AI 驱动的金融分析 - 中文版
TradingAgents 多智能体AI金融交易决策框架
TradingAgents-CN（TradingAgents 中文版）— 基于 LLM 的专业化 AI 团队，为您提供全方位的 A 股/港股/美股市场分析。 仅供研究与教育用途，不构成投资建议。
原生 Docker 部署
支持 A/港/美 股
多 LLM 自由切换
TradingAgents-CN（TradingAgents 中文版）— 基于 LLM 的专业化 AI 团队，为您提供全方位的 A 股/港股/美股市场分析。 仅供研究与教育用途，不构成投资建议。
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。
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。
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
75%
60%
¥42
2026-07-04
格力电器当前估值处于历史底部，具备较高安全边际；多元化业务逐步落地，政策支持明确，技术面与基本面均呈现多头特征。尽管存在收入结构恶化和转型进展缓慢等风险，但渠道优势、自研压缩机技术壁垒及现金流状况良好，支撑中长期持有逻辑。建议在¥36.50–37.50区间分批建仓，目标价设定为¥42.00，关注半年报及储能订单进展。
90%
95%
¥5
2026-07-04
公司盈利能力全面崩溃，毛利率和净利率均为负且持续恶化；新业务尚未形成规模效应，中标金额不等于实际收入；财务结构依赖预收款维持，真实现金流不足；退市风险上升，若2026年营收跌破12亿元将触发ST，基本面恶化明显，建议立即止损。
85%
90%
¥32
2026-07-04
招商银行基本面持续恶化，ROE大幅下滑、净息差收窄、信用卡不良率创历史新高，房地产敞口风险突出；技术面放量冲高回落形成长上影线，布林带收口预示变盘在即，市场情绪低迷，当前低估值反映的是实质性问题而非市场误判，因此建议卖出并设置严格止损。
70%
50%
¥27
2026-07-04
长江电力基本面稳健，现金流稳定且股息率较高，具备长期配置价值；技术面支撑强劲，虽短期承压但有机构持续建仓迹象；绿电交易与抽水蓄能政策带来潜在增长动力，结合分批建仓与动态止损策略，风险可控。
70%
55%
¥68
2026-07-04
当前估值处于历史低位，具备高安全边际；寿险改革与数字化转型初见成效，政策支持打开增长空间；但偿付能力逼近警戒线、盈利能力下滑及结构风险仍存，需谨慎应对。建议分批建仓并设置止损，动态跟踪新业务价值与偿付能力指标。
95%
98%
¥247
2026-07-04
三重死亡交叉——技术面放量破位、财务面连续两季自由现金流为负、库存天数超健康阈值，且估值依赖未兑现的高EPS预测；历史回溯显示类似信号后6个月平均跌幅达38.2%，当前无任何右侧确认条件，必须立即清仓以规避系统性风险。
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，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。
数据来源：TradingAgents 研究论文（arXiv:2412.20138）| 最后更新：2026年2月
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
