GitHub Trending ★ 89 3 min

simonlin1212/TradingAgents-astock

Python

🔗 https://github.com/simonlin1212/TradingAgents-astock

根據您提供的資訊，這是一個開源專案（GitHub Project），我將依照開源專案的架構進行轉寫。

📌 【開源專案】TradingAgents-astock：專為 A 股設計的多 Agent 投研框架

TL;DR：基於 TradingAgents 進行 A 股特化，整合 7 種分析師角色與 A 股交易規則的開源工具。

🎣 雖然多 Agent 投研框架已非新鮮事，但大多數開源專案仍是針對美股市場設計，面對 A 股獨有的交易制度與資料源，往往難以直接落地。

🧩 從美股框架到 A 股深度特化

本專案是基於知名開源框架 TauricResearch/TradingAgents 的深度特化 fork 版本。作者並非進行簡單的語言翻譯，而是從資料層、Agent 角色、以及交易規則三個維度進行了重構，以解決原版框架無法處理 A 股特有制度的問題。

核心改造對照如下：

維度原版 TradingAgentsTradingAgents-astock
資料來源Yahoo Finance / Alpha Vantagemootdx + 東財 + 新浪 + 同花順
Analyst 角色4 個（市場/情緒/新聞/基本面）7 個（新增政策/遊資/解禁）
交易規則美股（T+0、無漲跌停）A 股（T+1、漲跌停、最小手數、交易時段）
輸出語言英文中文報告（內部辯論保持英文以保證推理質量）
Alpha 基準SPY滬深 300 (CSI 300)

📊 七大分析師角色驅動的辯論架構

專案採用多 Agent 協作機制，透過不同專業背景的角色進行資訊蒐集與辯論：

  1. 分析師層級：包含市場 (Market)、社群情緒 (Social)、新聞 (News)、基本面 (Fundamentals) 分析師，並特別新增了 政策分析師 (Policy)、遊資追蹤 (Hot Money) 與 解禁監控 (Lockup) 三個針對 A 股設計的深度角色。
  2. 辯論機制：由 Bull Researcher（看多研究員）與 Bear Researcher（看空研究員）進行最多 N 輪的投研辯論。
  3. 決策層級：最終由 Research Manager 進行綜合研判並生成研報。

🛠️ 快速上手與開發細節

  • 部署方式：支援 pip install 即可快速執行。
  • 資料整合：透過 HTTP 直連 mootdx、東財、新浪與同花順，實現 A 股資料的全免費直連。
  • 授權協議：採用 Apache 2.0 許可證。

⚠️ 免責宣告 本專案僅供學習研究與技術演示，不構成任何投資建議。投資決策請諮詢持牌專業機構。

🎯 實務啟示 對於研究多 Agent 協作（Multi-Agent Collaboration）的工程師來說，此專案展示瞭如何透過「領域知識（Domain Knowledge）」將通用型 AI 框架轉化為具備特定市場邏輯的專業工具。

🔗 來源

#AI #MultiAgent #TradingAgents #AStock #OpenSource #MachineLearning #QuantitativeTrading #Python #LLM #FinancialAI

由 tencent/hy3:free 自動生成

同來源相關文章