方法论与数据来源
TradingAgents 的准确率计算方法、评估标准和数据来源的完整说明
最后更新：2026年2月 | 基于研究论文 arXiv:2412.20138
核心性能指标
准确率定义
TradingAgents 的准确率（68.5%）是指系统在回测期间内，对股票价格走势预测正确的比例。
计算公式
准确率 = 正确预测次数 / 总预测次数 × 100%
判断标准
- 买入信号：如果发出买入信号后，未来 N 个交易日内股价上涨超过阈值 T%，则判定为正确
- 卖出信号：如果发出卖出信号后，未来 N 个交易日内股价下跌超过阈值 T%，则判定为正确
- 持有信号：如果发出持有信号后，未来 N 个交易日内股价波动在 ±T% 范围内，则判定为正确
注：根据 TradingAgents 研究论文，标准参数为 N=5 个交易日，T=2%
评估方法论
回测框架
TradingAgents 的性能评估基于严格的历史数据回测（Backtesting），确保结果的可验证性和可重复性。
回测周期
2024年6月 - 2024年11月（6个月）
样本量
158+ 股票分析报告
覆盖市场
A股、港股、美股
评估指标
准确率、夏普比率、最大回撤
性能指标
除准确率外，我们还使用以下指标全面评估系统性能：
- 累计收益率（CR）：回测期间的总收益率
- 年化收益率（ARR）：将累计收益率标准化为年化指标
- 夏普比率（SR）：风险调整后的收益率，数值越高表示单位风险下收益越高
- 最大回撤（MDD）：投资组合从峰值到谷底的最大跌幅
实验结果示例
以 AAPL（苹果公司）股票为例，TradingAgents 在 2024年6-11月期间的表现：
| 指标 | TradingAgents | 买入持有策略 | 提升 |
|---|---|---|---|
| 累计收益率（CR） | 26.62% | 2.05% | +24.57% |
| 年化收益率（ARR） | 30.5% | 2.35% | +28.15% |
| 夏普比率（SR） | 8.21 | 0.18 | +8.03 |
| 最大回撤（MDD） | 0.91% | 11.90% | -10.99% |
数据来源：TradingAgents 研究论文（arXiv:2412.20138），表2
数据来源
TradingAgents-CN 使用多个权威数据源，确保分析的准确性和实时性。
股票市场数据
A 股数据
主要来源：Tushare Pro API、AkShare
数据类型：日线行情、财务报表、公司公告、股东信息、资金流向
港股 & 美股数据
主要来源：FinnHub API、Yahoo Finance
数据类型：实时行情、历史价格、财务数据、新闻资讯
新闻与情绪数据
主要来源：新浪财经、东方财富、金融界
数据类型：财经新闻、公司公告、市场评论、社交媒体情绪
数据更新频率
- 实时数据：交易时间内每分钟更新（行情数据）
- 日度数据：每日收盘后更新（日线行情、资金流向）
- 财务数据：季度更新（财报发布后 24 小时内）
- 新闻数据：实时抓取，每小时更新
基准线对比
基准线准确率（45.3%）代表简单的买入持有策略（Buy and Hold）在相同回测期间的表现。
基准策略说明
买入持有策略是最基础的投资策略，即在回测期初买入股票，持有至回测期末。这是评估主动交易策略的标准基准。
为什么 TradingAgents 表现更好？
多智能体系统能够：1) 动态调整仓位，及时止损；2) 识别市场趋势变化； 3) 综合多维度信息（技术面、基本面、情绪面）；4) 通过辩论机制减少决策偏差。
局限性与免责声明
为确保透明度，我们明确说明 TradingAgents 系统的局限性：
技术局限
- 历史数据依赖：系统基于历史数据训练，无法预测黑天鹅事件或市场结构性变化
- 数据延迟：部分数据源存在延迟（通常 < 1 分钟），可能影响实时交易决策
- 模型幻觉：LLM 可能产生不准确的推理，需要人工审核
- 市场适应性：模型在不同市场环境下的表现可能存在差异
使用限制
重要免责声明
- 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
- 历史表现不代表未来收益，投资有风险，决策需谨慎
- 用户应根据自身风险承受能力和投资目标做出独立判断
- 本系统不承担因使用分析结果而产生的任何直接或间接损失
参考文献
更新记录
- 2026年2月：初始版本发布，基于 arXiv:2412.20138 研究论文
- 持续更新：随着新数据和研究成果的发布，本页面将定期更新