Is this a trading product or an investment offer?

No. Market Intelligence Crew is a technical case study in controlled AI decision architecture. Profitec AI uses it to demonstrate multi-agent orchestration, data validation, ML-assisted analysis, risk gates, and refusal logic — not to sell trading performance or investment returns.

How does a market-intelligence system apply to business automation?

The architecture is domain-agnostic: validate inputs, extract measurable signals, let specialist agents reason, pass the result through a risk gate, and route uncertain cases to a human. The same pattern runs lead qualification, document review, payment recovery, compliance checks, and reporting alerts.

What makes this different from a single AI chatbot answering a prompt?

A chatbot returns one answer with no controls. This system separates evidence gathering, ML scoring, synthesis, and approval into distinct layers, logs every decision, and is built to fail closed — any ambiguous state is blocked or escalated rather than acted on automatically.

מקרה בוחן / 01 — Market Intelligence Crew

8 סוכנים, 200+ מאפיינים, שער סיכון בן 7 בדיקות — ובקטסט שניצח את SPY buy & hold.

נבנה עבור שולחן מסחר. תזמור היררכי ב-CrewAI, LightGBM עם ולידציית walk-forward, סנטימנט FinBERT ו-LunarCrush, אינטגרציה עם Interactive Brokers. מחוץ-למדגם על פני 90 טיקרים: +323.1% תשואה, Sharpe 0.82, שיעור הצלחה 53.9%, 1,910 עסקאות.

סוכנים

200+

מאפייני ML

שערי סיכון

10+

מקורות נתונים

הערה על המקרה הזה. המקרה הזה כלול כדוגמת מערכות טכנית, לא כהבטחת ביצועים פיננסיים. המטרה היא להראות תזמור רב-סוכנים, אימות נתונים, שערי סיכון ולוגיקת סירוב.

המערכת בתנועה

שמונה סוכנים מסונתזים. פסיקה אחת לכל עסקה.

מתזמר ה-CRO מקבל את האות של כל מומחה, שוקל אותו מול ה-priors של LightGBM ו-HMM, ומפיק כיוון יחיד עם רמת ביטחון — או מסרב להיכנס. על פני 1,910 עסקאות ב-90 טיקרים, האסטרטגיה שנוצרה החזירה +323.1% בעוד SPY buy & hold פיגר.

קו הבסיס הידני

לפני המערכת, אנליסט מחקר יחיד סקר כל דיווח SEC, שיחת רווחים, השוואת עמיתים, גרף טכני ושינוי סנטימנט ידנית — ואז קיבל החלטה. כיסוי: מכשיר אחד או שניים ביום, ללא תיעוד ביקורת מדוע התקבלה או נדחתה החלטה.

הצוות

שמונה מומחים. סינתזה אחת. ל-CRO המילה האחרונה.

תזמור היררכי דרך CrewAI Process.hierarchical

market_intel_crew.flow · live

פועל

market_intel_crew.flow · live

● פועל

CRO · מנהל סיכונים
└── סינתזה

מומחים →
  ├── יסודי          (10-K · רווחים)
  ├── מתחרים         (עמיתים · P/E)
  ├── סנטימנט        (חדשות · חברתי)
  ├── טכני           (מחיר · נפח)
  ├── כמותי          (Z · ATR · HMM)
  ├── תשתית פיתוח     (APIs · סיכון)
  └── בקרת נתוני ML   (דליפה · איכות)

מוח ML (אות מקבילי) ┄┄→
  └── LightGBM · 200+ מאפיינים

הצוות

כרטיס אחד לכל סוכן. פרומפטים אמיתיים. כלים אמיתיים.

01fundamental_task

אנליסט פונדמנטלי

ראש מחקר

ניתוח דיווחי 10-K ו-10-Q. זיהוי מניעי הכנסה, סיכוני מרווח, איכות רווחים ושינויי תחזית.

כלים

sec_filing
earnings_cal
av_overview

02competitor_task

אנליסט מתחרים

מיצוב שוק

השוואת הנכס לעמיתים לפי P/E, PEG, צמיחת הכנסות ופרופיל מרווח. ניקוד מיצוב יחסי.

כלים

polygon_profile
av_overview

03sentiment_task

אנליסט סנטימנט

חוקר נרטיב

קריאת חדשות ואותות חברתיים. זיהוי הנרטיב הדומיננטי, שינוי סנטימנט והשפעת זרימת ריטייל.

כלים

news_sentiment
social_sentiment
lunarcrush
serper_news
market_sentiment

04technical_task

אנליסט טכני

מחיר ונפח

קריאת תנועת מחיר, נפח, זרימת הוראות, אזורי עניין-HFT, תמיכה/התנגדות והקשר VPVR. הגדרת מערך עסקה.

כלים

ohlcv
orderbook
crypto_ohlcv
tiingo
ibkr
chart:technical
chart:candlestick
chart:s_r
chart:indicators

05quant_task

חוקר כמותי

ליבה מתמטית

חישוב ופירוש מאפיינים כמותיים: Z-score, ATR, מעריך Hurst, ADX והשערות משטר-שוק (HMM).

כלים

ohlcv
crypto_ohlcv
tiingo
chart:quant
chart:indicators

06dev_infra_task

מפתח בכיר

תשתית

ביקורת יציבות צינור: זמינות API, טיפול בשגיאות, אבטחת קוד, מוכנות תשתית לבקטסט.

כלים

sec_filing
ohlcv
ibkr

07ml_data_quality_task

מהנדס ML בכיר

אופטימיזציית מודל

הערכת איכות נתונים למוכנות ML: שלמות, עקביות, סיכוני דליפה, הטיה ומדדי overfitting.

כלים

ohlcv
crypto_ohlcv
news_sentiment
serper_news

08risk_synthesis_task

מנהל סיכונים

מנהל סיכונים ראשי · CRO

סינתזה של ממצאי הצוות. הגדרת החלטת עסקה, רמות כניסה/יציאה, סטופ-לוס וגודל פוזיציה בעזרת ATR וגבולות סיכון. חייב להצהיר במפורש על הסכמה עם אות ה-ML.

כלים

ללא כלים ישירים — האצלה בלבד

פנימיות הפרומפט

שניים משמונת פרומפטי המערכת מוצגים מילה-במילה. פרומפט ה-CRO למטה דו-לשוני — העמודה השמאלית היא הפרומפט הממשי הרץ בייצור, העמודה הימנית היא הייחוס באנגלית.

01צפו בפרומפט: אנליסט פונדמנטליEN

role: "Fundamental Analyst (Lead Research)"

goal: Analyze 10-K and 10-Q filings.
  Identify revenue drivers, margin risks,
  earnings quality, and guidance shifts.

backstory: Senior buy-side fundamental analyst
  with experience valuing public companies in
  the US and Europe. Extracts key factors from
  SEC filings and translates them into
  investment conclusions.

08צפו בפרומפט: מנהל סיכונים · CROEN

role: "Risk Manager (CRO)"

goal: Synthesize the team's findings.
  Define the trade decision, entry/exit
  levels, stop-loss, and position size
  using ATR and risk limits.

backstory: You are the Chief Risk Officer
  with final-call authority. Pragmatic,
  disciplined in risk-adjusted thinking,
  requires transparent reasoning.

מוח ה-ML

לא פרומפט. מודל.

בנפרד מצוות הסוכנים, מסווג LightGBM בן 3-מחלקות (long / flat / short) מפיק הסתברויות כיווניות שאומנו על 200+ מאפיינים מהונדסים: אינדיקטורים טכניים, נתוני מאקרו של FRED, סנטימנט חדשות מנוקד-FinBERT ואותות חברתיים של LunarCrush. אומת walk-forward — לא בזריקה אחת — עם splits מטוהרים למניעת דליפה ליד הגבולות.

HMM גאוסיאני בן 3-מצבים רץ במקביל, מסווג משטרי שוק כ-bear / range / bull עם אנטרופיה פוסטריורית כציון ביטחון. שני האותות מוזנים ל-CRO כprior כמותי — לא הצבעה בסקר.

קצה LightGBM: P(long) − P(short) ∈ [−1, +1]
Walk-forward, splits מטוהרים, מטא-תיוג אופציונלי
HMM גאוסיאני בן 3-מצבים, בטוח-מדליפה (סינון סיבתי, לעולם לא החלקה עתידית)
תיוג שלושה-מחסומים (Lopez de Prado) או אופק-קבוע, מותאם-ATR

טכני · 30+
מאקרו · FRED
סנטימנט · FinBERT
חברתי · LunarCrush
משטר · HMM

סך מאפיינים

202+

קטגוריות

האשכול הגדול ביותר

כמותי · 44

מרחב מאפיינים · מפת אשכולות

200+ מאפיינים מהונדסים על פני שמונה קטגוריות · פריסה מוטלת (להמחשה)

טכני (מחיר · נפח)×32
מאקרו (FRED)×24
סנטימנט (חדשות FinBERT)×30
חברתי (LunarCrush)×22

כמותי (Z · ATR · HMM)×44
משטר (נגזר-HMM)×12
מהונדס (איברים-מוצלבים · פיגורים)×26
דגלי איכות-נתונים×12

marketIntelligenceCrew.mlStubNote

סינתזה

ה-CRO לעולם לא רק ממצע דעות.

סוכן מנהל הסיכונים מקבל את הפלט המובנה של כל מומחה בתוספת אות ה-ML כ-prior נפרד. הוא חייב להפיק החלטת JSON יחידה — רמת ביטחון, כניסה, סטופ, take-profit, גודל פוזיציה — הכול מונע-ATR, לא הערכות בטן.

והכי חשוב: ה-CRO חייב להצהיר במפורש על הסכמתו עם אות ה-ML. לסכמת הפלט יש שדה חובה agreement_with_ml: agree | partial | disagree. אם ה-CRO חולק על ה-prior הכמותי, הוא חייב למלא את disagreement_reason בסיבה מוחשית — אירוע חדשותי, שינוי משטר, פער נתונים.

זו משמעת מוסדית המקודדת בסכמת JSON. ללא עקיפות שקטות, ללא קונצנזוס נוח.

08צפו בסכמת ה-JSON שה-CRO חייב למלא

{
  "direction": "long | short | flat",
  "conviction": 0.0–1.0,
  "entry": <number>,
  "stop": <number>,
  "take_profit": <number>,
  "position_size_pct": 0.0–1.0,
  "rationale": "<short reason>",
  "risks": ["risk1", "risk2"],
  "invalidation": "<what kills the thesis>",
  "agreement_with_ml": "agree | partial | disagree",
  "disagreement_reason": "<required if disagree>"
}

שער הסיכון

בנוי עם בקרה, לא אוטומציה עיוורת.

“Fail-closed: כל מצב עמום מחזיר allowed=False. דעיכה חיננית רק עבור כוח-קנייה.”
— הערה ב-src/risk/gate.py

מתג-עצירה להפסד יומי

הפסד ממומש מעל 3% מההון בתחילת הסשן מפעיל את מתג-העצירה של הסשן. לא נפתחות פוזיציות נוספות עד איפוס ידני.

daily_loss_pct: 0.03

כיווץ שקט של גודל פוזיציה

ה-LLM מציע 25%? השער מכווץ בשקט לתקרה הקשיחה של 10% עם רישום בנתיב ביקורת. ה-LLM לעולם לא רואה את העקיפה.

max_position_pct: 0.10

בדיקת שפיות למרחק סטופ

סטופ רחוק יותר מ-5% מהכניסה? העסקה נכפית ל-flat. ללא נתיב ניסיון-חוזר, ללא הסלמה.

max_stop_distance_pct: 0.05

אם ה-LLM מציע גודל פוזיציה של 25% — אולי ביטחון גבוה על מערך נקי — השער לא מתווכח איתו. הוא מכווץ את הגודל ל-10% במקום, רושם size_shrunk_cap:0.2500->0.1000, ומעביר את ההוראה. ה-LLM לעולם לא רואה את העקיפה. הוא לא יכול לנסות שוב. הוא לא יכול להסלים. התקרה אינה ניתנת-למשא-ומתן.

src/runner.py · live

[runner] >>> ML signal for BTC/USDT 1h

[runner] >>> LLM crew analysis

[risk] reviewing CRO decision: long BTC/USDT @ 67400

[risk] direction=long size=0.2500 stop_dist=0.041

[risk] adjustments: size_shrunk_cap:0.2500->0.1000

[risk] allowed=True direction=long size=0.1000 reason=None

[runner] decision saved → artifacts/decisions/BTC_USDT_1h_long.json

07צפו בכל 7 בדיקות הסיכון

01
מתג-עצירה להפסד יומי
מתוחם-סשן. נופל כשהפסד ממומש חורג מהסף. נדרש איפוס ידני.
daily_loss_pct: 0.03
02
תקרת פוזיציות מקבילות
מקסימום פוזיציות פתוחות בו-זמנית על פני האסטרטגיה.
max_concurrent_positions: 3
03
כוח-קנייה / מינוף
תקרת מינוף קשיחה. גודל הפוזיציה מתכווץ בחינניות בהתקרב לגבול.
max_leverage: 4.0
04
רצפת חיץ מזומן
מינימום מזומן לשמירה כחיץ. מתחת לכך, לא נפתחות פוזיציות חדשות.
min_cash_pct: 0.10
05
תקרה קשיחה לגודל פוזיציה
גבול עליון על מה שה-LLM יכול להציע לכל עסקה. נאכף בשקט.
max_position_pct: 0.10
06
בדיקת שפיות למרחק סטופ
מרחק סטופ מקסימלי מותר מהכניסה. עסקאות נכפות ל-flat אם חורגות.
max_stop_distance_pct: 0.05
07
תקרת פוזיציות לילה
מקסימום פוזיציות שמועברות לסשן הבא.
overnight_cap: 1

מתחת לשער, לכל קריאת API חיצונית יש הגבלת קצב, נסיגה אקספוננציאלית, שרשראות גיבוי (FMP → yfinance, Polygon → פרופיל מטמון), ו-redact_secrets() שמנקה את כל 12 מפתחות ה-API הידועים ודפוסי טוקן ב-URL מהיומנים. ה-CRO לעולם לא רואה אישור שדלף. המשתמש לעולם לא רואה צינור תקוע.

התוצאה

האסטרטגיה ניצחה את SPY buy & hold על פני 90 טיקרים.

בקטסט walk-forward מחוץ-למדגם: 91 טיקרים נטענו, 90 נסחרו, 1,910 עסקאות, החזקה ממוצעת של 7 ברים: תשואה כוללת +323.1%. Sharpe 0.82. Sortino 1.03. Profit factor 1.33. שיעור הצלחה 53.9%. דרודאון מקסימלי −24.6%. Calmar 0.59.

האסטרטגיה השיגה ביצועים טובים יותר ממדד הייחוס SPY buy & hold באותו חלון. שער הסיכון שמר על דרודאון מקסימלי מוגבל ב-−24.6% בעוד תקרות גודל-פוזיציה ווטו ה-CRO חסמו את עסקאות הביטחון-הגבוה שלא עברו את ה-prior של ה-ML — ומנעו את סוג הפסדי הריכוז שמופיעים אחרי שינוי משטר.

ההנדסה — צוות הסוכנים, מודל ה-ML, שער הסיכון, מתזמר ה-CRO — היא שהפיקה גם את הרווח וגם את ההפסד המוגבל.

תשואה כוללת

+323.1%

Sharpe

0.82

Sortino

1.03

דרודאון מקסימלי

−24.6%

שיעור הצלחה

53.9%

Profit factor

1.33

סך עסקאות

1,910

טיקרים נסחרו

90 / 91

Calmar

0.59

רוב הסוכנויות מראות לכם ניצחון בלי ההנדסה. אנחנו מראים לכם את שניהם — המדדים והמערכת שהפיקה אותם.

ההנדסה

דברים שמבחינים בהם רק כשהם חסרים.

Multi-LLM עם משמעת עלויות — Qwen 32B דרך Aliyun הוא ברירת המחדל; GPT-4-turbo ו-Gemini 2.0 Flash הם חלופות drop-in דרך משתנה סביבה. ללא נעילת-ספק.

דגלי פיצ'רים של LaunchDarkly — demo-rollout-enabled לפריסה באחוזים; agent-comments-level מחליף את רמת הפירוט של הסוכן (תמציתי / מלא) בזמן ריצה. גיבוי מקומי עובד ללא ה-SDK.

יצירת דוח PDF — fpdf2 עם DejaVuSans לקירילית, הסרת escape של ANSI, גלישת טוקנים ארוכים, רינדור שורה-אחר-שורה כמוצא-אחרון כש-multi_cell נכשל.

פינג מודל preflight — קריאה בת 16 טוקנים ל-LLM המוגדר לפני שהצוות רץ. כשל-מהיר על מפתחות שגויים, מכסה שגויה או base URL שגוי. לעולם לא לשרוף 90 שניות בסוכן #1 כדי לגלות שה-API מת.

הסתרת סודות על פני יומנים — redact_secrets() מנקה 12 ערכי מפתחות-סביבה ידועים ו-5 דפוסי טוקן-URL מכל הודעת שגיאה ושורת יומן.

הדפוס

מסחר בקריפטו הוא מקרה הבוחן. הארכיטקטורה אינה ספציפית-לקריפטו.

בכל מקום שבו עסק צריך לסנתז החלטה ממספר רב של אותות רועשים — והיכן שלהחלטה שגויה יש השלכות אמיתיות — הארכיטקטורה הזו מושתלת ישירות. הדפוס הוא רב-מומחים + prior של ML + מסנתז-מנהל + שער fail-closed. התחום מתחבר. תפקידי המומחים, מאפייני ה-ML וגבולות הסיכון משתנים. כל השאר נשאר.

מודיעין תחרותי — מומחים עוקבים אחר תמחור, גיוס, השקות, דיווחים רגולטוריים. המנהל מסנתז תדריך אסטרטגי שבועי.
ניטור רגולטורי — מומחים עוקבים אחר תחומי שיפוט, סוגי מסמכים, תקופות הערות. המנהל מסמן פריטים הדורשים פעולה משפטית עם מועדים.
סנטימנט לקוחות — מומחים מושכים פניות תמיכה, ביקורות, רשתות חברתיות, אותות נטישה. המנהל מפיק רשימת הסלמה.
סיכון ספקים — מומחים עוקבים אחר בריאות פיננסית, חדשות, חשיפה גאופוליטית, מיפוי ספקים-חלופיים. המנהל מנקד סיכון לכל ספק.
מיון חדשות — מומחים מסווגים לפי נושא, סנטימנט, אמינות מקור. המנהל מרכיב תדריך בוקר להנהלה עם פריטי-פעולה בלבד.

מפת ההמרה

לכל שכבה כאן יש מקבילה באוטומציה עסקית.

אותה ארכיטקטורת בקרה — אימות קלטים, ניקוד אותות, מתן מקום למומחים לנמק, שער על ההחלטה, ושמירת אדם על שיקול-הדעת — ממופה אחד-לאחד על תהליכי עבודה תפעוליים. החליפו את התחום; השכבות נשארות.

שכבת Market Intelligence Crew	מקבילה באוטומציה עסקית
קליטת נתוני שוק	CRM, אימייל, טפסים, חיוב, מסמכים
חילוץ מאפיינים	כוונת ליד, דחיפות, שדות חסרים, מדדי סיכון
אות ML	ציון הכשרה, ציון אנומליה, הסתברות גבייה
סוכנים מומחים	סוכני סקירה ייעודיים-לתפקיד
שער סיכון CRO	אישור אנושי ובקרות מדיניות
פלט החלטה	עדכון CRM, דוח, משימה, התראה, טיוטה, הסלמה
בקטסט / ניטור	קו בסיס, יומנים, שיעור שגיאות, זמן שנחסך

שאלות נפוצות

שאלות שהמקרה הזה מעלה.

האם זה מוצר מסחר או הצעת השקעה?: לא. Market Intelligence Crew הוא מקרה בוחן טכני בארכיטקטורת החלטות AI מבוקרת. Profitec AI משתמשת בו כדי להדגים תזמור רב-סוכנים, אימות נתונים, ניתוח נתמך-ML, שערי סיכון ולוגיקת סירוב — לא כדי למכור ביצועי מסחר או תשואות השקעה.
כיצד מערכת מודיעין-שוק חלה על אוטומציה עסקית?: הארכיטקטורה אגנוסטית-לתחום: אמתו קלטים, חלצו אותות מדידים, תנו לסוכנים מומחים לנמק, העבירו את התוצאה דרך שער סיכון, ונתבו מקרים לא-ודאיים לאדם. אותו דפוס מריץ הכשרת לידים, סקירת מסמכים, גביית תשלומים, בדיקות ציות והתראות דיווח.
מה שונה כאן מצ'אטבוט AI יחיד שעונה על פרומפט?: צ'אטבוט מחזיר תשובה אחת ללא בקרות. המערכת הזו מפרידה איסוף ראיות, ניקוד ML, סינתזה ואישור לשכבות נפרדות, רושמת כל החלטה, ובנויה להיכשל-סגור — כל מצב עמום נחסם או מוסלם במקום שיפעלו עליו אוטומטית.

השלב הבא

רוצים מערכת רב-סוכנים לתחום שלכם?

שיחת התאמה בת 15 דקות. אנחנו ממפים את הסוכנים, האותות והשערים סביב ההחלטה שלכם.

קבעו שיחת התאמה תארו את מקרה השימוש שלכם בכתב