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.
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
Клонируйте репозиторий
git clone https://github.com/simonlin1212/tradingagents-astock.git - 2
Перейдите в каталог проекта
cd tradingagents-astock - 3
Установите пакет в редактируемом режиме (Python 3.10 или новее)
pip install -e . - 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
Открытый персональный торговый агент: исследования, бэктесты, paper-трейдинг и подключение к брокерам через CLI, Web UI, API или MCP.
Фреймворк с открытым исходным кодом для агентного ИИ в финансовых исследованиях, объединяющий LLM, детерминированные инструменты оценки и мультиагентные рабочие процессы.
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.
Система анализа инвестиций в акции китайского рынка (A-share): AI-агенты обсуждают аргументы за рост и падение, а также риски, прежде чем выдать торговые рекомендации.
Фреймворк персонального AI-агента в Obsidian: Claude Code координирует вспомогательных агентов, а локальная вики с источниками служит долговременной памятью.