什么值得买App下载 App ›
连续签到专享现金活动

一个 GitHub 开源项目,把华尔街投委会搬进了代码里。

量化交易通常需要深厚的编程能力、对技术指标的理解以及繁琐的数据源对接工作,这使得许多普通用户难以涉足。GitHub 上开源的 TradingAgents 项目试图解决这一痛点,它通过构建一个多智能体大语言模型(LLM)框架,模拟了华尔街投行的投资委员会运作模式。该框架通过多个专业角色的 AI 智能体协作,将复杂的量化分析流程封装为可调用的工具,降低了机构级分析能力的使用门槛。
01核心架构:四层智能体分工
  1. 分析师团队(第一层)
    由基本面分析师、情绪分析师、新闻分析师和技术分析师组成。他们分别负责评估财务指标、监控社交媒体舆论、追踪全球宏观事件以及利用 MACD、RSI 等指标检测交易模式。
  2. 研究员团队(第二层)
    设置看涨与看跌研究员,针对同一资产进行结构化辩论,从正反两面审视投资机会,避免单一视角的盲区。
  3. 交易员(第三层)
    综合各方分析报告,做出最终的买卖决策。
  4. 风险管理(第四层)
    评估投资组合的整体风险,对交易提案进行审批或拒绝。
02关键特性

结构化辩论机制

看涨研究员

负责挖掘资产上涨的逻辑与支撑因素。

  • 分析公司基本面利好
  • 评估市场情绪正向指标
  • 结合技术形态寻找突破点
看跌研究员

负责揭示潜在下跌风险与负面因素。

  • 排查财务隐患或利空消息
  • 指出市场过热或反转信号
  • 对抗看涨逻辑中的假设漏洞
除辩论机制外,该项目还支持包括 OpenAI、Claude、Gemini、DeepSeek、Qwen、智谱 GLM、xAI、Azure OpenAI 以及 Ollama 本地模型在内的 10 余种 LLM 提供商,用户可根据成本与效果需求灵活选择。同时,系统具备持久化与断点恢复功能,决策日志自动保存,适用于长时间回测任务。
03部署与使用方法
步骤操作命令说明
安装项目git clone https://github.com/TauricResearch/TradingAgents.git cd TradingAgents pip install .通过 Git 克隆代码库并安装依赖
配置密钥export OPENAI_API_KEY=sk-xxx设置所使用的 LLM API Key(支持其他模型)
启动运行tradingagentsCLI 命令行直接启动,获取决策报告
Docker 部署cp .env.example .env docker compose run --rm tradingagents使用 Docker 容器化部署运行

快速部署指南

该项目适用于量化入门者学习多智能体协作,也适合 AI 研究者探索 LLM 在金融领域的应用。对于缺乏代码能力但希望进行量化分析的用户,TradingAgents 提供了一种将专业团队分析能力转化为一行命令的解决方案。

评论

评论区空态插画

当前文章无评论,是时候发表评论了