TradingAgents是什么？

TradingAgents是加州大學洛杉磯分校和麻省理工學院開發的一個金融交易框架，通過分析、討論和決策來確定股票的買賣時機。系統包含分析師、研究員、交易員和風險管理員等角色，綜合考慮財務數據、市場情緒、新聞報道等多方面信息，各角色間通過動態討論形成全面且合理的決策。例如，部分角色可能認為某股票值得買入，而另一些則認為存在風險，他們通過辯論來達成最佳決策。

用戶可根據自身交易風格和目標，自定義策略，調整各角色行為，甚至添加新角色或功能模塊。系統支持實時獲取最新市場數據，也兼容緩存數據。TradingAgents基于LangGraph構建，實驗中采用o1-preview和gpt-4o模型分別用于深度思考和快速思考任務。

TradingAgents核心特點

• 多角色分工：這個框架里有各種角色，比如基本面分析師、情緒分析師、新聞分析師、技術分析師、研究員、交易員和風險經理等。每個角色都有自己的任務和工具，大家一起合作完成交易。

• 基本面分析師：看公司的財務報表和行業趨勢，找出被低估或高估的股票，判斷長期投資價值。

• 情緒分析師：分析新聞、社交媒體和市場情緒，預測投資者行為對股價的短期影響。

• 新聞分析師：關注新聞和宏觀經濟指標，找出可能影響市場的重大事件。

• 技術分析師：研究歷史價格和技術指標，預測未來價格走勢，確定交易時機。

• 研究員：團隊里有看多和看空的成員，通過辯論評估投資風險和收益。

• 交易員：根據分析結果和風險偏好，執行交易決策。

• 風險經理：實時監控風險，調整策略，確保交易在設定的風險范圍內。

• 溝通方式：結合結構化輸出和自然語言對話，避免信息丟失，提高決策效率。

TradingAgents技術原理

• 多代理協作：多個智能代理各司其職，同時又能相互協作。

• 任務分解：把復雜的交易任務拆分成多個小任務，每個角色負責一部分。

• 自然語言處理：利用LLM處理文本數據，支持代理之間的交流和決策解釋。

• 數據融合：結合結構化和非結構化數據，挖掘更多有價值的信息。

• 動態決策：根據市場變化實時調整策略，優化表現。

TradingAgents主要功能

• 數據收集與分析：收集多種市場數據，為交易決策提供支持。

• 角色專業化：不同角色處理不同任務，提高決策的科學性。

• 代理辯論與決策：通過辯論形成全面的交易策略。

• 風險控制與管理：實時監控風險，確保交易符合風險設定。

• 可解釋性與透明度：用自然語言記錄決策過程，方便理解和優化。

實驗結果

TradingAgents在累計回報、夏普比率等指標上表現優異，累計收益比傳統策略至少高出6.1%，最大回撤控制在2%左右，風險控制得很好。

TradingAgents應用場景

• 量化交易：實時生成買賣信號，幫助量化交易員快速決策。

• 資產管理：提供動態資產配置建議，優化投資組合。

• 個人投資：為個人投資者提供投資建議，幫助識別機會和風險。

• 金融研究：為分析師提供市場洞察，支持研究報告撰寫。

• 風險投資：幫助評估企業的財務健康和成長潛力，降低投資風險。

項目地址

官網：https://tradingagents-ai.github.io/

GitHub倉庫：https://github.com/TradingAgents

技術論文：https://arxiv.org/pdf/2412.20138