TradingAgents：多智能体 LLM 金融交易框架

Papers with Code Trending 论文
multi-agent-systems financial-trading llm-application stock-market open-source risk-management

摘要

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。

在使用大型语言模型（LLM）驱动的智能体社会进行自动化问题解决方面已取得重大进展。在金融领域，目前的努力主要集中在处理特定任务的单智能体系统，或独立收集数据的多智能体框架上。然而，多智能体系统在复制现实世界交易公司协作动态方面的潜力尚未得到充分探索。TradingAgents 提出了一种受交易公司启发的新型股票交易框架，其中包含担任基本分析师、情绪分析师、技术分析师以及具有不同风险偏好交易者等专门角色的 LLM 驱动智能体。该框架包括评估市场状况的牛市和熊市研究员智能体、监控风险敞口的风险管理团队，以及综合辩论和历史数据中的见解以做出明智决策的交易员。通过模拟动态、协作的交易环境，该框架旨在提高交易绩效。详细的架构和广泛的实验表明，其在累计收益、夏普比率和最大回撤方面均优于基线模型，突显了多智能体 LLM 框架在金融交易中的潜力。TradingAgents 可在 https://github.com/TauricResearch/TradingAgents 获取。
查看原文
查看缓存全文

缓存时间: 2026/05/08 08:32

论文页面 - TradingAgents：多智能体大语言模型金融交易框架

来源：https://huggingface.co/papers/2412.20138 发布日期：2024年12月28日

摘要

一个使用大型语言模型进行股票交易的多智能体框架，模拟了现实世界中的交易公司，改善了累计收益和夏普比率等性能指标。

在使用由大型语言模型（LLM）驱动的智能体社会进行自动化问题解决方面已取得显著进展。在金融领域，努力主要集中在处理特定任务的单智能体系统或独立收集数据的多智能体框架上。然而，多智能体系统在复制现实世界中交易公司的协作动态方面的潜力仍有待探索。TradingAgents 提出了一个受交易公司启发的新颖股票交易框架，具有扮演基本面分析师、情感分析师、技术分析师和不同风险偏好交易者等专门角色的 LLM 智能体。该框架包括评估市场状况的多头和空头研究员智能体、监控风险敞口的风险管理团队，以及从辩论和历史数据中综合见解以做出明智决策的交易员。通过模拟动态、协作的交易环境，该框架旨在提高交易表现。详细的架构和广泛的实验揭示了其优于基线模型，在累计收益、夏普比率和最大回撤方面有了显著提升，突出了多智能体 LLM 框架在金融交易中的潜力。TradingAgents 可在 https://github.com/TauricResearch/TradingAgents 获取。

查看 arXiv 页面 (https://arxiv.org/abs/2412.20138) 查看 PDF (https://arxiv.org/pdf/2412.20138) GitHub71.3kauto (https://github.com/tauricresearch/tradingagents) 添加到收藏集 (https://huggingface.co/login?next=%2Fpapers%2F2412.20138)

在你的智能体中获取这篇论文：

hf papers read 2412.20138

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

引用此论文的模型 0

没有模型链接到此论文

在模型 README.md 中引用 arxiv.org/abs/2412.20138 即可从此页面链接。

引用此论文的数据集 0

没有数据集链接到此论文

在数据集 README.md 中引用 arxiv.org/abs/2412.20138 即可从此页面链接。

引用此论文的空间 4

包含此论文的收藏集 37

浏览包含此论文的37个收藏集 (https://huggingface.co/collections?paper=2412.20138)

相似文章

TauricResearch/TradingAgents

GitHub Trending (daily)

TradingAgents 是一个用于金融交易的开源多智能体LLM框架，支持多种LLM提供商，最近更新包括新模型和功能。

智能体交易：当LLM智能体遇上金融市场

arXiv cs.AI

本文对77项关于基于LLM的交易智能体的研究进行了系统综述和证据图谱，发现架构实验正在快速扩展，但评估协议、执行语义和可再现性仍然是关键瓶颈。

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

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。

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。