Repolode
simonlin1212

simonlin1212/TradingAgents-astock

Framework de investigación de inversiones con LLM multiagente, especializado en acciones A, basado en TradingAgents y con siete roles de analista y debates entre alcistas y bajistas.

Estrellas
3,928
Forks
986
Issues abiertos
2
Último commit
hace 8 días

Esta página presenta un proyecto de código abierto y no constituye asesoramiento de inversión. Operar e invertir puede generar pérdidas: evalúa el riesgo por tu cuenta y cumple las leyes de tu país antes de usarlo.

¿Qué es?

TradingAgents-Astock es un fork del framework de investigación multiagente TradingAgents, adaptado al mercado chino de acciones A. Sustituye las fuentes de datos centradas en EE. UU. por fuentes gratuitas de conexión directa, como mootdx, Eastmoney, Sina y Tonghuashun, y añade analistas especializados en acciones A que cubren políticas, actividad de dinero especulativo (龙虎榜) y vencimientos de períodos de bloqueo.

El flujo de trabajo ejecuta siete analistas, seguidos de un debate entre alcistas y bajistas, un responsable de investigación, un trader, un debate de riesgos a tres bandas y un gestor de cartera. La lógica del trader incorpora restricciones de negociación de acciones A, como T+1, los límites de precio y el tamaño de los lotes. Los informes se redactan en chino, mientras que los debates internos se llevan a cabo en inglés. Los usuarios eligen proveedores de LLM mediante la configuración. El proyecto incluye una interfaz web con Streamlit, una CLI y un comando de estadísticas de rendimiento que mide la precisión direccional histórica frente al CSI 300.

El proyecto se presenta como una implementación de ingeniería para investigación y enseñanza. No ofrece asesoramiento de inversión; sus resultados son generados por IA y pueden contener errores.

Funciones clave

  • 01Siete roles de analista que cubren el mercado, el sentimiento, las noticias, los fundamentos, las políticas, el dinero especulativo y los vencimientos de períodos de bloqueo.
  • 02Debate entre alcistas y bajistas, seguido de un debate de riesgos a tres bandas antes de tomar la decisión final.
  • 03Fuentes de datos gratuitas que no requieren una clave de API, como mootdx, Eastmoney, Sina y Tonghuashun.
  • 04Reglas de negociación de acciones A, como T+1, los límites de precio y el tamaño de los lotes, incorporadas al rol de trader.
  • 05Proveedores de LLM configurables, incluidos gateways compatibles con OpenAI y la asignación de modelos por rol.
  • 06Interfaz web con Streamlit, CLI y un comando de rendimiento que informa la precisión direccional frente al CSI 300.

Casos de uso

  • Estudiar cómo se comportan los debates multiagente con textos financieros del mercado de acciones A.
  • Aprender a integrar fuentes de datos del mercado chino en un flujo de agentes con LLM.
  • Ejecutar análisis por lotes de tickers de acciones A para generar informes estructurados en chino que luego se puedan revisar.
  • Evaluar mediante backtesting la precisión direccional histórica de un flujo de decisiones basado en LLM frente al CSI 300.

Inicio rápido

  1. 1

    Clona el repositorio

    git clone https://github.com/simonlin1212/tradingagents-astock.git
  2. 2

    Entra en el directorio del proyecto

    cd tradingagents-astock
  3. 3

    Instala el paquete en modo editable (Python 3.10 o posterior)

    pip install -e .
  4. 4

    Crea un archivo .env con la clave API de tu proveedor de LLM y, a continuación, ejecuta el análisis desde la CLI

    tradingagents

Antes de usarlo

  • Cada análisis realiza aproximadamente entre 30 y 50 llamadas al LLM, por lo que, de forma predeterminada, se necesita una clave API de pago.
  • Los resultados son solo para fines de investigación y educación, y no constituyen asesoramiento de inversión.
  • Las solicitudes a Eastmoney están sujetas a límites de frecuencia, por lo que las ejecuciones por lotes grandes son lentas.

En colecciones

Temas

Preguntas frecuentes

¿Qué es TradingAgents-astock?
Framework de investigación de inversiones con LLM multiagente, especializado en acciones A, basado en TradingAgents y con siete roles de analista y debates entre alcistas y bajistas. TradingAgents-Astock es un fork del framework de investigación multiagente TradingAgents, adaptado al mercado chino de acciones A. Sustituye las fuentes de datos centradas en EE. UU. por fuentes gratuitas de conexión directa, como mootdx, Eastmoney, Sina y Tonghuashun, y añade analistas especializados en acciones A que cubren políticas, actividad de dinero especulativo (龙虎榜) y vencimientos de períodos de bloqueo.
¿TradingAgents-astock es gratuito? ¿Qué licencia tiene?
TradingAgents-astock es open source bajo la licencia Apache-2.0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
¿TradingAgents-astock sigue mantenido?
Mantenimiento activo. El último commit de TradingAgents-astock fue el 30 oct 2026.
¿Para qué puedo usar TradingAgents-astock?
Estudiar cómo se comportan los debates multiagente con textos financieros del mercado de acciones A. Aprender a integrar fuentes de datos del mercado chino en un flujo de agentes con LLM. Ejecutar análisis por lotes de tickers de acciones A para generar informes estructurados en chino que luego se puedan revisar. Evaluar mediante backtesting la precisión direccional histórica de un flujo de decisiones basado en LLM frente al CSI 300.
¿Cómo se instala TradingAgents-astock?
Clona el repositorio: git clone https://github.com/simonlin1212/tradingagents-astock.git Entra en el directorio del proyecto: cd tradingagents-astock Instala el paquete en modo editable (Python 3.10 o posterior): pip install -e . Crea un archivo .env con la clave API de tu proveedor de LLM y, a continuación, ejecuta el análisis desde la CLI: tradingagents
¿Dónde consigo TradingAgents-astock?
El código fuente y las instrucciones de instalación están en GitHub: https://github.com/simonlin1212/TradingAgents-astock

Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.

Proyectos relacionados

Conjunto de skills para Claude Code y Codex que investigan empresas cotizadas con inversión en valor, aplicando los enfoques de Buffett, Munger, Duan Yongping y Li Lu mediante análisis multiagente.

IA y Machine Learning#investment-research#value-investing#claude-code
17 mil+49 esta semana2,5 milHTMLMITActualizado hace 4 días