Hermes를 IB 수준의 금융 분석가로 만드는 방법

LLM 이 주식에 대해 똑똑한 소리를 하게 만드는 건 이미 할 줄 안다고 가정할게. 다들 그렇게 하니까. 그게 진짜 일이 아니다.

진짜 일은 하네스, 즉 모델을 감싸는 레이어다. 이 레이어가 당신의 애널리스트를 신뢰할 수 있는 책상으로 만들지, 문법만 좋은 난수 생성기로 만들지를 결정한다. 모델은 전체 시스템에서 가장 쉽게 교체할 수 있는 부분이다.

세 가지 부분:

1. 제대로 실행하는 방법
2. 금융 머신으로 교육하는 방법 (진짜 차별점)
3. 기능을 확장하는 저장소와 서비스

두 번째 부분은 두 번 읽어라.

재정적 조언이 아닙니다. 직접 조사하세요. 제 개인 프로젝트 - @coldvisionXYZ

파트 1 실행하고, 무엇을 실행하는지 이해하기

한 줄이면 된다. Python, node, git 등 모든 것을 ~/.hermes/ 에 설치한다:

1curl -fsSL https://raw.githubusercontent.com/NousResearch/hermes-agent/main/scripts/install.sh | bash

Linux, macOS, WSL2, Termux 를 통한 Android (자동 감지), 네이티브 Windows (초기 베타, WSL 불필요). Python 3.11+. 그 다음 hermes setup 으로 마법사를 실행하거나, hermes model / hermes tools / hermes gateway setup 으로 개별 설정을 진행한다. hermes (클래식 CLI) 또는 hermes --tui (권장) 로 실행한다.

공급자 추상화는 조용한 슈퍼파워다

동일한 런타임이 chat-completions API, Anthropic Messages, Codex Responses, out-of-process Codex 앱 서버 경로, 그리고 Bedrock 을 구동한다.

도구 호출 형식과 공급자의 특이사항은 전송 어댑터에 의해 정규화되므로, 루프 레벨에서 모델 표면은 뒤에 무엇이 있든 동일하게 보인다.

이는 공급자 장애 조치가 실제로 가능하고, 모델 교체가 진정한 코드 수정 없이 이루어짐을 의미한다.

당신의 지갑에 미치는 실질적인 결과: 하나의 모델만 실행하지 않는다.

config.yaml 의 auxiliary 아래에서 모든 사이드 태스크, 큐레이터 실행, 비전, 임베딩, 제목 생성, 세션 검색, 압축 요약기는 각각 자체 공급자, 모델, base_url 및 reasoning effort 를 지정할 수 있다.

따라서 비싼 추론 모델이 오래된 채팅을 요약하거나 세션 이름을 짓는 데 토큰을 낭비하지 않는다.

또한 어려운 작업은 강력한 모델로, 나머지는 저렴한 모델로 보내는 smart_model_routing 도 있다.

가장 저렴한 합리적인 설정: Nous Portal (하나의 구독으로 300개 이상의 모델 + 웹/브라우저/이미지/TTS 용 Tool Gateway) 을 기본으로, 모든 보조 작업에는 저렴한 모델을 지정하고, 로컬 Ollama/vLLM 을 무료 대비책으로 사용한다. 로컬로 갈 경우, Ollama 는 기본적으로 4k 컨텍스트를 사용하고 조용히 자르므로, num_ctx 를 64k+ 로 설정하지 않으면 에이전트가 멍청해져서 모델 탓을 하게 될 것이다.

설정을 건드리기 전에 반드시 이해해야 할 것: 프롬프트는 캐시 형태로 구성된다

이것은 전체 시스템이 보호하기 위해 구축된 불변의 규칙이며, 이를 이해하지 못하면 조용히 비용이 10배로 늘어날 것이다.

Hermes 는 시스템 프롬프트를 세 가지 계층으로 구성한다:

1. stable
2. context
3. volatile

Stable 은 정체성 (SOUL.md), 활성화된 도구만을 위한 도구 안내, 스킬 인덱스, 환경 힌트를 담는다. Context 는 현재 작업 디렉토리(cwd)에서 파생된다. Volatile 은 턴마다 변경된다. 계층화는 한 가지 이유로 코드에 명시되어 있다: 프롬프트-접두사 캐시 유효성. 공급자는 프롬프트의 접두사를 캐시하고 캐시된 토큰에 대해 할인된 요금을 청구한다. Stable 계층이 변경될 때마다 캐시가 무효화되어 모든 것에 대해 정가를 지불해야 한다.

따라서 Hermes 는 컨텍스트 변경을 거의 신성시한다. 에이전트 자체 엔지니어링 규칙에서: 컨텍스트를 의도적으로 변경하는 유일한 경우는 압축 중이다. 시스템 프롬프트 상태를 변경하는 슬래시 명령어 (스킬 설치, 도구 전환) 는 기본적으로 지연된 무효화를 사용하며, 변경 사항은 다음 세션에 적용된다. 정말로 즉시 적용해야 할 때는 --now 플래그를 선택적으로 사용한다. /skills install --now 가 "캐시 무효화를 감수하겠다"는 표준 패턴이다.

애널리스트로서 이것이 중요한 이유: 활성화하는 모든 스킬과 켜는 모든 도구는 그 stable 계층에 존재하며 모든 단일 호출에 대해 접두사 토큰 비용을 발생시킨다. 60개의 활성화된 도구를 가진 비대한 에이전트는 모든 턴마다 60개의 모든 설명에 대한 비용을 영원히 지불한다. 가벼운 도구 세트와 온디맨드 스킬은 단순한 정리가 아니라 비용 모델 그 자체다.

압축은 잘라내기가 아니라 계보다

컨텍스트가 가득 차면, 순진한 에이전트는 오래된 턴을 버리고 기억 상실증에 걸린다.

Hermes 는 두 개의 독립적인 압축 계층을 실행한다:

1. 에이전트가 실행되기 전에 대략적인 추정치로 컨텍스트의 약 85%에서 작동하는 게이트웨이 "세션 위생" 안전망
2. 실제 압축, 정확한 API 보고 토큰 수를 사용하여 약 50%에서 작동하는 인-루프 ContextCompressor

오래된 메시지를 삭제하는 대신 중간 턴을 요약하여 새 메시지로 만들고, 세션은 모든 압축 분할에 대한 부모-자식 계보를 추적한다. 요약은 대화 기록의 일부가 되고, 원본은 계보에 보존된다.

손실이 있어도 괜찮다. 무손실은 메모리 부족(OOM)을 유발할 것이다.

세션은 단순한 대화 기록이 아니라 인프라다.

소스 태그와 라우팅 메타데이터를 가지며, 모델이 사용하는 session_search 도구와 모든 과거 턴에 대한 FTS5 SQLite 인덱스가 있다. 당신의 에이전트는 "3주 전에 COIN 에 대해 내린 결론이 뭐였지?"를 추론 중간에 기억해낼 수 있다. 컨텍스트에 집어넣었기 때문이 아니라, 필요할 때 자신의 과거 기록을 조회할 수 있기 때문이다.

실행 환경

6가지 터미널 백엔드:

1. local
2. Docker
3. SSH
4. Singularity
5. Modal
6. Daytona

Modal 과 Daytona 는 서버리스이며, 환경은 유휴 상태에서 절전 모드로 전환되었다가 필요할 때 깨어나므로 실행 간격 동안 거의 비용이 들지 않는다.

$5 VPS 또는 절전 모드 서버리스 박스가 진정한 "$5" 솔루션이다. 게이트웨이를 연결하면 동일한 에이전트가 통합 세션 라우팅을 통해 20개 이상의 플랫폼 (Telegram, Discord, Slack, Signal 등) 에서 실행되므로, 클라우드 박스에서 작업하는 동안 휴대폰으로 에이전트와 대화할 수 있다.

세션은 다중 프로세스 쓰기 경합을 위한 사용자 정의 재시도 계층이 있는 WAL 모드의 SQLite 를 통해 재시작 후에도 유지되므로, cron 작업과 게이트웨이 작업이 서로를 손상시키지 않는다.

파트 2 - 금융 머신으로 교육하기

평범한 에이전트는 도메인 교육이나 판단 규율이 없는 뛰어난 인턴과 같다. 당신은 말 그대로 네 가지 채널을 통해 에이전트를 교육한다: 정체성, 플레이북, 기억, 그리고 기준. 그러면 에이전트는 스스로 교육하게 되고, 당신의 진짜 역할은 큐레이션이 된다.

2a. 정체성 - SOUL.md 가 첫 번째 슬롯이다

SOUL.md 는 말 그대로 시스템 프롬프트의 첫 번째 항목이며, 도구, 스킬, 그 무엇보다 먼저 온다. 페르소나와 가치관 계층이다.

금융 애널리스트의 경우, 여기서 성격적 특성이 아닌 인식론적 기질을 설정한다.

예를 들어: "당신은 회의적인 바이사이드 애널리스트입니다. 당신은 깔끔한 숫자와 스토리를 불신합니다. 이번 세션에서 도구를 통해 가져오지 않은 수치는 절대 언급하지 않습니다.

추측하기보다는 '데이터 불충분'이라고 말하는 편을 택합니다. 당신은 자신의 이전 결론을 업데이트해야 할 사전 확률로 취급합니다."

이것은 캐시-안정 계층에 위치하며 모든 턴에 무료로 색을 입힌다. 대부분의 사람들은 SOUL.md 를 기본값으로 둔다. 애널리스트에게 이것은 가장 레버리지가 큰 1,500자다.

2b. 플레이북 - 스킬, 그리고 설명이 진짜 엔지니어링인 이유

스킬은 SKILL.md 로, 이름 + 설명 + 절차로 구성되며 ~/.hermes/skills/ 에 저장된다.

짧은 설명만 항상 로드되는 스킬 인덱스에 위치한다.

전체 절차는 작업이 일치할 때 온디맨드로 로드된다. 따라서 스킬 라이브러리가 커도 접두사를 비대하게 만들지 않는다.

이는 설명이 스킬의 성패를 결정짓는다는 것을 의미한다.

설명은 라우터다. 설명이 모호하면 에이전트는 필요할 때 스킬을 로드하지 않거나, 필요하지 않을 때 로드한다. 설명을 요약이 아닌 트리거 조건처럼 작성하라.

"사용자가 미국 상장 주식을 지목하고 펀더멘털 분석을 원할 때 사용"이 "주식 분석"보다 낫다.

실제 애널리스트 스킬, 2d 의 기준이 절차에 직접 통합되어 있음에 주목하라:

1---
2name: equity-snapshot
3description: 사용자가 미국 상장 티커를 지목하고 리스크 플래그가 포함된 펀더멘털 및 가격 분석을 원할 때 사용합니다.
4---
5
6# Equity Snapshot
7
81.  SEC company_tickers 맵을 통해 티커를 CIK 로 확인합니다. 절대 티커를 추측하지 마십시오.
92.  EDGAR 를 통해 최신 10-K/10-Q (수익, 부채, FCF) 를 가져옵니다. 접수 번호를 기록합니다.
103.  절대 스스로 비율을 계산하지 마십시오. P/E, 마진, 전년 대비 성장률은 calc 도구를 호출하십시오.
114.  두 출처에서 수익을 교차 확인합니다. 불일치하는 경우, 하나를 선택하지 말고 차이를 보고하십시오.
125.  출력: 투자 테제 (2줄), 3가지 촉매, 3가지 리스크, 가치 평가 의견, 신뢰도 0-1,
13    그리고 "이것을 뒤집을 하나의 데이터 포인트". 데이터가 부족하면 "패스"를 반환합니다.

스킬은 플랫폼별 활성화/비활성화, 도구 가용성에 따른 조건부 활성화, 전제 조건 검증을 지원하므로, 스킬은 "EDGAR 도구가 있는 경우에만 사용 가능"이라고 선언할 수 있다.

형식은 공개 agentskills.io 표준이므로, 작성한 내용은 다른 호환 에이전트로 이식 가능하다.

2c. 자기 개선 루프와 유지보수

에이전트는 스스로 스킬을 작성한다.

시행착오를 통해 문제를 해결한 후 (일반적으로 여러 도구 호출이 필요한 작업), 작동한 접근 방식을 agent_created/ 에 SKILL.md 로 저장한다.

스킬 관리 도구는 여섯 가지 작업을 제공하며, 알아야 할 것은 patch: 다. 전체 편집 재작성보다 토큰 효율적인 타겟 수정이다.

에이전트는 말 그대로 사용 중에 자신의 플레이북을 그 자리에서 개선한다.

유지보수 없이 자동 스킬은 전이된다.

수십 개의 좁고 중복되는 플레이북이 접두사 토큰을 소모하고 라우터를 오염시키는 결과를 초래한다.

큐레이터가 이를 처리하며, 그 메커니즘을 아는 것이 좋다. cron 데몬이 아니다. 비활성 상태 확인 시 실행된다: 마지막 실행 후 약 7일이 지나고 에이전트가 2시간 이상 유휴 상태일 때, 백그라운드 포크가 자체 프롬프트 캐시로 실행되어 활성 대화에 전혀 영향을 주지 않고, LLM 검토 루프를 실행하여 오래된 스킬을 자동으로 보관한다 (.archive/ 로, 복원 가능하며 어떤 것도 손실되지 않는다).

설정은 config.yaml 의 curator 아래에 있다: interval_hours, min_idle_hours, stale_after_days, archive_after_days.

자동 스킬을 인턴 초안처럼 취급하라. hermes curator review 로 직접 확인하고, 진짜 좋은 것은 고정(pin)하여 보존하고, 나머지는 보관되도록 두라. 이 루프를 큐레이션하는 것 자체가 교육이다.

큐레이션되지 않은 에이전트는 시간이 지남에 따라 더 나빠지지, 좋아지지 않는다.

2d. 기준 - 당신을 얼마나 절약해주는지에 따른 규율

이것들은 SOUL.md 와 모든 SKILL.md 에 통합해야 하는 규칙들이다. 영향력 순서대로 나열했다.

1. 산술 금지. LLM 은 토큰을 예측한다. 이것은 자신감 있는 잘못된 숫자의 첫 번째 원인이다. 깔끔한 구현은 execute_code (2e 에서 다룸) 를 사용하여 결정론적 스크립트가 계산을 수행하고 모델은 입력을 결정하고 출력을 해석하는 역할만 하도록 하는 것이다.

모델이 "추정한" DCF 는 허구다. 스크립트가 계산하고 모델이 스트레스 테스트한 DCF 는 제품이다.

2. 모든 수치에 출처 표시. 모든 숫자는 출처와 기준일자가 함께 반환되며, 절대 맨몸으로 반환되지 않는다. 렌더러는 출처가 없는 것은 모두 버린다.

그 효과는 적대적이다: 두 출처가 불일치할 때, 그 불일치 자체가 신호가 된다.

3. 특정 시점만. 미래 지향적 편향은 모든 백테스트와 모든 "내가 맞췄다"는 스크린샷의 조용한 살인자다. API 는 기본적으로 재작성된 현재 데이터를 제공한다.

사실에 기준일자를 태그하고 에이전트가 결정일 당시에 알 수 있었던 정보에만 접근하도록 제한하라.

4. 구조적으로 적대적. 한 하위 에이전트는 상승론을 구축하고, 두 번째는 이를 반박하라는 명령을 받고, 세 번째는 명시된 신뢰도로 조정한다. 가치는 전적으로 목표가 진정으로 반대된다는 데 있으며, 에이전트 수에 있지 않다.

중립 성향의 모델이 중요한 이유는, 약하게 타협하는 대신 약세 논쟁을 강력하게 펼칠 것이기 때문이다.

5. 기권 면허. 모든 호출에 대해 "이것을 뒤집을 하나의 데이터 포인트는 무엇인가"를 강제하라.

에이전트가 그 데이터를 가지고 있지 않다면, 답변은 "포지션 없음"이다.

2e. 고급 기술: 프로그래매틱 도구 호출로 파이프라인을 제로 컨텍스트 비용으로 축소

이 기능은 한 번 이해하면 모든 애널리스트 워크플로우를 구축하는 방식을 바꾼다.

일반적으로 다단계 파이프라인은 단계당 하나의 LLM 턴을 소모한다: "검색할게... 이제 읽을게... 이제 요약할게... 이제 쓸게."

모든 기계적 단계는 추론 토큰을 소모하고 중간 쓰레기로 컨텍스트를 오염시킨다.

execute_code 가 이를 없앤다

에이전트는 Unix 도메인 소켓 RPC 를 통해 Hermes 자체 도구를 호출하는 하나의 Python 스크립트를 작성한다. 스크립트는 자식 프로세스에서 실행된다. 도구 호출은 소켓을 통해 부모로 다시 전달되고 일반 도구 호출과 동일한 핸들러를 통해 전달된다.

중요한 점: 스크립트의 print() 출력만 모델로 반환된다. 중간 도구 결과는 절대 컨텍스트 윈도우에 들어가지 않는다.

1# 에이전트가 이 스크립트를 한 번 작성합니다. 모델은 결정 지점에서만 관여합니다.
2from hermes_tools import edgar_fetch, market_price, calc
3
4tickers = ["TSLA", "NVDA", "COIN"]
5rows = []
6for t in tickers:
7    f = edgar_fetch(t, form="10-Q")          # RPC 를 통한 도구 호출
8    px = market_price(t)                      # RPC 를 통한 도구 호출
9    pe = calc("pe", price=px["last"], eps=f["eps"])  # 결정론적 계산, LLM 사용 안 함
10    rows.append({"ticker": t, "pe": pe, "src": f["accession"], "as_of": f["period_end"]})
11
12print(rows)   # 이 출력만 컨텍스트 윈도우에 들어갑니다

금융 애널리스트에게 이것은 엄청난 의미를 가진다.

각각 세 번의 도구 호출이 필요한 20개 티커에 대한 아침 점검은 총 60번의 도구 호출이며, 전통적인 방식으로 수행하면 컨텍스트와 토큰 예산을 모두 폭파시킬 것이다.

스크립트로는 단 한 번의 턴, 하나의 깔끔한 출력 테이블, 결정론적으로 인라인에서 수행된 계산이면 된다. 전체 파이프라인을 단일 추론으로 접고 모델은 실제로 판단이 필요한 지점에서만 생각하게 된다. 반복적인 애널리스트 워크플로우를 스킬로 감싼 execute_code 스크립트로 구축하라. (Linux/macOS 전용, Unix 도메인 소켓 필요)

2f. 기억 - 사실 대 사용자 모델

Hermes 의 기억은 세 가지 직교 메커니즘이다 ("3계층" 프레임은 교육적 단순화이며, 코드에서는 독립적이다):

• MEMORY.md - 지속적인 사실. 약 2,200자 제한.
• USER.md - 당신의 모델. 약 1,375자 제한.
• SessionDB - SQLite, WAL, 모든 과거 턴에 대한 FTS5, session_search 를 통해 조회 가능.

MemoryStore 는 세션 시작 시 MEMORY.md 와 USER.md 를 한 번 읽고 시스템 프롬프트에 단일 불변 블록으로 포함시킨다.

에이전트는 세션 중에 해당 파일에 쓸 수 있고 쓰기는 디스크에 반영되지만, 프롬프트 내 복사본은 다음 세션까지 변경되지 않는다. 변경하면 접두사 캐시가 무효화되기 때문이다 (다른 모든 곳과 동일한 불변 규칙).

추가로 8개의 선택적 외부 공급자 (Honcho 의 변증법적 사용자 모델링, Mem0, Hindsight, Supermemory 등) 가 있으며, 단일 선택이며, hermes memory setup 으로 설정한다.

문자 제한은 기능이다. USER.md 를 쓰레기통이 아닌 고신호 인프라로 유지하도록 강제한다.

애널리스트에게 USER.md 는 당신의 임무다: 위험 허용 범위, 투자 기간, 실제로 행동에 옮기는 지표, 출력 형식.

MEMORY.md 는 에이전트가 얻은 지속적인 사실을 위한 것이다 ("COIN 수익은 FMP 보다 10-K 와 더 깔끔하게 연결된다").

SessionDB 는 점수 기록원 역할을 한다. 모든 호출을 저장하고, 결과에 대해 점수를 매기며, 에이전트는 사전 확률을 업데이트하는 동안 당신은 에이전트의 보정 상태, 즉 어디에서 예리하고 어디에서 만성적으로 너무 낙관적인지 배운다. 이 보정 맵은 어떤 개인 투자자도 수집하려 하지 않는 알파다.

2g. 프롬프트만으로 부족할 때: GAPA, 그 다음 RL

파인튜닝을 고려하기 전에: Hermes 에는 GAPA 가 있다. 수동 시행착오 조정 대신 SOUL.md, 스킬 지침, 시스템 프롬프트를 위한 체계적인 프롬프트 최적화 도구다.

성능이 정체될 때 시도해보라.

그 다음으로, Hermes 는 배치 궤적 생성을 수행하고 SFT 를 위한 ShareGPT 형식 추적을 내보내며, 자신의 궤적에서 도구 호출 행동을 실제로 파인튜닝하기 위한 RL 경로 (Atropos) 가 있다. 이것이 "교육"의 진정한 한계이며, 당신의 애널리스트가 어떻게 일하는지에 대한 모델을 훈련하는 것으로 끝난다.

파트 3 - 확장: 저장소, MCP, 서비스

MCP: 등록과 노출 분리

CLI 또는 config.yaml 을 통해 서버를 추가한다. 에이전트는 시작 시 해당 도구를 나열하고 내장 도구와 함께 등록한다. 위의 캐시 로직을 반영한 핵심 규율: tools.include 로 화이트리스트를 작성하여 필요한 것만 노출하라. 노출된 모든 도구는 접두사 토큰을 소모하고 공격 표면을 넓히기 때문이다.

1hermes mcp add github --command npx --args "-y,@modelcontextprotocol/server-github"
2hermes mcp configure github   # 개별 도구 전환

1mcp_servers:
2  filesystem:
3    command: npx
4    args: ["-y", "@modelcontextprotocol/server-filesystem", "/home/you/research"]
5    tools: { include: [read_file, list_directory] }   # 읽기 전용, 쓰기 불가

/reload-mcp 로 적용한다.

Composio MCP 는 치트 코드다. 하나의 서버로 수백 개의 SaaS 연결을 제공한다. 사람들은 Hermes 에서 시장 데이터를 가져오고 Google Docs 에 보고서를 작성하는 금융 에이전트를 전적으로 이를 통해 구축한다. 그리고 hermes mcp serve 는 Hermes 자체를 MCP 서버로 실행하여 세션 기록을 노출하므로, Claude Desktop 이나 Cursor 가 당신의 애널리스트가 찾은 내용을 조회할 수 있다. 에이전트는 다른 도구들이 읽어가는 지식 베이스가 된다.

데이터 공급원 (중요도 순: 핵심 vs 부가)

암호화폐 핵심:

DefiLlama

(무료, 키 불필요, 실질적인 속도 제한 없음, TVL/수수료/수익률/가격, 유료 대시보드의 절반은 리스킨)

+ Helius

(Solana 의 왕, 향상된 트랜잭션 파싱으로 바이트 수프를 읽을 수 있는 스왑으로 변환).

부가:

Birdeye (OHLCV+웹소켓), Jupiter (라우팅/견적), Dune+Flipside (SQL 온체인), Bitquery (GraphQL 멀티체인), Nansen/Arkham (라벨, 유료).

전통 금융 핵심:

FRED

(세인트루이스 연준, 가장 신호가 강한 무료 거시경제 데이터, 실제 데스크가 보는 데이터)

+ edgartools

(MIT, 키 불필요, 접수 번호가 포함된 10-K 의 정형화된 재무 데이터).

부가:

Finnhub (최고의 무료 티어), FMP (사전 계산된 비율), Polygon/Tiingo (깔끔한 과거 데이터), yfinance (덕트 테이프, 조용히 고장남), GDELT (글로벌 뉴스 이벤트).

함정: 무료 티어는 제한적이다 (Alpha Vantage 는 하루 약 24회 호출). 코드가 고장난 줄 알게 될 것이다. 모든 것을 캐시하고, 자격 증명 풀 (config.yaml) 을 사용하여 여러 키를 자동으로 순환하며 속도 제한을 극복하라.

시간을 투자할 가치가 있는 저장소

• NousResearch/hermes-agent

developer-guide 문서를 읽어보라: 아키텍처, 에이전트 루프, 컨텍스트 압축 및 캐싱. DeepWiki 와 mudrii/hermes-agent-docs 미러는 내부 구조를 이해하는 데 좋다.

• 0xNyk/awesome-hermes-agent

큐레이션된 스킬, 도구, MCP 서버, 통합. 여기서 시작하라. 스킬 허브: 공식 Hub (680개 이상의 스킬, 18개 카테고리), skills.sh, ClawHub.

• OpenBB-finance/OpenBB

MCP 서버를 제공하는 오픈소스 Bloomberg 로, Hermes 에 직접 연결되어 하나의 인터페이스를 통해 에이전트에게 방대한 시장 데이터 및 분석 표면을 제공한다. 가장 레버리지가 높은 단일 부착물이다.

• polakowo/vectorbt

Numba 기반의 빠른 백테스팅, 수천 가지 변형을 몇 초 만에 처리한다. 스킬로 감싸서 에이전트가 모든 가설을 신뢰하기 전에 테스트하도록 하라.

• TauricResearch/TradingAgents (+ auronsun/TradingAgents-crypto)

다중 에이전트 트레이딩 회사 시뮬레이터. 구조를 위해 읽고, 이해하는 더 가벼운 상승/하락 하위 에이전트 버전을 구축하라. 실제 체계적인 전략을 위해서는 microsoft/qlib 와 nautechsystems/nautilus_trader 를 참조하라. 라이브러리 맵으로는 wilsonfreitas/awesome-quant 를 참조하라.