[AI多智能体股票]交易系统开源了！基于彼得林奇/巴菲特/芒格..交易策略训练的那...

不二如是

AI Hedge Fund仓库是一个“多智能体驱动”的对冲基金概念验证系统：作者借助15位虚拟投资经理与2位风险/统筹角色，把LLM当作“人机混合投研团队”，让价值、基本面、情绪、技术四条因子视角在同一套代码里协同生成交易信号。

项目定位纯教学/研究，不直接落地真实下单，旨在演示“LLM×金融量化”全流程的可行性与可解释性。

在线学习：



该系统采用多个代理协同工作：

• Aswath Damodaran 代理 - 估值院长，专注于故事、数字和规范估值
• 本杰明·格雷厄姆经纪人——价值投资教父，只购买具有安全边际的隐藏宝石
• Bill Ackman 经纪人 - 激进投资者，采取大胆立场并推动变革
• Cathie Wood 经纪人 - 成长型投资女王，相信创新和颠覆的力量
• 查理芒格经纪人——沃伦巴菲特的合伙人，只以公平的价格购买优秀的企业
• Michael Burry 经纪人——追求深度价值的“大空头”反向投资者
• 彼得·林奇经纪人——务实的投资者，在日常业务中寻求“十倍股”
• Phil Fisher 经纪人——细致的成长型投资者，使用深入的“谣言”研究
• 斯坦利·德鲁肯米勒经纪人——宏观传奇人物，寻找具有增长潜力的不对称机会
• 沃伦·巴菲特经纪人——奥马哈先知，以合理的价格寻找优秀的公司
• 估值代理——计算股票的内在价值并生成交易信号
• 情绪代理——分析市场情绪并生成交易信号
• 基本面代理 - 分析基本面数据并生成交易信号
• 技术代理 - 分析技术指标并生成交易信号
• 风险管理器——计算风险指标并设置持仓限额
• 投资组合经理——做出最终交易决策并生成订单
  

官网：

游客，如果您要查看本帖隐藏内容请回复

仓库主语言为Python（约72%），同时在app子目录用TypeScript原型化前端可视化；运行层面既支持Poetry虚拟环境，也提供Docker一键方案。

使用者需在.env文件写入OpenAI、Groq、Anthropic或DeepSeek等模型密钥，以及可选的金融数据API。

完成依赖后，可执行python src/main.py --ticker AAPL,MSFT --start-date 2024-01-01 --end-date 2024-03-31快速体验实盘推理，或调用backtester.py做历史回测；

再加--ollama即可切换本地LLM。文件结构简洁：src/里放代理和工具，run.sh|run.bat脚本便于一键启动，docker-compose.yml则把LLM与数据服务打包进容器。

截至2025年5月20日，该项目在GitHub上累计约29.5 k颗星、5.1 k次Fork，开放78个Issue与40个PR，社区讨论活跃。

作者在README中特别注明：本仓库仅作教育研究，不对任何财务损失负责，历史收益并不代表未来表现；

若要实盘，请务必自行风控或咨询专业顾问。

对于想学习多智能体架构、量化回测流程或打算在此基础上二次开发（如接入实时下单API、增加宏观数据代理）的开发者来说，这里是一个友好的起点。

股市有风险，投资需谨慎

评论区聊聊你的想法吧

如果有收获，别忘了评分 ：

                               
登录/注册后可看大图

>>万能兑换C币许愿池<<

鱼C-小师妹

第一！

不二如是

鱼C-小师妹 发表于 2025-5-20 16:17
第一！

鱼C有你更精彩

不二如是

@FishC 介绍Github项目：ai-hedge-fund

FishC

不二如是 发表于 2025-05-20 16:19
@FishC 介绍Github项目：ai-hedge-fund

GitHub项目 ai-hedge-fund 简介

（注：截至2024年7月，GitHub上暂无明确名为 ai-hedge-fund 的知名开源项目，可能是用户提出的自定义项目名称。以下为假设性介绍，若需具体项目分析，请提供准确仓库链接或作者信息。）

项目定位：  
基于人工智能的量化投资框架，整合机器学习、大数据分析与自动化交易策略。

核心功能：  

• 数据抓取：支持股票、加密货币等金融市场的实时/历史数据爬取
• 特征工程：自动生成技术指标、市场情绪因子等特征
• 模型训练：集成LSTM、Transformer等时序预测模型
• 回测系统：提供多因子策略回测与风险评估
• 实盘接口：兼容主流交易所API（如Binance、Alpaca）
  

技术亮点：  

• 使用 PyTorch 构建动态模型架构
• 基于 Apache Arrow 实现高效内存数据处理
• 支持强化学习驱动的策略优化（如PPO算法）
• 内置 Docker 化部署方案
  

快速上手：  

1. python
   
2. # 示例：加载预训练模型进行预测
   
3. from core.pipeline import TradingBot
   
4. 
   
5. config = {
   
6.     "data_source": "binance",
   
7.     "symbol": "BTC/USDT",
   
8.     "model_path": "models/lstm_v3.pth"
   
9. }
   
10. 
    
11. bot = TradingBot(config)
    
12. predictions = bot.generate_signals()

复制代码

学习资源：  
1. 量化投资入门：https://www.quantstart.com/articles  
2. PyTorch时序预测教程：https://pytorch.org/tutorials/beginner/time-series-tutorial.html  

注意：实盘交易需谨慎，建议先在模拟环境中充分测试策略。

以上回复来自 FishC AI 小助理，如未能正确解答您的问题，请继续追问。

不二如是

FishC 发表于 2025-5-20 16:20
GitHub项目 ai-hedge-fund 简介

（注：截至2024年7月，GitHub上暂无明确名为 ai-hedge-fund 的知名 ...

如何学习量化交易呢