TradingAgents 是一個基于多智能體大語言模型（LLM）的金融交易框架，靈感來源于真實交易機構(gòu)的協(xié)作模式。它通過模擬交易團隊的分工與協(xié)作，整合基本面分析、情緒分析、新聞分析和技術(shù)分析等多維度數(shù)據(jù)，為交易決策提供全面支持。

• TradingAgents開源項目官網(wǎng)入口網(wǎng)址：https://github.com/TauricResearch/TradingAgents
• TradingAgents中文介紹：https://www.zdoc.app/zh/TauricResearch/TradingAgents

核心特點

1. 多角色分工協(xié)作：框架內(nèi)包含多個智能體角色，如基本面分析師、情緒分析師、新聞分析師、技術(shù)分析師、研究員（分為多頭和空頭觀點）、交易員和風險管理團隊。每個角色負責特定任務，提供專業(yè)見解，最終通過多輪辯論和結(jié)構(gòu)化信息共享形成交易決策。
2. 高效通信機制：采用結(jié)構(gòu)化報告與自然語言辯論相結(jié)合的方式，避免信息丟失，同時提升觀點融合和推理深度。
3. 靈活的LLM集成：支持多種大語言模型，根據(jù)任務復雜度選擇合適的LLM（如快速思考模型和深度思考模型），保證效率與準確性。
4. 強大的實驗驗證：在多只股票（如蘋果、谷歌、亞馬遜）上的測試表明，TradingAgents在累計收益率、夏普比率和最大回撤等關(guān)鍵指標上顯著優(yōu)于傳統(tǒng)交易策略。

應用場景

• TradingAgents適用于金融量化交易領(lǐng)域，能夠幫助投資者優(yōu)化交易策略、提升決策質(zhì)量并有效控制風險。其開源設計支持二次開發(fā)，用戶可根據(jù)需求擴展智能體角色、集成更多數(shù)據(jù)源或優(yōu)化模型性能。

TradingAgents 由 Tauric Research 開發(fā)，旨在推動金融 AI 研究的發(fā)展，并鼓勵社區(qū)貢獻和改進。該項目已發(fā)布在 GitHub 和相關(guān)學術(shù)平臺，供研究人員和開發(fā)者使用。