フレームワーク

AI投資委員会とは?4つのAgentが価値投資を語り合う

バフェット、ムンガー、段永平、李録の4人の投資手法をマルチAgentシステムとして実装し、Claude Code上で動かすオープンソースプロジェクトを解説する。

文字サイズ

ai-berkshire をGitHubで公開しているのは xbtlin 氏だ。位置付けは「AI時代のバークシャー」。やることはシンプルで、バフェット、ムンガー、段永平、李録の4人の価値投資家の意思決定フレームワークをマルチAgentシステムにエンコードし、Claude Code上で動かす。

胡散臭く聞こえるかもしれない。だがリポジトリ構造を覗いてみると、多くのAI投資系おもちゃよりずっと真面目だと分かる。

何を解決するのか

一般の個人投資家が有価証券報告書や財務諸表を読んでも、到底読み切れないか、要点が掴めないかのどちらかだ。市場にあるAI投資ツールの多くは単一LLMによる要約で、財務データを突っ込めば「総合分析」が出てくる、それだけ。

欠けているのは、複数の視点による対立型のアナリシスだ。

ai-berkshire は4人の投資手法をprompt + checklistとして明示的にエンコードし、Agent同士で互いに突込みを入れさせ、本物の投資委員会のような議論を再現する。これは「ChatGPTにこの株買っていいか聞く」とは訳が違う。

使い方

最小実行例。Claude Code CLIで:

# 1. リポジトリをクローン
git clone https://github.com/xbtlin/ai-berkshire.git
cd ai-berkshire

# 2. Claude Codeで4つのAgent設定を読み込み
# .claude/agents/buffett.md  - バフェット視点 (ROIC + 堀)
# .claude/agents/munger.md   - ムンガー視点 (mental models)
# .claude/agents/duan.md     - 段永平視点 (right business + right people)
# .claude/agents/li.md       - 李録視点 (deep value + long-term)

# 3. マルチAgent対抗型リサーチを起動
/research --ticker=600519.SH --adversarial=true

# 4. 出力例(簡略化):
# [Buffett Agent] ROIC 5年平均32%,ブランド堀は強い、基準を満たす
# [Munger Agent]  challenge: 白酒サイクル下落時に堀はまだ成立するか?
# [Duan Agent]    経営陣は安定、ただし渠道改革には不確実性あり
# [Li Agent]      現在のバリュエーションは妥当〜やや割安、長期保有可
# [Synthesis]     総合判定: 買い (信頼度 75%)

Python環境は要らない。Claude Code CLIさえあればよい。リポジトリ本体はMarkdown形式のpromptとYAML設定が中心で、Pythonコードは少ない。

アーキテクチャ

3層構造になっている。

(1) Master Method Layer — 投資家ごとに独立したAgentを用意し、promptに意思決定チェックリストを書き込む。バフェットはROIC + 堀、ムンガーはmental models、段永平はright business + right people、李録はdeep value + 長期保有を見る。「バフェットになりきって分析して」のような汎用ロールプレイではなく、構造化された判断ノードとして設計されている。

(2) Adversarial Layer — Agent間で互いにchallengeし合い、「XXの何に同意しないか」を強制的に出力させる。このフレームワークの肝はここだ。4人がそれぞれ所信表明するのではなく、互いにぶつけ合わせる。

(3) Synthesis Layer — 複数意見をまとめて最終評価と信頼度スコアを提示する。

フロー: 銘柄入力 → 4Agentを並列実行 → クロスで質疑 → レポート集約。

良い点 / 悪い点

良い点:

  • またしてもWeb UIのラッパではなく、Claude Codeのワークフローへ直接埋め込んでおり、分析をコードのように走らせられる
  • promptが構造化チェックリスト形式。「あなたはバフェットです、この株を分析してください」式の曖昧さがない
  • テンプレート化されたリサーチ流程は改造可能。「Cathie Wood」Agentを追加したり、自前のフレームワークに差し替えたりできる

悪い点:

  • 4Agentの中身はすべてClaudeなので、視点が同質化する恐れがあり、本物の「対立」の多様性に欠ける
  • バックテストモジュールがなく、過去の精度を検証できない
  • 中国A株/香港株の対応はLLM自身の能力に依存し、専用データソースへの接続は無い
  • 15,796 starは多く見えるが、価値投資自体が少数派なので実際のアクティブ度は割り引く必要がある

試してみた

Claude Codeでデモ流程を走らせてみた。agents/buffett.md と agents/munger.md を読み込み、ある消費株(仮に茅台として)を分析。

buffett Agent は ROIC が継続的に25%超であることとブランド堀に着目した出力を返し、munger Agent はすぐさま challenge してきた: 「白酒サイクル下落局面でブランド堀はまだ成立するのか?」

一連の流れは5分で完了し、出力レポートは約3,000字。単一LLM要約より明確にワンランク上の品質で、少なくとも2つの異なる思考フレームがぶつかっている様子が感じ取れた。

ただし対立の深さには限界がある。2つのAgentが同じ基盤モデルで動いている以上、意見の不一致は中身より言い回しの差になりがちだ。これが最大の懸念点。

誰に向いているか

向いている人:

  • すでにClaude Code / Codex CLIを使っている開発者
  • 保有銘柄のロジックを体系的に整理したい価値投資家
  • リサーチフレームワークを手早く立ち上げたい初心者

向いていない人:

  • 短期トレーダー(このフレームワークは long-term oriented)
  • Claude Codeのサブスクリプションを持っていない人
  • 価値投資の手法そのものに合意できない人(何を使っても無駄)

編集後記

この取り組みの面白いところは「AIが株を売買できるか」ではなく、「専門家の意思決定フレームワーク」を明示的にコード化する行為そのものにある。

過去10年、「AIにXをやらせよう」系のプロジェクトを山ほど見てきたが、大半はタスクをLLMに投げて祈るだけだった。ai-berkshire のやり方は cognitive architecture に近い。バフェットがROICを見る、ムンガーがmental modelのチェックリストを回す——こういった暗黙知を明文化し、実行可能な構造に変える。この発想の本当の戦場は投資ではなく、医療診断や法律デューデリ、コードレビューなど「専門家判断」が高くつく領域だ。

分からないのは、同じClaudeで4人の「大家」Agentを動かすとして、本当の意味での対立がどこまで生まれるか。私の推測では、対立の深さは基盤モデルの多様性に依存する。将来、GPT / Claude / Gemini をミックスして调度できるなら、このフレームワークは真価を発揮する。そうでなければ、一人が四役を演じるようなもので、形式が内容を上回る。

もう一つ見当たらないのがバックテストだ。投資委員会が「このフレームワークが過去3年に推奨した銘柄のリターンはどうだったか」を示してくれないなら、75%という信頼度スコアは空っぽの数字に過ぎない。これはこのプロジェクトが最も補うべきピースだ。

出典: github.com/xbtlin/ai-berkshire

出典: https://github.com/xbtlin/ai-berkshire