HKUDS/Vibe-Trading

📌 【HKUDS】Vibe-Trading：將交易能力整合進 AI Agent 的開源交易框架

TL;DR：一個讓 AI Agent 透過單一指令即可獲得完整交易能力、支援影子帳戶與多市場資料路由的開源框架。

目前的 AI Agent 雖然能分析資料，但要將分析轉化為實際的交易執行，通常需要複雜的 API 整合與邏輯對接。Vibe-Trading 旨在簡化這個過程，讓開發者能快速為 Agent 賦能，使其具備全面的交易能力。

🧩 核心功能與設計理念

Vibe-Trading 採取模組化設計，讓 Agent 能透過簡單指令執行交易任務。其核心能力包含：

• 影子帳戶 (Shadow Account)：支援規則提取與程式碼生成，讓 Agent 能在模擬環境中驗證交易邏輯。
• 訊號引擎 (SignalEngine)：能將提取的交易規則轉化為實際進入條件（例如 RSI 範圍、先前報酬率範圍），而非單純重複持倉節奏。
• 多市場資料路由：透過 tushare loader 實現精準的資料導向，根據標的型別自動分流：
  • ETF/LOF $\rightarrow$ fund_daily()
  • 指數 (Indices) $\rightarrow$ index_daily()
  • 香港股票 $\rightarrow$ hk_daily()
  • 一般股票 $\rightarrow$ daily() （此設計解決了先前呼叫通用 daily() 函式時，非股票標的會靜默回傳空值的問題）。

💡 近期技術改良：提升穩定性與精準度

根據專案更新日誌，開發團隊近期針對以下實務問題進行了最佳化：

• 對抗內容過濾 (Content-filter resilience)：在事件驅動 (event-driven) 與 Swarm 執行模式下，跳過單次 LLM 的內容審核攔截，並在過濾率過高時發出警告，且能識別 Gemini 的安全終止原因，避免整個分析流程因此中斷。
• 防止精度損失：將影子帳戶的提取與程式碼生成統一使用相同的 PRICE_FEATURES 合約，並將 prior_5d_return（前 5 日報酬率）維持在小數四位數，防止規則與程式碼之間產生偏差。

🎯 實務啟示

對於開發交易 Agent 的工程師來說，Vibe-Trading 提供了兩個值得參考的實作方向：

1. 資料路由的嚴謹性：在處理金融資料時，針對不同資產類別（ETF、指數、個股）使用專屬 API 介面，比使用通用介面更能有效避免空值回傳導致的分析錯誤。
2. LLM 容錯處理：針對 LLM 內建的安全過濾機制，透過識別特定終止原因（如 Gemini safety finish reasons）而非直接中斷程式，能顯著提升自動化交易分析的連續性。

🔗 來源

• 標題：Vibe-Trading: Your Personal Trading Agent
• 作者／機構：HKUDS
• 連結：https://github.com/HKUDS/Vibe-Trading

#AI #TradingBot #OpenSource #LLM #QuantitativeTrading #Agent #Python #Tushare #FinTech #HKUDS