AI驱动的智能交易革命！开源多智能体交易系统，模拟真实团队决策，打造高效精准的股票交易系统！

在金融市场瞬息万变的今天，传统的交易策略和单一模型往往难以应对复杂多变的市场环境。

AI 多智能体的兴起，除了我们在所熟知的日常领域，同时还在金融投资领域掀起了技术热潮。

最近在 GitHub 上发现一款开源的创新的多智能体交易系统：TradingAgents，通过模拟真实交易团队的分工协作，利用大型语言模型（LLM）驱动的多个智能体，综合财务数据、市场情绪和新闻报道，动态分析并制定交易决策。

支持策略自定义与多源数据输入，帮助做出更稳健的投资决策。

TradingAgents在累计回报、夏普比率和最大回撤等指标上显著优于基线模型，展现了多智能体框架在金融交易中的巨大潜力。

亮点功能

• • 多智能体协作：包括分析师、研究员、交易员、风控员等，模拟真实交易，分工明确。
• • 双模型驱动：o1-preview处理深度推理，gpt-4o加速数据处理，提升30%+效率
• • 智能辩论机制：各智能体根据职责表达观点，有分歧时进行推理辩论，最后投票决策
• • LangGraph 支持：基于 LangGraph 构建的流程化智能体结构，便于控制流程与注入约束
• • 策略自定义：可调整每个智能体的性格、风格和目标，还可以添加新角色
• • 实时数据支持：支持实时市场数据抓取，也支持缓存数据用于复盘与测试

快速入手

TradingAgents 的安装和使用较为简单，还可使用 Python 接口直接调用。

① 克隆项目

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

② 创建Python虚拟环境

conda create -n tradingagents python=3.13
conda activate tradingagents

③ 安装依赖

pip install -r requirements.txt

④ 配置API

export FINNHUB_API_KEY=$YOUR_FINNHUB_API_KEY
export OPENAI_API_KEY=$YOUR_OPENAI_API_KEY

同时可以直接运行以下命令来使用 CLI。

python -m cli.main

然后就会看到一个屏幕，可以在其中选择所需的股票代码、日期、LLM、研究深度等。

一个界面将出现，显示加载结果，让您可以跟踪代理的运行进度。

Python 决策API示例：

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# Create a custom config
config = DEFAULT_CONFIG.copy()
config["deep_think_llm"] = "gpt-4.1-nano"  # Use a different model
config["quick_think_llm"] = "gpt-4.1-nano"  # Use a different model
config["max_debate_rounds"] = 1  # Increase debate rounds
config["online_tools"] = True # Use online tools or cached data

# Initialize with custom config
ta = TradingAgentsGraph(debug=True, config=config)

# forward propagate
_, decision = ta.propagate("NVDA", "2024-05-10")
print(decision)

应用场景

• • 投资顾问 AI：作为股票小助手，为用户实时分析和提供建议
• • 机构策略研发：在虚拟环境中模拟策略对话与博弈
• • 金融 AI 教学：演示“多角色观点 + 多轮推理”带来的策略差异
• • 模型对比平台：同一个输入，用不同模型组合决策，评估收益差异

写在最后

TradingAgents 以其创新的多智能体协作机制和强大的LLM驱动能力，为股票交易带来了全新范式。

通过模拟真实交易团队的分工与辩论，结合实时数据和可定制策略，TradingAgents在累计回报、风险管理和透明性上显著优于传统模型。

无论是量化交易、投资组合管理，还是金融研究，这款框架都会成为开发者及金融企业不可或缺的利器之一。

GitHub 项目地址：https://github.com/TauricResearch/TradingAgents