QuantAgent：基于价格驱动的多智能体大语言模型高频交易框架

Papers with Code Trending 论文
multi-agent llm high-frequency-trading finance algorithmic-trading zero-shot

摘要

QuantAgent 是一个专为高频交易设计的多智能体大语言模型框架，通过四个专业智能体（指标、形态、趋势、风险）基于短周期信号快速做出具有风险意识的交易决策。在对比比特币和纳斯达克期货在内的十种金融工具的零样本评估中，该框架在预测准确率和累计收益方面均优于现有的神经网络和规则驱动基线模型。

大语言模型（LLMs）的最新进展在金融推理和市场理解方面展现出令人瞩目的能力。TradingAgent 和 FINMEM 等多智能体大语言模型框架将这些模型扩展至长周期投资任务，利用基本面和情绪类输入进行战略决策。然而，此类系统难以满足高频交易（HFT）对高速度和高精度的严苛要求。高频交易需要基于结构化短周期信号——包括技术指标、图表形态和趋势特征——快速做出具有风险意识的决策，这与传统金融大语言模型应用中以长期语义推理为主的范式截然不同。为此，我们提出 QuantAgent，这是首个专为高频算法交易设计的多智能体大语言模型框架。该系统将交易分解为四个专业智能体：指标、形态、趋势和风险，每个智能体均配备特定领域的工具和结构化推理能力，以在短时间窗口内捕捉市场动态的不同维度。在涵盖比特币和纳斯达克期货在内的十种金融工具的零样本评估中，QuantAgent 在 4 小时交易区间内的预测准确率和累计收益方面均表现出色，显著超越了强神经网络基线和规则驱动基线。研究结果表明，将结构化金融先验知识与语言原生推理相结合，为高频金融市场中可追溯的实时决策系统开辟了新的可能。
查看原文 导出为 Word 导出为 PDF
查看缓存全文

缓存时间: 2026/05/09 12:31

论文页面 - QuantAgent：基于价格驱动的多智能体大语言模型高频交易框架

来源：https://huggingface.co/papers/2509.09995 发布于 2025 年 9 月 12 日

摘要

QuantAgent 是一个多智能体 LLM 框架，通过调用专门负责技术指标、图表形态、趋势分析和风险管理的各类智能体，在高频交易领域表现出色，性能优于现有的神经网络和规则型交易系统。

大语言模型（LLMs）的最新进展在金融推理与市场理解方面展现出令人印象深刻的能力。TradingAgent 和 FINMEM 等多智能体 LLM 框架将这些模型扩展至长期投资任务，利用基本面与情感类输入进行战略决策。然而，此类系统难以满足高频交易（HFT）对高速度、高精度的严苛要求。HFT 需要基于结构化、短周期信号快速做出风险感知决策，包括技术指标、图表形态及趋势特征，这与传统金融 LLM 应用中典型的长期语义推理有着本质区别。为此，我们推出 QuantAgent——首个专为高频算法交易设计的多智能体 LLM 框架。该系统将交易任务分解为四个专业智能体：Indicator（指标）、Pattern（形态）、Trend（趋势）和 Risk（风险），每个智能体均配备特定领域工具和结构化推理能力，在短时间窗口内捕捉市场动态的不同维度。在涵盖 Bitcoin 和 Nasdaq 期货等十种金融工具的零样本评估中，QuantAgent 在 4 小时交易区间内的预测准确性和累计收益方面均表现优异，超越了强大的神经网络和规则型基准系统。我们的研究结果表明，将结构化金融先验知识与语言原生推理相结合，为高频金融市场中可溯源的实时决策系统开辟了新的可能。

查看 arXiv 页面 查看 PDF 项目主页 GitHub 2.5k auto 加入收藏

在你的智能体中获取此论文：

hf papers read 2509.09995

没有最新版 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用本文的模型 0

暂无模型关联此论文

在模型的 README.md 中引用 arxiv.org/abs/2509.09995 即可在此页面建立关联。

引用本文的数据集 0

暂无数据集关联此论文

在数据集的 README.md 中引用 arxiv.org/abs/2509.09995 即可在此页面建立关联。

引用本文的 Spaces 0

暂无 Space 关联此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2509.09995 即可在此页面建立关联。

收录本文的合集 26

浏览收录本文的 26 个合集

相似文章

TradingAgents：多智能体 LLM 金融交易框架

Papers with Code Trending

本文介绍了 TradingAgents，这是一个多智能体 LLM 框架，通过模拟现实世界中的交易公司来提升股票交易表现。该框架利用执行分析和风险管理的专用智能体，在累计收益和夏普比率方面优于基线模型。

AI-Trader：在实时金融市场中对自主智能体进行基准测试

Papers with Code Trending

本文介绍了 AI-Trader，这是首个用于评估大语言模型（LLMs）在美股、A股和加密货币等金融决策方面的全自动实时基准测试平台。研究指出，通用智能并不必然保证交易成功，并强调了在自主智能体中风险控制的重要性。

QuantCode-Bench：评估大语言模型生成可执行算法交易策略能力的基准

Hugging Face Daily Papers

# 论文页面 - QuantCode-Bench：评估大语言模型生成可执行算法交易策略能力的基准 来源：[https://huggingface.co/papers/2604.15151](https://huggingface.co/papers/2604.15151) ## 摘要 QuantCode\-Bench 通过测试大语言模型能否将自然语言描述转化为可在历史金融数据上正确运行的功能性代码，来评估其生成可执行交易策略的能力。