一款多智能体交易系统：TradingAgents，它模拟真实的交易团队，通过分析、讨论和决策，来决定是否买卖股票 它有分析师、研究员、交易员、风险管理员几个智能体，综合财务数据、市场情绪、新闻报道等多个信息，智能体间进行动态讨论，进而做出全面合理的决策 比如，有的智能体认为股票值得买入，有的认为有风险，它们会通过辩论来达成一个最佳决策 可以自定义策略，你可以根据自己的交易风格和目标，调整智能体的行为，或者添加新智能体和功能模块 支持实时获取最新市场数据和缓存数据 系统基于LangGraph构建，它实验时使用的o1-preview和 gpt-4o作为深度思考和快速思考的模型。
安装和使用。
安装与命令行界面 (CLI)
安装
克隆 TradingAgents 仓库：
git clone https://github.com/TauricResearch/TradingAgents.git cd TradingAgents
使用您喜欢的任何环境管理器创建虚拟环境（例如 Conda）：
conda create -n tradingagents python=3.13 conda activate tradingagents
安装依赖项：
pip install -r requirements.txt
所需 API
您还需要 FinnHub API 和 EODHD API 来获取金融数据。我们的所有代码都使用免费层级实现。
export FINNHUB_API_KEY=$YOUR_FINNHUB_API_KEY
所有智能体都需要 OpenAI API。
export OPENAI_API_KEY=$YOUR_OPENAI_API_KEY
CLI 使用
您可以直接运行 CLI：
python -m cli.main您将看到一个界面，可以在其中选择所需的股票代码（tickers）、日期、LLM 模型、研究深度等。
界面将显示加载结果，让您可以跟踪智能体运行的进度。
TradingAgents 包
实现细节
我们使用 LangGraph 构建 TradingAgents，以确保灵活性和模块化。在我们的实验中，我们使用 o1-preview 和 gpt-4o 分别作为深度思考（deep thinking）和快速思考（fast thinking）的 LLM。但是，出于测试目的，我们建议您使用 o4-mini 和 gpt-4.1-mini 以节省成本，因为我们的框架会进行大量 API 调用。
Python 使用
要在您的代码中使用 TradingAgents，可以导入 tradingagents 模块并初始化一个 TradingAgentsGraph() 对象。.propagate() 函数将返回一个决策。您可以运行 main.py，这里也是一个快速示例：
from tradingagents.graph.trading_graph import TradingAgentsGraph ta = TradingAgentsGraph(debug=True, config=config) # 前向传播 _, decision = ta.propagate("NVDA", "2024-05-10") print(decision)
您还可以调整默认配置，设置您自己选择的 LLM 模型、辩论轮数等。
from tradingagents.graph.trading_graph import TradingAgentsGraph from tradingagents.default_config import DEFAULT_CONFIG # 创建自定义配置 config = DEFAULT_CONFIG.copy() config["deep_think_llm"] = "gpt-4.1-nano" # 使用不同的模型 config["quick_think_llm"] = "gpt-4.1-nano" # 使用不同的模型 config["max_debate_rounds"] = 1 # 增加辩论轮数 (原注释说增加，但值设为了1，实际是减少，此处按原文翻译) config["online_tools"] = True # 使用在线工具或缓存数据 # 使用自定义配置初始化 ta = TradingAgentsGraph(debug=True, config=config) # 前向传播 _, decision = ta.propagate("NVDA", "2024-05-10") print(decision)
关于 online_tools，我们建议在实验时启用它们，因为它们提供对实时数据的访问。智能体的离线工具依赖于我们 Tauric TradingDB（一个用于回测的精选数据集）的缓存数据。我们目前正在完善这个数据集，并计划在即将发布的项目中一起发布它。敬请期待！
您可以在 tradingagents/default_config.py 中查看完整的配置列表。
贡献 (Contributing)
我们欢迎社区的贡献！无论是修复错误、改进文档，还是建议新功能，您的意见都有助于使这个项目变得更好。如果您对这方面的研究感兴趣，请考虑加入我们的开源金融 AI 研究社区 Tauric Research。
引用 (Citation)
如果您发现 TradingAgents 对您有所帮助，请引用我们的工作 :)
@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},
}类似网站
关注我们
川公网安备 123456789号