Een volledige investeringsbank in AI: zo cash je met TradingAgents

Het probleem: één agent kan geen complexe beslissingen nemen

Iedereen die GPT of Claude los laat op beleggingsanalyse kent de frustratie. Vraag één model om fundamentals, sentiment én technische analyse tegelijk en je krijgt een slap “houden”-advies. De logica breekt halverwege: eerst “winst boven verwachting”, dan opeens “sentiment zwakt af”.

Dit is geen IQ-probleem, het is een architectuurprobleem. Een echte investeringsbank werkt in teams: analisten per discipline, onderzoekers die elkaar uitdagen, traders die signalen lezen, risk die limieten zet. Eén AI die alle rollen speelt, wordt gegarandeerd oppervlakkig.

De kracht van TradingAgents: het splitst die pijplijn in zeven aparte agents — fundamentals-, sentiment-, nieuws- en technische analist, plus onderzoekers (bull/bear-debat), trader en riskmanager. Ze werken los van elkaar, bekvechten, en leveren een onderbouwd eindoordeel.

De kans: dit is geen beurs-gadget, het is een standaard zandbak voor AI-samenwerking

De eerste reflex is “hiermee ga ik traden”. Mis. Dat is magie-denken.

De echte waarde: een open-source, aanpasbaar, draaiend sjabloon voor complexe besluitvorming.

AI-freelancers jatten hier de multi-agent architectuur vandaan. Contentmakers halen er “hoe AI denkt”-materiaal uit. Productbouwers forken het direct tot een verticale beslissingsassistent.

Op GitHub behoort dit project tot de meest besproken multi-agent frameworks (sterren fluctueren volgens de bronpost tussen 56k en 98,9k, niet onafhankelijk geverifieerd). Code is schoon, docs zijn compleet, community is levendig. Voor wie AI-samenwerking wil doorgronden is dit een open dissectietafel.

Drie verdienroutes

Route 1: freelance — beslissingsagent-suites per branche

De architectuur is modulair: analistenlaag, onderzoekerslaag (bull/bear-debat), traderslaag, risklaag. Elke laag is een op zichzelf staande agent.

De freelance-logica is simpel: vervang “financiële analyse” door besluitvorming in een andere branche.

• E-commerce selectie: laat de ene agent verkoopdata draaien, de andere concurrentieprijzen, de derde supplychain-risico, en laat ze debatteren of je een product oppakt. Aanpassing: herschrijf analyst.py, vervang financiële data door TikTok Shop of Bol.com seller-API’s, vervang MACD door verkooptrends.
• Content-onderwerpen: agents analyseren platform-algoritmes, gebruikerssentiment en virale patronen, en debatteren of je een onderwerp pakt. Aanpassing: vervang nieuwsbronnen door niche-analysetools, vervang “winstcijfers” door “watch time/interactie”.
• Werving: agents beoordelen cv-match, interviewprestatie en teamrisico, en debatteren of je een aanbieding doet. Aanpassing: vervang marktdata door cv-parsers, vervang “stop-loss” door “kans op succes in proeftijd”.

Zelf draai ik de zwaarste logica op Claude, GPT-4o voor de rest. n8n is sneller onder de knie dan Make maar kost meer. Zodra een klant hoort “7 AI’s die voor je bakkeleien over dit besluit”, verdubbelt je uurtarief.

Prijsankers (eindbedrag hangt af van klantbudget): één-scene maatwerk €1.000–€2.500 (vergelijk met rapporten van gespecialiseerde AI-adviesbureaus), branche-brede versie vanaf €3.500 (vergelijk met custom BI-dashboards).

Route 2: content — ontleed “hoe AI denkt” als kennisproduct

TradingAgents spuwt complete debatverslagen uit: wat zegt de bull, hoe countert de bear, welke logica wint.

Dat is schaars contentmateriaal.

Op TikTok of Lemon8 draai je een “AI-beleggersdagboek”-kanaal. Elke dag één aandeel, het debat op scherm, korte video. Titel op het conflict: “GPT is bullish, Claude is bearish — Tesla kopen of niet?” Dergelijke content haalt bizar hoge watch time.

⚠️ Compliance-waarschuwing: concrete aandelenadviezen triggeren vrijwel altijd platformrestricties rond financiële content. Je account wordt gelimiteerd of geblokkeerd. Toon alleen het debat, geef geen koop/verkoopadvies. Gebruik “hoe AI’s bakkeleien” in plaats van “moet je kopen”.

Geavanceerder: bundel meerdaagse debatten tot een “AI-besluitweekrapport”, verkoop via Substack of een betaalde nieuwsbrief voor €9–€29 per jaar. Doelgroep: beleggers die willen leren denken als een analist, maar geen researchafdeling kunnen betalen.

Verborgen waarde: die debatdata trainen ook je eigen Second Brain. Leg vast “onder welke omstandigheden AI van standpunt verandert” — bruikbaar voor élke toekomstige beslissing.

Route 3: product — verticale “AI-research SaaS”

TradingAgents is open-source, maar verticale databronnen en prompts zijn de barrière.

Neem e-commerce: vervang de architectuur door een “selectie-agent-suite”, koppel TikTok Shop-, Amazon- en Bol-API’s, herschrijf de prompts voor productselectie. Een Shopify- of Bol-verkoper betaalt graag €50–€200 per maand voor “elke ochtend 10 potentiële hits” (vergelijk met premium seller-tools,溢价 zit in de AI-laag).

Techstack in fasen:

• MVP: Streamlit + TradingAgents-kernmodules + één API-key. Drie dagen live.
• Tussenstap: Next.js front-end, FastAPI back-end, agent-orkestratie via LangGraph of CrewAI.
• Schaal: Railway of Vercel, branche-specifieke API-koppelingen.

Cold start via SEO en TikTok-advertenties. Zoek op “AI selectietool”, “AI beleggingsassistent”. Eerste seed-gebruikers uit e-commerce Discord-groepen en beleggersforums.

Kostenplaatje: laat API-kosten je marge niet opeten

Zeven agents in serie, op GPT-4o-prijzen: 15k–30k tokens per beslissing, €0,50–€1,50 per run. Eén run per dag per klant = €15–€45 API-kosten per maand. Verkoopprijs €50–€200 per maand. Brutomarge 60–70%, dat houdt stand.

Kosten drukken: niet-kritieke agents (sentiment, nieuws) op GPT-4o-mini of lokale Llama, dan zakt de prijs naar €0,10–€0,30 per run. Het bull/bear-debat is de kern — daar bezuinig je niet op.

Casus: zo ziet een echte TradingAgents-run eruit

De bronpost noemt backtesting en paper trading (niet onafhankelijk geverifieerd). Stel je draait Tesla:

1. Fundamentals: kwartaalcijfers ophalen, “omzet +15% YoY, marge herstelt”.
2. Sentiment: Twitter en Reddit scannen, “retail bullish, institutionele aandacht daalt”.
3. Nieuws: Bloomberg en Reuters, “uitbreiding Shanghai-fabriek positief”.
4. Technisch: MACD en RSI, “wekelijks overbought”.
5. Bull vs bear: bull zegt “fundamentals + uitbreiding ondersteunen lange termijn”, bear zegt “technisch overbought + sentiment piekt”.
6. Trader: “kleine positie, stop op -5%”.
7. Risk: “tech-exposure al hoog, positie met 20% reduceren”.

Meer cognitieve dichtheid dan een hele dag Financemagazine scrollen.

Doe-het-vanavond

Stop met verzamelen. Open GitHub, zoek TradingAgents, clone, en doorloop deze drie stappen:

1. Draai het standaardvoorbeeld: met een OpenAI- of Anthropic-key laat je het Apple analyseren. Bekijk het hele debat.
2. Verander één variabele: vervang het tickersymbool door een e-commerce-categorie die je kent (zoals “welke damesjurk verdient een listing”). Kijk hoe de agents debatteren.
3. Film één stuk content: neem het debat op, post op TikTok of Lemon8, titel: “7 AI’s die voor me uitvechten of ik Tesla koop”.

Kom over drie dagen terug met je omzetcijfer.

Geen codeerervaring? Geen probleem.

• Gebruik de multi-agent templates van Coze of Dify, volledig drag-and-drop, geen Python nodig.
• Of gebruik een bestaande TradingAgents Web Demo (mits de auteur die heeft gedeployed): voer een ticker in, bekijk het debat, film het scherm als contentmateriaal.
• Luiste optie: draai het standaardvoorbeeld één keer, post de debat-screenshots op Lemon8 met onderschrift “7 AI’s analyseren Apple voor me” — werkt nog steeds.