研究论文
TradingAgents：多智能体 LLM 金融交易框架
TradingAgents 是启发本托管研究台的开源多智能体 LLM 框架。论文作者为 Yijia Xiao、Edward Sun、Di Luo 与 Wei Wang，用交易公司的方式组织角色：专业分析师、多空研究员、交易员、风险角色与基金经理。本页解释该架构，不把作者回测写成 TradingAgents Report 的产品业绩。
- 标识
- arXiv:2412.20138
- 作者
- Xiao、Sun、Luo、Wang
- 版本
- v7 · 2025-06-03
TradingAgents 论文是什么
TradingAgents 是一套多智能体 LLM 金融交易框架，按研究台方式分配专业角色。分析师收集带日期的证据，多空研究员辩论，交易员提出动作，风险团队压力测试，基金经理批准。论文报告了 AAPL、GOOGL、AMZN 的历史模拟。这些数字属于作者实验，不属于本托管产品。
框架如何组织
论文图 1 与公开仓库中的对应示意图把流程分成五段：分析师团队、研究辩论、交易员、风险管理、基金经理批准。数据以行情、社交、新闻和基本面进入，决策以可检查的计划离开，而不是隐藏分数。
七个角色，组成可检视的“交易公司”
论文定义了七个具名角色。每个角色都有目标、约束和工具，把交易问题拆成证据、分歧、提案与风险调整后的决定。
分析师团队
四位专家并行工作。基本面分析师阅读披露与质量；情绪分析师阅读社交与公众情绪；新闻分析师阅读公司与宏观事件；技术分析师阅读价格、成交量以及 MACD、RSI 等指标。他们的报告构成共享证据包。
研究员团队
看多研究员主张机会，看空研究员主张风险。双方按配置轮次辩论。主持者把占优观点写入结构化状态，后续角色查询辩论记录，而不必重读长对话。
交易员智能体
交易员阅读分析报告与辩论记录，再写出带理由的决定：时机、仓位，以及买入、卖出或持有。论文里这是模拟下单提案。在 TradingAgents Report 中，它只是中间计划，不是公开的五档评级。
风险团队与基金经理
激进、保守与中性风险角色对照波动、流动性与既定限制审查交易员计划。基金经理随后接受、拒绝或调整提案。论文中的“执行”是模拟交易所。本产品不把订单路由到真实券商。
先写结构化报告，再进行辩论
论文的通信协议用来避免长聊天记录造成的“传话失真”。多数角色把结构化报告写入共享状态；自然语言只留给真正需要辩论的环节。
结构化报告
分析师与交易员写出简明文档：指标、主张与建议。后续智能体查询该状态，而不是扫描无限增长的消息历史。
自然语言辩论
研究员与风险团队仍用对话。主持者限制轮次，并把结果写回结构化状态。
快速思考与深度思考模型
论文用更快的模型做检索与摘要，用更深的模型做分析与决策。托管研究台使用管理员控制的模型目录；论文点名的模型不会自动在此启用。
论文报告了什么
Xiao 等人在 2024 年 6 月 19 日至 11 月 19 日按日模拟 AAPL、GOOGL、AMZN 的决策，且只用当日可获得的信息。对照包括买入持有，以及 MACD、KDJ & RSI、ZMR、SMA 等规则策略。下表数字摘自 arXiv:2412.20138v7 表 1。它们不是实盘结果，不是本产品业绩，也不构成未来收益承诺。
- 模拟区间
- 2024-06-19 至 2024-11-19
- 样本数据窗口
- 2024-01-01 至 2024-03-29
- 报告标的
- AAPL · GOOGL · AMZN
| 模型 | AAPL CR% | AAPL ARR% | AAPL SR | AAPL MDD% | GOOGL CR% | GOOGL ARR% | GOOGL SR | GOOGL MDD% | AMZN CR% | AMZN ARR% | AMZN SR | AMZN MDD% |
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| B&H | -5.23 | -5.09 | -1.29 | 11.90 | 7.78 | 8.09 | 1.35 | 13.04 | 17.1 | 17.6 | 3.53 | 3.80 |
| MACD | -1.49 | -1.48 | -0.81 | 4.53 | 6.20 | 6.26 | 2.31 | 1.22 | — | — | — | — |
| KDJ&RSI | 2.05 | 2.07 | 1.64 | 1.09 | 0.4 | 0.4 | 0.02 | 1.58 | -0.77 | -0.76 | -2.25 | 1.08 |
| ZMR | 0.57 | 0.57 | 0.17 | 0.86 | -0.58 | 0.58 | 2.12 | 2.34 | -0.77 | -0.77 | -2.45 | 0.82 |
| SMA | -3.2 | -2.97 | -1.72 | 3.67 | 6.23 | 6.43 | 2.12 | 2.34 | 11.01 | 11.6 | 2.22 | 3.97 |
| TradingAgents（论文） | 26.62 | 30.5 | 8.21 | 0.91 | 24.36 | 27.58 | 6.39 | 1.69 | 23.21 | 24.90 | 5.60 | 2.11 |
摘自 Xiao 等，TradingAgents（arXiv:2412.20138v7）表 1。CR 为累积收益，ARR 为年化收益，SR 为夏普比率，MDD 为最大回撤。论文未报告 AMZN 的 MACD 结果。
与本托管研究台的关系
TradingAgents Report 复用可检视的研究图：可选证据模块、多空辩论、交易员计划、风险审查与投资组合经理评级。它额外提供计费、私有任务、交易所白名单与经审核公开报告。它不把论文里的模拟成交当成产品功能。
沿用的部分
专业证据、明确的分析日期、对立研究与书面风险审查，仍是一份可审计报告的核心。
这里不同的部分
公开页面展示的是投资组合经理五档评级，不是实盘订单。模拟交易是你主动提交的独立虚拟账本。上游实验能力不会自动全部启用。
如何引用论文
如果该框架对你的工作有帮助，请引用作者的 arXiv 预印本。本页是产品说明，不能代替 PDF。
Yijia Xiao、Edward Sun、Di Luo、Wei Wang
加州大学洛杉矶分校；麻省理工学院
arXiv preprint arXiv:2412.20138（q-fin.TR），首次发布于 2024 年 12 月 28 日；本页依据 v7（2025 年 6 月 3 日）。
@article{xiao2024tradingagents,
title={TradingAgents: Multi-Agents LLM Financial Trading Framework},
author={Xiao, Yijia and Sun, Edward and Luo, Di and Wang, Wei},
journal={arXiv preprint arXiv:2412.20138},
year={2024}
}框架图片复制自 Apache-2.0 许可的 TradingAgents 仓库。再次使用前请阅读论文与仓库许可证。
论文常见问题
关于 TradingAgents 论文的常见问题
TradingAgents 论文是什么？
这是一篇 arXiv 预印本（2412.20138），描述一套多智能体 LLM 金融交易框架。专业分析师、多空研究员、交易员、风险团队与基金经理通过结构化报告和辩论协作。
TradingAgents Report 是否等于这篇论文？
不是。论文与 GitHub 项目是上游研究框架。TradingAgents Report 是带计费、私有任务与公开报告的托管研究台。已部署角色和模型可能与论文实验不同。
开源代码在哪里？
作者在 github.com/TauricResearch/TradingAgents 以 Apache License 2.0 发布 TradingAgents。本站开源页把该仓库与托管产品分开说明。
论文里的收益是否等于本产品业绩？
不是。表 1 是作者在 2024 年对三只美股的历史模拟，不是实盘战绩，不是本产品业绩，也不构成投资建议。
该框架会不会实盘下单？
论文中的执行步骤是用于研究的模拟交易所。TradingAgents Report 生成研究报告，并提供可选的模拟账本练习。它不连接券商，也不下达真实订单。
应该如何引用 TradingAgents？
请引用 Xiao、Sun、Luo 与 Wang 的 “TradingAgents: Multi-Agents LLM Financial Trading Framework”，arXiv:2412.20138。可使用本页 BibTeX 或 arXiv 官方记录。