TradingAgents - 多智能体 LLM 金融交易框架，模拟真实交易公司决策流程
基于多智能体 LLM 的开源金融交易框架，模拟真实交易公司架构，部署基本面/情绪/新闻/技术分析师和交易员、风控团队进行协作决策，支持多种 LLM 提供商和回测，适合量化交易研究与策略验证。
TradingAgents 是 TauricResearch 开源的多智能体 LLM 金融交易框架，在 GitHub 获得 51K+ Stars。该框架通过模拟真实交易公司的多角色协作机制，让多个 LLM 驱动的专家智能体共同评估市场条件并制定交易决策。项目基于 LangGraph 构建，支持多种 LLM 提供商。
核心机制
- 分析师团队：包含基本面分析师（财务指标与内在价值）、情绪分析师（社交媒体情绪扫描）、新闻分析师（全球新闻与宏观经济）、技术分析师（MACD、RSI 等技术指标）
- 研究员团队：看涨与看跌研究员通过结构化辩论，平衡潜在收益与固有风险
- 交易员智能体：综合分析师与研究员报告，确定交易时机与规模
- 风险管理与投资组合经理：持续评估组合风险（波动率、流动性等），投资组合经理最终批准/拒绝交易
技术特点
- LangGraph 架构：模块化、可扩展的多智能体工作流
- 多 LLM 支持：OpenAI、Google Gemini、Anthropic Claude、xAI Grok、OpenRouter、Ollama 本地模型等
- 交互式 CLI：选择股票代码、分析日期、LLM 提供商、研究深度等参数，实时跟踪智能体运行进度
- 回测支持：支持历史数据回测验证策略有效性
- Docker 部署：一键启动，支持 Ollama 本地模型配置
- Python 包形式：可导入
TradingAgentsGraph，通过.propagate(ticker, date)获取交易决策
使用示例
from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG
ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)
适合人群
量化交易研究人员、金融 AI 开发者、策略验证者。项目主要用于研究目的，交易表现受模型选择、温度、时期、数据质量等因素影响，不构成投资建议。
相关资料
暂无评论