0
TradingAgents 是一个基于多智能体大语言模型（LLM）的金融交易框架，灵感来源于真实交易机构的协作模式。它通过模拟交易团队的分工与协作，整合基本面分析、情绪分析、新闻分析和技术分析等多维度数据，为交易决策提供全面支持。
- TradingAgents开源项目官网入口网址：https://github.com/TauricResearch/TradingAgents
- TradingAgents中文介绍：https://www.zdoc.app/zh/TauricResearch/TradingAgents
核心特点
- 多角色分工协作：框架内包含多个智能体角色，如基本面分析师、情绪分析师、新闻分析师、技术分析师、研究员（分为多头和空头观点）、交易员和风险管理团队。每个角色负责特定任务，提供专业见解，最终通过多轮辩论和结构化信息共享形成交易决策。
- 高效通信机制：采用结构化报告与自然语言辩论相结合的方式，避免信息丢失，同时提升观点融合和推理深度。
- 灵活的LLM集成：支持多种大语言模型，根据任务复杂度选择合适的LLM（如快速思考模型和深度思考模型），保证效率与准确性。
- 强大的实验验证：在多只股票（如苹果、谷歌、亚马逊）上的测试表明，TradingAgents在累计收益率、夏普比率和最大回撤等关键指标上显著优于传统交易策略。
应用场景
- TradingAgents适用于金融量化交易领域，能够帮助投资者优化交易策略、提升决策质量并有效控制风险。其开源设计支持二次开发，用户可根据需求扩展智能体角色、集成更多数据源或优化模型性能。
TradingAgents 由 Tauric Research 开发，旨在推动金融 AI 研究的发展，并鼓励社区贡献和改进。该项目已发布在 GitHub 和相关学术平台，供研究人员和开发者使用。
