Repolode
simonlin1212

simonlin1212/TradingAgents-astock

Мультиагентная система инвестиционного анализа на базе LLM для рынка акций A-share: семь ролей аналитиков и дебаты быков и медведей.

Звёзды
3,918
Форки
985
Открытые issues
2
Последний коммит
8 дней назад

Эта страница описывает проект с открытым кодом и не является инвестиционной рекомендацией. Торговля и инвестиции могут привести к убыткам: оцените риски самостоятельно и соблюдайте законы своей страны перед использованием.

Что это?

TradingAgents-Astock — форк мультиагентной исследовательской системы TradingAgents, адаптированный для китайского рынка акций A-share. Вместо источников данных, ориентированных на рынок США, используются бесплатные источники с прямым подключением, например mootdx, Eastmoney, Sina и Tonghuashun. Также добавлены аналитики, специализирующиеся на рынке A-share и отслеживающие политику, активность крупных игроков (龙虎榜) и истечение сроков блокировки акций.

В конвейере работают семь аналитиков, затем проходят дебаты быков и медведей, обсуждение с менеджером по исследованиям и трейдером, трёхсторонние дебаты по рискам и, наконец, оценка портфельного менеджера. Логика трейдера учитывает ограничения торговли на рынке A-share, в том числе T+1, лимиты изменения цены и размер торгового лота. Отчёты составляются на китайском, а внутренние дебаты проходят на английском. Пользователи выбирают провайдеров LLM через конфигурацию. В проект также входят веб-интерфейс на Streamlit, CLI и команда для расчёта статистики эффективности, которая сравнивает точность прогнозов направления движения с CSI 300.

Проект позиционируется как инженерная реализация для исследований и обучения. Он не предоставляет инвестиционных рекомендаций, а результаты генерируются ИИ и могут содержать ошибки.

Ключевые возможности

  • 01Семь ролей аналитиков: анализ рынка, настроений, новостей, фундаментальных показателей, государственной политики, активности крупных игроков и истечения сроков блокировки акций.
  • 02Дебаты быков и медведей, за которыми следуют трёхсторонние дебаты по рискам перед принятием итогового решения.
  • 03Бесплатные источники данных, не требующие API-ключа, включая mootdx, Eastmoney, Sina и Tonghuashun.
  • 04В роль трейдера встроены правила торговли на рынке A-share, в том числе T+1, лимиты изменения цены и размер торгового лота.
  • 05Настраиваемые провайдеры LLM, включая шлюзы с совместимостью с OpenAI и назначение моделей для отдельных ролей.
  • 06Веб-интерфейс на Streamlit, CLI и команда для расчёта точности прогнозов направления движения относительно CSI 300.

Сценарии использования

  • Изучение того, как мультиагентные дебаты работают с финансовыми текстами на рынке A-share.
  • Изучение подключения китайских источников рыночных данных к конвейеру агентов на базе LLM.
  • Пакетный анализ тикеров A-share для подготовки структурированных отчётов на китайском языке, которые можно проверить.
  • Ретроспективная оценка точности прогнозов направления движения в системе принятия решений на базе LLM относительно CSI 300.

Быстрый старт

  1. 1

    Клонируйте репозиторий

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

    Перейдите в каталог проекта

    cd tradingagents-astock
  3. 3

    Установите пакет в редактируемом режиме (Python 3.10 или новее)

    pip install -e .
  4. 4

    Создайте файл .env с API-ключом провайдера LLM, затем запустите анализ через CLI

    tradingagents

Что важно знать

  • Для каждого анализа выполняется примерно от 30 до 50 вызовов LLM, поэтому по умолчанию требуется платный API-ключ.
  • Результаты предназначены только для исследований и обучения и не являются инвестиционной рекомендацией.
  • Запросы к Eastmoney ограничены по частоте, поэтому большие пакетные запуски выполняются медленно.

В подборках

Темы

Частые вопросы

Что такое TradingAgents-astock?
Мультиагентная система инвестиционного анализа на базе LLM для рынка акций A-share: семь ролей аналитиков и дебаты быков и медведей. TradingAgents-Astock — форк мультиагентной исследовательской системы TradingAgents, адаптированный для китайского рынка акций A-share. Вместо источников данных, ориентированных на рынок США, используются бесплатные источники с прямым подключением, например mootdx, Eastmoney, Sina и Tonghuashun. Также добавлены аналитики, специализирующиеся на рынке A-share и отслеживающие политику, активность крупных игроков (龙虎榜) и истечение сроков блокировки акций.
TradingAgents-astock можно использовать бесплатно? Какая у него лицензия?
TradingAgents-astock распространяется с открытым исходным кодом под лицензией Apache-2.0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
TradingAgents-astock всё ещё поддерживается?
Активно поддерживается. Последний коммит в TradingAgents-astock — 30 окт. 2026 г..
Для чего можно использовать TradingAgents-astock?
Изучение того, как мультиагентные дебаты работают с финансовыми текстами на рынке A-share. Изучение подключения китайских источников рыночных данных к конвейеру агентов на базе LLM. Пакетный анализ тикеров A-share для подготовки структурированных отчётов на китайском языке, которые можно проверить. Ретроспективная оценка точности прогнозов направления движения в системе принятия решений на базе LLM относительно CSI 300.
Как установить TradingAgents-astock?
Клонируйте репозиторий: git clone https://github.com/simonlin1212/tradingagents-astock.git Перейдите в каталог проекта: cd tradingagents-astock Установите пакет в редактируемом режиме (Python 3.10 или новее): pip install -e . Создайте файл .env с API-ключом провайдера LLM, затем запустите анализ через CLI: tradingagents
Где скачать TradingAgents-astock?
Исходный код и инструкции по установке — на GitHub: https://github.com/simonlin1212/TradingAgents-astock

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

Набор навыков для Claude Code и Codex, которые анализируют публичные компании с позиции стоимостного инвестирования, используя подходы Баффетта, Мангера, Дуань Юнпина и Ли Лу и анализ нескольких агентов.

ИИ и машинное обучение#investment-research#value-investing#claude-code
17 тыс.+38 за неделю2,5 тыс.HTMLMITОбновлён 3 дня назад

Фреймворк с открытым исходным кодом для агентного ИИ в финансовых исследованиях, объединяющий LLM, детерминированные инструменты оценки и мультиагентные рабочие процессы.

8,4 тыс.+47 за неделю1,4 тыс.PythonApache-2.0Обновлён 14 дней назад

Мультиагентный LLM-помощник для исследования китайского рынка акций A-share: агенты-аналитики обсуждают идеи, а система поддерживает поиск акций на естественном языке и бумажную торговлю.

32,8 тыс.+40 за неделю6,8 тыс.PythonOtherОбновлён 2 месяца назад