TauricResearch/TradingAgents

解決的問題

TradingAgents 透過模擬專業交易公司的結構，解決金融交易的複雜性。它不依賴單一 LLM，而是使用一組專業代理來分析市場數據、辯論策略並管理風險，從而降低遺漏的可能性，提升交易決策的品質。

工作原理

該框架使用 LangGraph 協調一個分為四個主要階段的多代理工作流：

1. 分析師團隊：專業代理收集基本面（財務數據）、情緒（社群媒體/新聞）、全球宏觀趨勢以及技術指標（MACD/RSI）的資料。
2. 研究員團隊：看漲與看跌研究員進行結構化辯論，以挑戰分析師的發現，並在潛在收益與風險之間取得平衡。
3. 交易員代理：整合分析師與研究員的報告，決定交易的時機與規模。
4. 風險與投資組合管理：風險管理團隊評估波動性與流動性，投資組合經理做出最終批准或拒絕交易的決定。

系統包含一個決策日誌，記錄過去交易與反思，以提升未來表現，並支援檢查點功能，可在中斷後從上一個成功步驟恢復執行。

適用對象

專為研究多代理 AI 系統與金融分析的科研人員，以及希望建構 LLM 驅動的交易框架的開發者設計。

主要亮點

• 多提供者支援：相容 OpenAI、Google、Anthropic、xAI、DeepSeek、Qwen、GLM、MiniMax 以及透過 Ollama 的本地模型。
• 全球市場覆蓋：支援 Yahoo Finance 覆蓋的任何市場，包括美國、香港、東京、倫敦、印度、加拿大、澳洲、中國及加密貨幣市場。
• 記憶系統：維護持久的決策日誌，將過去交易的經驗注入當前分析中。
• 容錯能力：透過 LangGraph 檢查點功能，在崩潰後可從上一個成功步驟恢復分析。