TradingAgents

TradingAgents 是一个基于多智能体大语言模型（LLM）的金融交易决策框架，其设计灵感源自专业交易机构内部的协作流程。该框架通过模拟真实交易团队中不同角色的分工与互动，融合基本面、市场情绪、新闻事件和技术指标等多维度信息，形成结构化的交易建议。

TradingAgents官网入口网址：https://github.com/TauricResearch/TradingAgents

核心功能

• 多角色智能体协同：系统内置多个专业化智能体，包括基本面分析师、情绪分析师、新闻分析师、技术分析师、持有多头或空头立场的研究员、交易员以及风险管理模块。各智能体独立生成分析报告，并通过多轮辩论机制整合观点，最终输出一致性的交易决策。
• 结构化通信机制：采用标准化报告格式与自然语言交互相结合的方式，在保留关键信息的同时提升推理深度，减少传统多智能体系统中常见的信息衰减问题。
• 可配置的大语言模型支持：允许用户根据任务需求灵活接入不同类型的LLM，例如在需要快速响应时调用轻量级模型，在复杂研判场景下启用高精度模型，兼顾效率与准确性。
• 实证性能优势：在苹果、谷歌、亚马逊等股票的历史回测中，TradingAgents 在累计收益率、夏普比率和最大回撤等核心指标上均优于基准策略，展现出较强的实战潜力。

适用场景

TradingAgents 主要面向量化交易研究与开发领域，适用于希望借助人工智能提升策略稳健性与决策逻辑透明度的机构或个人开发者。项目以开源形式发布，支持用户扩展智能体类型、接入自定义数据源或调整协作流程，便于在学术研究或实际交易环境中进行定制化部署。

该项目由 Tauric Research 发起并维护，已在 GitHub 平台开放源代码，同时提供中文文档支持，鼓励社区参与改进与应用探索。