基于多Agents大语言模型的金融交易框架

最近在github上发现了一个比较有趣的项目，是一个Agent的金融交易开源项目。

它在github上的星星数猛增，说明还是有很多人认可的

它具体就是通过多个Agent互相合作，然后分析出某个股票是否合适持有或者卖出。

它是怎么运作的？

通过部署专业的大语言模型智能体——包括基本面分析师、情绪分析师、技术分析师、交易员、风险管理团队等角色，平台能够协同评估市场状况并制定交易决策。这些智能体会通过动态讨论来确定最优策略。

我们的框架将复杂交易任务分解为专业角色，确保系统采用稳健、可扩展的市场分析与决策方法。

分析师团队

• 基本面分析师：评估公司财务与绩效指标，识别内在价值与潜在风险信号
• 情绪分析师：运用情绪评分算法分析社交媒体与公众情绪，研判短期市场氛围
• 新闻分析师：监测全球新闻与宏观经济指标，解读事件对市场的影响
• 技术分析师：运用MACD、RSI等技术指标识别交易形态并预测价格走势

研究团队

• 由多头与空头研究员组成，对分析师团队的见解进行批判性评估。通过结构化辩论权衡潜在收益与固有风险

交易员智能体

• 整合分析师与研究团队的报告做出交易决策，根据全面市场洞察确定交易时机与规模

风险管理与投资组合经理

• 持续评估投资组合风险，分析市场波动性、流动性等风险因素。风险管理团队评估并调整交易策略，向投资组合经理提交评估报告以供最终决策
• 投资组合经理审批交易提案。若获批准，订单将发送至模拟交易所执行

具体如何安装运行

安装过程比较简单，首先下载代码

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

然后构建虚拟python环境

conda create -n tradingagents python=3.13
conda activate tradingagents

最后安装依赖

pip install -r requirements.txt

然后需要的几个API Key

export FINNHUB_API_KEY=$YOUR_FINNHUB_API_KEY
export OPENAI_API_KEY=$YOUR_OPENAI_API_KEY

运行命令，就可以开启界面：

python -m cli.main

你会看到一个界面，可以选自己想要的股票代码、日期、大语言模型、研究深度这些选项。

会弹出一个界面，一边加载结果一边显示，这样你就能实时看到代理程序的运行进度了。

最后可以看到分析特斯拉股票的效果：

报告的前三个板块：“市场分析”、“基本面分析”和“情绪分析”，同时进行了新闻分析：信息翔实、逻辑清晰

• 交付与产量：Q2 2025 交付 384,122 辆，较去年同期下降，产量略高于交付，出现库存积压。分析指出 “好于预期” 推动股价短期反弹。
• 区域表现：中国小幅增长，欧洲（德国）跌幅严重，英国逆势大涨，反映地域竞争格局。
• 宏观与扩产：提及美国和上海工厂的产能调配，以及德州 Gigafactory 进展，展示产能扩张的长期利好。
• 价格战与市场份额：特斯拉延续降价策略以抢占市场，行业份额仍维持领先，但也带来利润压缩风险。

总体而言，新闻分析涵盖了经营、竞争与宏观三层面，信息丰富、数据与结论对应得当，能够支撑后续投资判断。

写在最后

TradingAgents 项目以多智能体协作为核心，通过分工与对话机制复刻专业交易团队的分析流程，既兼顾了专业化深度，也保持了高度的可扩展性与可解释性。对于希望自动化构建量化选股、组合管理或风控监控系统的开发者而言，既能作为优秀的学习范例，也具备直接投入实战的潜力。欢迎大家一起探索、贡献与改进，共同打造更智能、更稳健的开源交易智能体平台！