu macOS/Linux. Người dùng Windows có thể dùng conda hoặc Docker, hai cách có lệnh giống nhau trên mọi hệ điều hành.

### Repo có tự đặt lệnh mua bán bằng tiền thật không?

Theo README, nếu Portfolio Manager duyệt đề xuất thì lệnh được gửi tới một sàn giao dịch mô phỏng. Tư liệu không nói về kết nối sàn thật. Tác giả cũng ghi rõ repo phục vụ nghiên cứu và không phải lời khuyên đầu tư.

### Dữ liệu của tôi có an toàn không?

README cho biết bước kiểm tra bản cập nhật chạy nền tối đa một lần mỗi ngày và không gửi gì về các lần chạy của bạn. Bạn tắt được bằng `TRADINGAGENTS_NO_UPDATE_CHECK=1`. Còn nội dung gửi tới nhà cung cấp mô hình phụ thuộc vào nhà cung cấp bạn chọn. Muốn hạn chế, có thể dùng mô hình cục bộ qua Ollama.

### Dùng được cho cổ phiếu ngoài Mỹ và crypto không?

Có. README nói repo chạy với thị trường mà Yahoo Finance hỗ trợ, dùng mã kèm hậu tố sàn, như `0700.HK`, `7203.T`, `AZN.L`, `600519.SS`, và crypto như `BTC-USD`. Tư liệu không nhắc riêng thị trường Việt Nam nên chưa có thông tin về mã trong nước.

### Dùng gói ChatGPT Plus thay cho API key được không?

Được. Chọn "Subscription" trong menu nhà cung cấp của CLI hoặc đặt `llm_provider: "chatgpt"`, rồi đăng nhập một lần bằng `tradingagents login chatgpt`. Mỗi lần chạy tính vào hạn mức của gói, và gói này không nhận `temperature` hay `max_tokens`.
