TradingAgents

TradingAgents 是一个由加州大学洛杉矶分校和麻省理工学院联合开发的多智能体金融交易框架，其 GitHub 地址为：https://github.com/TauricResearch/TradingAgents。
项目概述：TradingAgents 通过构建一个由多个 AI 智能体组成的虚拟交易团队，模拟真实金融团队的协作流程，在股票买卖决策中实现了更高水平的理性判断、风险控制与集体智慧融合。
主要功能
多智能体协作机制：包含分析师、研究员、交易员、风控等多种智能体角色。分析师团队负责从不同维度收集和分析市场信息，研究员团队通过结构化辩论的方式深化分析，交易员智能体整合信息做出交易决策，风险管理智能体则持续评估投资组合风险。
综合多源信息分析：能够整合多种信息来源，如通过 FinnHub、Google News、Reddit 等获取新闻信息，通过 SimFin 等数据源获取公司财务数据，还可通过爬取 Reddit、Twitter 等平台的数据来评估市场情绪，从财务报表、市场情绪、新闻事件等多个维度进行分析。
智能体间动态讨论：支持智能体间通过自然语言对话机制进行交互、争论与协商，例如研究团队中的多空研究员会进行辩论，以避免确认偏误，确保决策的全面性，最终形成统一的投资建议。
可定制化策略：支持用户自定义行为逻辑，开发者可以轻松添加新的智能体类型，如宏观经济学家、ESG 分析员等，也可以修改已有智能体的行为模式。
技术特点
LangGraph 构架支撑：使用 LangGraph 作为底层框架，构建了一个状态驱动、模块化的多智能体协作流程，提供了清晰的状态管理和异步通信能力，使多个智能体可以在共享上下文的前提下进行高效协同。
双模型架构：采用 “o1-preview + gpt-4o” 的双模型架构，o1-preview 用于需要深度推理的任务，如财务建模、风险评估；gpt-4o 用于快速响应和对话生成，提升讨论效率，兼顾了深度思考与实时交互的需求。
应用场景：适用于个人投资者辅助决策，还可用于教育培训，模拟真实交易团队训练金融从业者；也可接入券商 API 实现自动化交易，在历史数据上验证多智能体决策效果，提前识别潜在市场风险与异常事件等。