TauricResearch/TradingAgents

项目概览

该项目通过看涨与看跌研究员的结构化辩论来平衡潜在收益与风险，为自动化金融分析提供了一种对抗性视角的决策路径。

项目类型

AI Agent · AI 工作流 · 数据处理

应用场景

搜索调研 · 数据分析

部署方式

查看项目说明

License

Apache-2.0

适合谁

• 需要研究模拟真实交易公司动态、探索多智能体在复杂金融分析中协作模式的研究人员与开发者。
• 希望对多空结构化辩论机制进行测试并验证大语言模型在风险管理中应用的数据团队。

核心能力

• 部署基本面、情绪、新闻和技术分析等专门智能体，用于评估公司财务状况、聚合社交与新闻情绪、监控宏观指标及检测交易模式。
• 包含看涨和看跌研究员，通过结构化辩论对分析师的洞察进行批判性评估，以平衡潜在收益与固有风险。
• 汇总分析师与研究员的报告，做出知情的交易决策，并确定交易的时间和规模。
• 持续评估投资组合风险并调整策略，由投资组合经理批准或拒绝针对模拟交易所的交易提案。
• 兼容 Yahoo Finance 覆盖的任意市场，使用带有交易所后缀的股票代码，并自动解析公司身份和基准指标。
• 支持多种 LLM 提供商，包括 OpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、MiniMax、OpenRouter、Ollama、Azure OpenAI 和 AWS Bedrock。
• 常驻持久化日志，将已完成的决策、实现回报和反思追加到内存中，供未来运行参考。
• 可选功能，在每个节点后保存状态，若运行崩溃或中断，可从最后成功的步骤恢复，而无需重新开始。

限制与风险

• 由于 LLM 驱动的采样具有非确定性，针对同一股票代码和日期的两次运行结果可能会有所不同。
• 实时的社交和新闻数据会随时间推移而变化，这意味着即使在同一历史日期运行，也可能会因为输入数据的不同而得到不同的分析输入。
• 由于模型和数据等多种因素的影响，回测结果不保证与任何已公布的业绩数据相匹配。
• 该框架专为研究目的而设计，并非旨在作为实际的财务、投资或交易建议。

如何开始

• 克隆仓库并通过 pip 安装依赖后，需配置 LLM 提供商的 API 环境变量。随后启动交互式 CLI，在其中选择需分析的股票代码、日期及分析深度即可完成首次运行。

核验依据

• GitHub 项目简介: TradingAgents: Multi-Agents LLM Financial Trading Framework
• README: TradingAgents is a multi-agent trading framework that mirrors the dynamics of real-world trading firms.
• README: By deploying specialized LLM-powered agents: from fundamental analysts, sentiment experts, and technical analysts, to trader, risk management team, the platform collaboratively ev…
• README: - Fundamentals Analyst: Evaluates company financials and performance metrics, identifying intrinsic values and potential red flags.
• README: TradingAgents officially released! We have received numerous inquiries about the work, and we would like to express our thanks for the enthusiasm in our community.

内容核验时间：