TradingAgents-AI.github.io 的项目扩展与二次开发
2025-06-06 19:18:41作者:仰钰奇
项目的基础介绍
TradingAgents 是一个开源的多智能体金融交易平台框架,它模拟了现实世界交易公司的动态。通过部署专业的语言模型驱动的智能体,如基本面分析师、情绪专家、技术分析师以及交易员、风险管理团队等,该平台协作评估市场条件并指导交易决策。此外,这些智能体还会进行动态讨论,以确定最佳策略。
项目的核心功能
- 分析师团队:包括基本面分析师、情绪分析师、新闻分析师和技术分析师,他们各自负责评估公司的财务状况、市场情绪、全球新闻和宏观经济指标以及技术指标,为交易决策提供数据支持。
- 研究员团队:通过结构化的辩论,平衡潜在的收益与固有风险,确保交易策略的稳健性。
- 交易员智能体:根据分析师和研究员的报告,做出知情的交易决策,决定交易的时机和规模。
- 风险管理和投资组合管理:持续评估投资组合风险,调整交易策略,并向投资组合管理者提供评估报告。
项目使用了哪些框架或库?
- LangGraph:用于确保平台的灵活性和模块化。
- o1-preview 和 gpt-4o:作为深度思考和快速思考的语言模型,用于实验。对于测试目的,推荐使用成本较低的 o4-mini 和 gpt-4.1-mini。
- FinnHub API 和 EODHD API:提供金融数据。
- OpenAI API:供所有智能体使用。
项目的代码目录及介绍
- assets/:存储静态资源,如图片、样式表等。
- cli/:命令行接口相关的代码。
- static/:静态网页文件。
- tradingagents/:核心代码,包括智能体逻辑、交易逻辑等。
- .gitignore:指定git忽略的文件和目录。
- LICENSE:项目的Apache-2.0许可证文件。
- README.md:项目的说明文件。
- index.html:项目的入口HTML页面。
- main.py:项目的入口Python脚本。
- requirements.txt:项目依赖的Python包列表。
- setup.py:项目安装和打包的配置文件。
对项目进行扩展或者二次开发的方向
- 增加新的智能体角色:可以根据需要增加新的智能体角色,如宏观经济分析师、市场趋势预测师等,以丰富平台的决策支持功能。
- 集成更多数据源:可以整合更多的金融数据源,提供更全面的市场信息。
- 优化模型性能:可以根据实际运行情况,优化使用的语言模型,提高决策的准确性和效率。
- 增加用户界面:为平台增加更友好的用户界面,使其更易于使用和操作。
- 开发移动应用:开发移动应用程序,方便用户随时随地进行交易操作。
- 增加风险控制策略:根据市场变化,增加更多的风险控制策略,提高平台的稳健性。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
最新内容推荐
STM32到GD32项目移植完全指南:从兼容性到实战技巧 JDK 8u381 Windows x64 安装包:企业级Java开发环境的完美选择 开源电子设计自动化利器:KiCad EDA全方位使用指南 Python案例资源下载 - 从入门到精通的完整项目代码合集 Python开发者的macOS终极指南:VSCode安装配置全攻略 网页设计期末大作业资源包 - 一站式解决方案助力高效完成项目 昆仑通态MCGS与台达VFD-M变频器通讯程序详解:工业自动化控制完美解决方案 STDF-View解析查看软件:半导体测试数据分析的终极工具指南 MQTT 3.1.1协议中文版文档:物联网开发者的必备技术指南 Jetson TX2开发板官方资源完全指南:从入门到精通
项目优选
收起
deepin linux kernel
C
24
9
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
暂无简介
Dart
671
155
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
660
308
Ascend Extension for PyTorch
Python
220
236
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
喝着茶写代码!最易用的自托管一站式代码托管平台,包含Git托管,代码审查,团队协作,软件包和CI/CD。
Go
23
0
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
392
3.83 K
React Native鸿蒙化仓库
JavaScript
259
322