TauricResearch/TradingAgents
项目介绍
TradingAgents：多智能体大语言模型金融交易框架
TradingAgents: Multi-Agents LLM Financial Trading Framework
智能解读
TradingAgents 是一个基于大语言模型的多智能体金融交易框架。该项目模拟真实交易公司的运作模式，将复杂的交易任务分解给多个具备专业职能的智能体，例如基本面分析师、情绪分析师、技术分析师、交易员和风险管理团队。这些智能体能够协作分析市场状况，通过动态讨论共同制定交易策略。框架支持多种主流大语言模型提供商，旨在为量化交易和金融市场研究提供一个模块化、可扩展的实验平台。其设计侧重于研究用途，通过角色分工使市场分析和决策过程更加系统化与稳健。
原始标签
使用场景
最适合需要快速构建、测试和部署基于大语言模型的多维度金融分析及交易策略的研究场景。
量化策略研究验证
量化研究员想测试多因子投资策略，但手动整合基本面、技术面和情绪数据耗时费力。
使用框架内置的分析师团队（基本面、技术、情绪、新闻）自动收集和分析多维数据，研究员只需配置参数即可快速验证策略逻辑。
研究员想测试“高ROE+低RSI+正面舆情”组合策略，可让Fundamentals Analyst筛选高ROE股票，Technical Analyst识别RSI超卖信号，Sentiment Analyst过滤正面舆情股票，最后由Trader Agent执行回测。
自动化交易系统原型
开发团队需要快速搭建一个包含风险控制的自动化交易系统原型，但从头开发成本高。
直接使用框架的多智能体架构，包括分析师团队、研究员辩论机制和风险管理模块，快速构建可运行的交易决策系统。
团队可在几小时内部署一个包含基本面分析、技术分析、风险控制的交易机器人，使用GPT-5.4或Claude 4.6作为智能体核心，连接实盘API进行小规模测试。
市场情绪实时监控
交易员需要实时监控社交媒体和新闻对特定股票的影响，但人工跟踪效率低下。
利用Sentiment Analyst和News Analyst智能体，自动抓取并分析社交媒体情绪和新闻事件，生成实时市场情绪报告。
交易员可设置监控特斯拉(TSLA)的舆情，智能体会实时分析Twitter、Reddit和财经新闻，当检测到负面情绪激增时自动预警。
多模型策略对比
机构想比较不同大语言模型（如GPT-5.4 vs Claude 4.6）在交易决策中的表现差异。
框架支持多提供商LLM（GPT-5.x、Gemini 3.x、Claude 4.x等），可并行运行相同策略但不同模型的智能体进行对比测试。
可同时部署GPT-5.4和Claude 4.6版本的Trader Agent，在相同市场条件下执行交易，对比两者的收益率、风险控制和决策逻辑差异。
项目健康度
距上次更新 12 天
平台 Star TOP 3% · Forks 8,177
本周 +7,622 ⭐ · 本月 +14,198 ⭐
13 位贡献者 · 0 条平台评论
文档资料完整
项目信息
赞赏支持
如果本站对你有帮助，欢迎打赏支持
微信
支付宝
Widget 徽章
相关项目推荐
public-apis/public-apis
免费API资源汇总列表
EbookFoundation/free-programming-books
📚 免费提供的编程书籍
donnemartin/system-design-primer
学习如何设计大规模系统。为系统设计面试做准备。包含Anki记忆卡片。
vinta/awesome-python
精心整理的优质Python框架、库、软件及资源列表
TheAlgorithms/Python
所有算法均使用Python实现
Significant-Gravitas/AutoGPT
AutoGPT致力于实现人人可用的普惠AI，让每个人都能使用和构建AI。我们的使命是提供工具，让您专注于重要事务。
加载评论中...