AI也能开交易会议？TradingAgents模拟真实交易公司，全流程自动化！ 原创 精华

当AI开始“组团”炒股，人类交易员还能坐得住吗？

最近，一个名为 TradingAgents 的开源项目在金融圈和AI圈同时爆火。它不仅让多个AI智能体协同工作，还模拟了真实交易公司的完整流程——从基本面分析、情绪判断，到风险管理、交易执行，全部由AI完成。

今天这篇文章，我们就来深度拆解这个“AI交易天团”的内部结构，看看它是如何运作的，以及我们能用它做些什么。

01｜TradingAgents是什么？

简单来说，TradingAgents 是一个多智能体交易框架，它模拟了真实交易公司中不同角色的协作流程。每个智能体都由大语言模型（LLM）驱动，扮演不同的专业角色，比如：

• 基本面分析师
• 情绪分析师
• 技术分析师
• 新闻分析师
• 研究员（多头 & 空头）
• 交易员
• 风险管理师
• 投资组合经理

这些智能体通过“开会讨论”的方式，协同做出交易决策。就像一个真正的交易团队一样。

02｜AI交易团队的“组织架构”

这个框架最牛的地方在于，它并不是让单个AI做所有事，而是把任务拆解成多个角色，各司其职，协同决策。

1. 分析师团队

• 基本面分析师：分析财报、估值、盈利能力，判断公司内在价值。
• 情绪分析师：爬社交媒体、分析市场情绪，判断短期走势。
• 新闻分析师：监控全球新闻、宏观经济数据，评估事件影响。
• 技术分析师：用MACD、RSI等指标，识别买卖信号。

2. 研究团队

• 多头研究员：寻找看涨理由。
• 空头研究员：寻找看跌理由。
• 两者通过结构化辩论，帮助团队更全面地评估风险与机会。

3. 交易员智能体

• 综合所有分析报告，做出最终交易决策。
• 决定买卖时机、仓位大小等。

4. 风险管理 & 投资组合经理

• 风险管理师：监控波动性、流动性等风险指标。
• 投资组合经理：审批交易提案，决定是否执行。

03｜如何安装和使用？

这个项目已经开源，安装也非常简单。只需几步，你就能跑起来一个AI交易团队。

安装步骤

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

conda create -n tradingagents pythnotallow=3.13
conda activate tradingagents

pip install -r requirements.txt

配置API密钥

你需要两个API：

• FinnHub（获取金融数据）：

export FINNHUB_API_KEY=你的密钥

• OpenAI（驱动智能体）：

export OPENAI_API_KEY=你的密钥

运行CLI

python -m cli.main

你可以选择股票、日期、模型、研究深度等参数，系统会实时显示每个智能体的分析过程。

04｜Python调用示例

如果你想在自己的代码中使用TradingAgents，也非常简单：

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

ta = TradingAgentsGraph(debug=True, cnotallow=DEFAULT_CONFIG)
_, decision = ta.propagate("NVDA", "2024-05-10")
print(decision)

你还可以自定义配置，比如更换模型、增加辩论轮数、启用在线工具等：

config = DEFAULT_CONFIG.copy()
config["deep_think_llm"] = "gpt-4.1-nano"
config["max_debate_rounds"] = 3
config["online_tools"] = True

ta = TradingAgentsGraph(debug=True, cnotallow=config)

05｜背后技术：LangGraph + LLM

TradingAgents 是基于 LangGraph 构建的，这是一个非常适合构建多智能体系统的框架。它让每个智能体成为一个节点，通过图结构进行协作。

在模型选择上：

• 深度思考模型：如​​o1-preview​​，用于复杂推理。
• 快速思考模型：如​​gpt-4o​​，用于快速响应。
• 成本优化模型：如​​gpt-4.1-mini​​，适合测试。

06｜Docker支持与本地部署

如果你想在本地部署，项目也提供了Docker支持，甚至可以接入本地Ollama模型，进一步降低成本。

07｜我们能用它做什么？

虽然这个项目仅供研究使用，但它为我们提供了很多想象空间：

• 量化研究：测试不同AI模型的交易策略。
• 教育用途：学习多智能体系统如何协作。
• 策略回测：结合历史数据，验证AI策略的有效性。
• 个性化投资助手：构建属于自己的AI交易团队。

08｜风险提示

本项目仅供研究用途，不构成任何投资建议。

AI交易虽然听起来很酷，但市场有风险，模型也有不确定性。使用此类工具时，务必谨慎评估风险。

09｜结语：AI交易的未来已来

TradingAgents 的出现，标志着AI在金融领域的应用进入了一个新阶段。它不仅仅是“让AI炒股”，而是让多个AI像人类一样协作、讨论、决策。

未来，或许我们每个人的手机里，都会有一个“AI交易团队”在默默为我们打理资产。

本文转载自​​​Halo咯咯​​​    作者：基咯咯