CopoHub Trending

TauricResearch/TradingAgents

TradingAgents: Multi-Agents LLM Financial Trading Framework

Python · ★ 120,516 · Fork 23,035 · 在 GitHub 查看

在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→

GitHub Trending 上榜记录

TauricResearch/TradingAgents 已在 GitHub Trending 每日榜单上榜 29 天,最高排名第 1,首次上榜 2026-03-20,最近一次上榜 2026-10-27。

日期排名Star当日增长
2026-10-27#2116,903+1,395
2026-10-26#2116,007+1,376
2026-10-25#6114,538+636
2026-09-15#11106,450+745
2026-09-14#11106,042+756
2026-09-10#7104,349+367
2026-09-09#7103,882+506
2026-08-28#19101,500+229
2026-08-27#18101,155+707
2026-08-26#5100,591+218
2026-08-25#4100,164+191
2026-08-11#1197,475+177
2026-08-10#1197,172+598
2026-08-09#796,749+153
2026-08-08#796,420+126
2026-06-02#982,171+299
2026-06-01#981,707+284
2026-05-05#268,460+2,182
2026-05-04#267,299+3,313
2026-05-03#165,083+3,315
2026-05-02#162,333+2,227
2026-05-01#159,657+2,115
2026-04-30#257,522+2,203
2026-03-25#741,451+1,760
2026-03-24#740,720+1,746
2026-03-23#639,114+2,521
2026-03-22#236,945+1,108
2026-03-21#834,788+433
2026-03-20#833,985+579

同期上榜的项目

TradingAgents 项目深度剖析与商业评估报告

TradingAgents 项目深度剖析与商业评估报告

报告日期:2026-08-22 分析对象:TauricResearch/TradingAgents(v0.3.1) 仓库状态:⭐ 99,263 | 🍴 19,134 | 📝 Apache-2.0 | 🐍 Python

---

1. 核心定位与商业落地价值

1.1 解决的根因痛点

TradingAgents 直面的核心矛盾是:传统量化交易系统在非结构化信息(新闻情绪、宏观事件、社交舆论)处理上的结构性失效。传统因子模型难以将文本语义信号转化为可执行的交易决策,而单一大模型(LLM)直接做交易决策又面临幻觉率高、推理链不可审计、单一模型偏见等致命缺陷。

该框架通过多角色对抗性协作(Multi-Agent Debate)将 LLM 的语义理解能力与投资决策流程的制衡机制(分析师→研究员多空辩论→交易员→风控→投资组合经理)耦合,实现了从"单点模型猜测"到"可审计的群体决策"的范式迁移。其 arXiv 论文(2412.20138)在 q-fin.TR 领域的引用量已证明其在学术界的方法论影响力。

1.2 企业级落地场景矩阵

查看完整 AI 分析 →

在 README 中展示上榜徽章

GitHub Trending

[![GitHub Trending](https://github.fq6825.top/badge/TauricResearch/TradingAgents.svg)](https://github.fq6825.top/repo/TauricResearch/TradingAgents)