TradingAgents 是一个开源的多智能体交易框架，旨在模拟真实世界交易公司的运作机制。该项目由 Tauric Research 开发并维护，并已正式发布。它通过部署一系列基于大语言模型（LLM）驱动的专业智能体（agents），协同分析市场状况并辅助交易决策。
核心功能与架构
1. 多智能体协作
TradingAgents 的核心设计理念是将复杂的交易任务分解为多个专业角色，每个角色负责不同的分析任务，从而实现对市场动态的全面评估：
基本面分析师 (Fundamentals Analyst)
分析公司财务数据和关键绩效指标，识别内在价值及潜在风险。
情绪分析师 (Sentiment Analyst)
利用情感评分算法分析社交媒体和公众情绪，评估短期市场情绪。
新闻分析师 (News Analyst)
监控全球新闻和宏观经济指标，解读事件对市场的影响。
技术分析师 (Technical Analyst)
使用技术指标（如 MACD、RSI）检测交易模式，预测价格走势。
牛熊研究员 (Bullish/Bearish Researchers)
对分析师提供的信息进行批判性评估，通过结构化辩论平衡潜在收益与风险。
交易团队 (Trader Team)
综合分析师报告制定交易决策，决定交易时机和规模。
风控团队 (Risk Management Team)
持续评估投资组合风险，包括市场波动性和流动性等，调整策略并向投资组合经理提供评估报告。
投资组合经理 (Portfolio Manager)
审批或拒绝交易提案，若批准则发送订单至模拟交易所执行。
2. 技术实现
- 基于 LangGraph 构建，确保系统的灵活性与模块化。
- 支持多种 LLM（大语言模型），推荐使用
o1-preview 和 gpt-4o 进行实验，但为了节省成本，测试时可使用 o4-mini 和 gpt-4.1-mini。
- 集成 Finnhub API 获取金融数据（支持免费版）。
- 需要 OpenAI API 来运行所有智能体。
3. 使用方式
安装步骤
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
# 创建虚拟环境
conda create -n tradingagents python\=3.13
conda activate tradingagents
# 安装依赖
pip install -r requirements.txt
# 设置 API 密钥
export FINNHUB\_API\_KEY\=$YOUR\_FINNHUB\_API\_KEY
export OPENAI\_API\_KEY\=$YOUR\_OPENAI\_API\_KEY
CLI 工具
python -m cli.main
CLI 提供交互式界面，用户可选择股票代码、日期、使用的 LLM、研究深度等参数。
编程调用示例
from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG
ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())
_, decision = ta.propagate("NVDA", "2024-05-10")
print(decision)
自定义配置
可以修改默认配置以使用不同的 LLM、调整辩论轮次等：
config = DEFAULT_CONFIG.copy()
config["deep_think_llm"] = "gpt-4.1-nano"
config["quick_think_llm"] = "gpt-4.1-nano"
config["max_debate_rounds"] = 1
config["online_tools"] = True
ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("NVDA", "2024-05-10")
print(decision)
数据支持
- 在线工具（Online Tools） ：启用后可获取实时数据。
- 离线工具（Offline Tools） ：依赖于 Tauric TradingDB 数据集（目前仍在优化中，计划未来发布）。
适用范围与限制
- TradingAgents 主要用于研究目的 ，其交易表现受多种因素影响，包括所选 LLM、模型温度、交易周期、数据质量等。
- 不作为金融、投资或交易建议 使用。
贡献与引用
欢迎社区参与贡献，无论是修复 bug、改进文档还是提出新功能建议，都可帮助项目完善。如果您在研究中使用了 TradingAgents，请引用以下文献：
@misc{xiao2025tradingagentsmultiagentsllmfinancial,
title={TradingAgents: Multi-Agents LLM Financial Trading Framework},
author={Yijia Xiao and Edward Sun and Di Luo and Wei Wang},
year={2025},
eprint={2412.20138},
archivePrefix={arXiv},
primaryClass={q-fin.TR},
url={https://arxiv.org/abs/2412.20138 },
}
总结
TradingAgents 是一个创新性的金融交易研究平台，结合了多智能体系统与大语言模型的优势，适用于金融市场行为建模、交易策略研究以及 AI 在金融领域的应用探索。
