面向研究与教学的多智能体交易框架
不仅仅是简单的聊天机器人，TradingAgents 是一个完整的多智能体协作系统，模拟真实交易团队的决策流程。
分析师、研究员、交易员、风控官四大角色各司其职，通过辩论与投票机制，消除单点幻觉，输出更客观的决策。了解更多关于<a href="/glossary/multi-agent-trading/" class="text-primary hover:text-amber-400 underline">多智能体交易</a>的概念。
原生支持中国 A 股 (Tushare/AkShare)、港股及美股 (FinnHub/Yahoo) 数据，本地化适配中文金融语境。
一键切换 OpenAI、Google Gemini、阿里百炼 (Qwen)、DeepSeek 等模型。支持 URL 持久化配置，降低使用成本。
支持将复杂的分析过程导出为 PDF、Word、Markdown 格式的专业投研报告，包含完整的推理链条与数据图表。
提供便捷的部署方案，五分钟内搭建私有化金融分析平台，支持本地运行与云端部署。查看<a href="/blog/framework-documentation/" class="text-primary hover:text-amber-400 underline">完整部署文档</a>。
内置多层级风控模块，支持"中立/激进/保守"风格切换。仅做辅助决策工具，严格遵循合规要求。
由多智能体协作系统自动生成的深度股票分析，涵盖基本面、技术面、多空辩论与风险评估
85%
40%
¥31
2026-01-20
安泰科技作为国家战略级材料平台，具备不可替代的卡脖子环节地位，订单已进入量产阶段，技术自主路径清晰，北向资金与机构持续增持，技术面呈现多头排列，估值虽高但由产业趋势与政策催化支撑，当前处于主力洗盘后的布局窗口，具备结构性上涨潜力。
85%
60%
¥80
2026-01-20
南大光电已进入技术突破向商业验证过渡的关键阶段，头部晶圆厂启动正式量产认证、国家大基金二期介入、新产线2026年Q3投产，具备明确催化剂；尽管良率82%未达国际标准，但在成熟制程领域已具应用价值，且政策背书强化了供应链安全逻辑；当前估值虽高，但符合战略稀缺性企业溢价特征，分批建仓可有效控制风险。
95%
92%
¥7.83
2026-01-19
公司应收账款周转天数高达217天，经营现金流依赖预收款堆积，地方财政支付能力弱，项目审计延迟，净利润持续为负，市销率0.19反映市场对扭亏无望的定价。六项反转前提条件均未满足，下行风险巨大，目标价¥7.83，当前股价存在约32%下行空间，不适合持有或试水。
95%
90%
¥13.8
2026-01-17
信雅达基本面已实质性恶化，净利率仅1.1%、经营性现金流连续两年为负、应收账款周转天数超150天，商业模式不可持续；市销率实际为0.8×而非误传的0.03×，估值严重脱离现实；技术面呈现缩量下跌、指标走弱趋势，空头主导，清仓离场是唯一理性选择。
70%
50%
¥35
2026-01-17
圣泉集团当前处于技术验证向商业化落地过渡阶段，基本面尚未完全兑现，但财务稳健、估值极低。采取动态持有策略，以小额试探建仓，等待订单、产能或机构覆盖等真实信号触发加仓，同时设置明确止损条件，兼顾风险控制与上行敞口。目标价¥35.00对应6个月中性情景，实现概率约45%。
85%
45%
¥185
2026-01-16
基本面进入兑现期，技术面处于加速初期，估值尚未泡沫化，客户订单落地、生态绑定稳固，当前回调为黄金布局窗口，建议分三档建仓并动态止盈。
TradingAgents-CN 面向研究与教学的多智能体交易引擎，以结构化沟通与辩证协作为核心；通过分析师、研究员、交易与风控角色协同，形成可解释、可评估、可扩展的决策流程。查看详细工作原理。
TradingAgents 通过多智能体框架模拟一家专业交易机构，包含明确分工的角色：基本面、情绪与技术分析师、研究员、交易员与风险管理团队。各角色通过结构化沟通与辩论协作，提升决策质量并优化交易策略。
结构化输出与辩证推理
可解释与可评估
可扩展架构
灵活组件配置
通过为 LLM 智能体分配专门角色，可将复杂的交易目标拆解为可管理的任务。借鉴专业交易机构的组织结构，TradingAgents 设置七个关键角色：基本面分析师、情绪分析师、新闻分析师、技术分析师、研究员、交易员与风险经理。
分析师团队从不同维度采集并分析市场数据：
研究员团队通过包含看多与看空视角的辩证过程，对分析师数据进行严格评估。该辩论确保分析平衡，识别机会与风险，为交易策略提供依据。
上述辩证过程确保形成对市场的平衡理解，协助交易智能体做出更有依据的决策。
基于全面分析执行决策，评估分析师与研究员的洞见，确定最优交易动作。
监督市场风险敞口，确保交易活动在预设限额内进行。
最终审批风险调整后的交易决策，并在模拟交易所执行订单。
TradingAgents 由 Tauric Research 开源发布，TradingAgents中文版(TradingAgents-CN)是面向中文用户的多智能体交易框架，基于 LangGraph 构建，通过多角色协作形成交易决策，支持多市场数据源与多 LLM 模型接入。
基本面、情绪、新闻与技术分析师、研究员（多空）、交易与风控协作；面向研究的模块化决策流。
支持多 LLM 供应商与模型能力管理；统一管理 Alpha Vantage、Tushare、AkShare、BaoStock 等数据源。
关于 TradingAgents中文版的常见问题解答
TradingAgents-CN 是 TradingAgents 的官方中文优化版本，专为中国市场设计。主要区别包括：1) 原生支持 A 股数据源（Tushare/AkShare）；2) 集成阿里百炼（Qwen）等国内 LLM 模型；3) 针对中文金融语境优化提示词；4) 提供中文文档和技术支持。
支持多种主流 LLM 模型，包括：OpenAI GPT-4/GPT-3.5、Google Gemini、阿里百炼（Qwen）、DeepSeek 等。您可以通过配置文件一键切换模型，也支持同时使用多个模型进行对比分析。
TradingAgents中文版全面支持中国 A 股、港股和美股三大市场。A 股数据通过 Tushare 和 AkShare 获取，港股和美股数据通过 FinnHub 和 Yahoo Finance 获取，确保数据的实时性和准确性。
提供 Docker 一键部署方案，只需 5 分钟即可搭建完成。步骤：1) 安装 Docker；2) 克隆项目仓库；3) 配置 API 密钥；4) 运行 docker-compose up。支持本地部署和云端部署，详细文档请查看我们的部署指南。
不可以。TradingAgents-CN 仅供研究与教育用途，不构成任何投资建议。所有分析结果仅代表 AI 模型的推理过程，不保证准确性。投资有风险，决策需谨慎，请在专业投资顾问指导下进行投资。
TradingAgents 模拟真实投资团队的决策流程，包含分析师、研究员、交易员、风控官等多个角色。每个智能体从不同角度分析股票，通过辩论机制交换观点，最后通过投票机制达成共识。这种多角色协作可以有效减少单一模型的幻觉问题，提供更全面客观的分析。
支持。TradingAgents-CN 可以将完整的分析过程导出为 PDF、Word 或 Markdown 格式的专业投研报告，包含推理链条、数据图表、风险评估等内容，方便保存和分享。
是的，TradingAgents 是完全开源的项目，代码托管在 GitHub 上。您可以自由使用、修改和分发，遵循项目的开源协议。我们欢迎社区贡献代码和反馈建议。
还有其他问题？
联系我们
