「量化好声音03」Github爆火8.9K星！TradingAgents让AI组团炒股，年化收益提升30%

量化好声音，睡前听一听！hello大家好！欢迎收听今天的量化好声音我是Flora我是Aaron今天我们要来聊一聊一个非常有趣的话题如何用大语言模型 来做一个多智能体的金融交易框架今天我们要介绍一个全网热搜的框架叫TradingAgents是不是听起来有点兴奋？这听起来就很硬核啊Trading Agents会交易的代理？对, Trading Agents最近一个月，它很火啊在github上新增了7k的赞对，我看了一下github的历史这个库是今年2月创建的但最近一个月势头很猛啊看上去是不是实现了什么技术上的突破？也可能是因为它现在完全开源了这也就解释了为什么最近这么火了Aaron，在介绍这个框架之前是不是先给大家介绍下之前大语言模型在量化交易方面的进展？好的在这个模型出来之前其实市场上已经有一些大模型做量化交易的例子了比如bloombergGPT, XuanYuan 2.0PIXIU, FinGPT等等这里面像bloombergGPTXuanYuan 2.0, PIXIU它们主要是金融语料相关的一些NLP任务比如数据结构化处理、情绪分析、金融知识问答等等不涉及到量化模型和交易所以，你还没有介绍的FinGPT应该是一个量化交易模型了？对 FinGPT可视为与交易相关的模型它基于情绪分析自动生成交易信号信号体现为买卖时点这个实际上就是听消息炒股了我们前几天还做了一期节目介绍了the crystal ball trading challenge根据Victor Haghani等人的实证研究看起来听消息炒股是不太聪明的样子啊根据那个实验就算你提前一天知道了消息然后自己分析进行操作最后还是反而会赔得更多关键原因在于我们根据自己的认知来进行分析常常会有很多误区，非常主观我们自己得到的结论就算是对的也不见得就是世界的共识所以，光知道消息不行还得看看社交媒体上其它人的观点而且还要从正反两方面看听到这里，我感觉好像明白什么了Aaron你今天要介绍的trading agents是不是正好针对这些方面做了改进？被你预判到了！今天我们要介绍的这个框架啊它其实是模拟了一个高水平的、真实的交易团队的这种协作然后它里面有很多的用大语言模型驱动的这种智能体也就是Agent每个智能体都有自己特定的角色比如说有做基本面分析的,有做情绪分析的有做这种风险评估的 还有专门做交易的它们会 通过这种 类似于辩论 来交换信息最终结合历史数据来做出一个交易决策作为一个技术派，我比较好奇这些Agent里应该也有做技术分析的吧？就是看K线图指标那些确实如此还有看消息炒股的它有专门的分析新闻和社交媒体的Agent这个虚拟团队会有像真实团队一样的组织架构吗？它就是一个真实的团队这个团队里有我们刚刚说的这些Agent相当于最前端的分析师他们搜集资料、清洗数据包括生成一些技术指标在真实的团队中，分析师处在前线他们搜集市场情报然后交给团队的专家也就是研究团队正是如此trading agents也模拟了这样一个团队而且最有意思的是它把研究团队分为两派一派是乐观派，总认为现在是牛市另一派则是悲观派总把现在当成熊市确实有点东西我知道，在真实的团队中这两派其实很难共存即使一个团队中有这样两派也很难进行理性的讨论常常是相互看不起尽管理想状态是兼听则明实际上是一拍两散所以这确实是人工智能带来的颠覆性机会那我们继续介绍它的架构这两派会分别出具买方证据和卖方证据把这些证据交给交易员你这里说的交易员应该还是系统中的Agent而不是真实的交易员吧对 没错没错没错交易员会结合这两种意见形成自己的交易建议然后再交给风控团队不用说，这仍然是一些Agent对，就是另外一些Agents在最后面就是基金经理的角色了所以，整个系统就是由一些分工很细、很明确的Agent组成的看起来如果我们自己在本地搭建出这样一个系统不仅可以节省成本，更重要的是能获得更全面、综合、深入的思考以及人类无法想像的思维速度！听上去确实是很赞的样子那它的效果怎么样 有做过回测吗？有的这个框架实际上是Uc berkeleyMIT等几个大学的中国学者提出来的他们进行了比较深入的研究在applegoogle和Amazon等标的上进行了回测结论是年化收益会大幅提升近30%左右而最大回撤非常惊人在amazone上回撤最大，也只有2.11%这些数据确实是非常优秀了！大家可以去github上面玩一玩自己动手试一试大模型做金融的我们见过的也不少了那你认为这个模型有什么优势之处？之前的很多模型吧 它要么就是只是专注在一个单一的任务上面 像做个分析呀 或者搜搜数据什么的要么就是说 它没有去很好的模拟真实的交易团队里面的这种复杂的互动对，交易不是一个人说了算需要团队协作所以这是这个项目最大的优势是它模拟了一个真实的交易团队各个角色之间既分工、又协作还会相互争吵所以这有点像之前比较流行的GPT里面让多个分析师之间对话讨论反复讨论、思辨最后接近最正确的答案？对，很有点真理越辩越明的意思恩这也让我想到一个问题毕竟我们知道，大模型是生成模型它会自己加戏，会有幻觉，会编故事那这样的话，各个Agent之间的讨论还能做到基于事实基于逻辑推理确保严谨吗？确实！如果让AI之间用我们说话的这种自然语言沟通效率其实不高而且信息传着传着 就容易跑偏就像我们小时候玩那个传话游戏 最后意思可能全拧了哈哈 对传话游戏那个比喻很形象那这个TradingAgents是怎么解决这些问题的?它是设计了一种结构化的通讯协议这个是非常重要的因为传统的这种基于自然语言的通讯它很容易出现问题比如它会遗忘一些信息或者说它会扭曲一些信息 特别是在这种复杂任务的情况下那在trading agents中智能体之间的交流 主要是通过这种结构化的文档和图表比如说 分析师团队他们会输出一个分析报告然后这个报告里面会有一些非常明确的这种指标和他的建议交易员会根据这个分析报告再输出一个决策的信号同样也是有他的理由和证据它们只有在辩论的时候 才会使用自然语言对话所以整个这个通讯是非常高效的也避免了这种信息的丢失所以既利用大语言模型的优势又利用结构化数据来限制它的缺点所以它的改进从原理上就是不证自明的了好的！今天我们聊了这个Tradingagents那么这一切对我们听众朋友来说可能意味着什么呢这里可能有一个值得我们再次思考的问题当人工智能不再仅仅是一个个独立的分析工具而是能够像人类团队一样进行协作辩论 权衡利弊的时候未来我们人类要怎么和这些越来越聪明的AI同事一起工作尤其是在金融这种高风险高回报决策压力巨大的行业里这种变化长远来看会怎么改变我们对于专业知识团队价值 甚至是角色过程的理解呢？这个问题可能值得我们个量化人都想一想以上就是这期播客的全部内容了 非常感谢大家的收听 这里也提醒大家别忘了订阅我们的量化好声音对的如果你想了解更多的量化资讯或者想要学习量化欢迎大家订阅Quantide Research platform这在里我们提供了百余篇优质的文章和研报策略复现并配有相关资料和可运行代码的notebook文件此外我们还开设有 量化24课和因子分析与机器学习策略 这两门课程分别针对量化新手和专业的量化策略开发交易员欢迎大家报名！好的 那咱们下期再见啦拜拜

There are no comments yet.

Please log in to write the first comment.