| app | ||
| docs | ||
| scripts | ||
| tests | ||
| .gitignore | ||
| LICENSE | ||
| README.md | ||
| requirements.txt | ||
多智能体量化投资助手 🤖📈
一个前沿的多智能体投资研究平台，针对A股日频数据，集成数据采集、因子工程、多智能体大语言模型决策、强化学习调优及丰富的可视化，加速可部署策略开发。
🚀 快速开始
# 使用 conda 创建并激活环境
conda create -n llm-quant python=3.10
conda activate llm-quant
# 安装依赖
pip install -r requirements.txt
# 启动 Streamlit 可视化界面（所有任务均在前端完成）
streamlit run app/ui/streamlit_app.py
⚙️ 环境变量（如 TUSHARE_TOKEN、LLM API Key）可在 Streamlit 配置界面统一维护，无需手动
export。
🌟 特色功能
| 功能 | 描述 |
|---|---|
| 端到端流水线 | 从市场/新闻数据采集到多智能体决策、回测及可视化 |
| 多智能体协作 | 主持人、预测者、风险管理者、执行者等角色轮次交互；支持大语言模型与规则混合 |
| 强化学习调优 | 将回测引擎封装为强化学习环境（DecisionEnv），兼容PPO/SAC等算法 |
| 风险优先设计 | 风险轮次可调整或否决交易，记录证据，支持复核和告警 |
| 模块化与可扩展性 | 独立的数据、因子、智能体、提示词及实验模块，便于定制 |
🏗 架构概览
+---------------------+ +-----------------------+ +----------------------+
| 数据流水线 | <---> | 因子与特征计算 | <---> | 多智能体系统 |
| (app/ingest, utils) | | | | (app/agents) |
+---------------------+ +-----------------------+ +----------------------+
| |
| |
v v
+---------------------+ +----------------------+
| 强化学习与优化 | | 可视化与界面 |
| (app/backtest) | | (app/ui/streamlit_app)|
+---------------------+ +----------------------+
详细调用图见
docs/architecture_call_graph.md。
🎯 演示
体验交互式演示，实时策略规划、风险监控与回测复盘：
📚 文档
- 多智能体原则：
docs/principles/multi_agent_decision.md - 强化学习调优：
docs/principles/reinforcement_learning_tuning.md - 风险管理：
docs/principles/risk_management.md - 架构调用图：
docs/architecture_call_graph.md - 项目TODO与路线图：
docs/TODO.md
🛠 典型工作流程
- 环境配置： 通过 Streamlit「系统设置」页填入 TuShare、LLM 等凭据，并在同页管理数据根目录、日志级别等参数。
- 数据补全： 在「今日计划 → 数据自检」中一键触发行情、基本面、新闻拉取与健康检查。
- 因子与特征： 使用「回测与复盘 → 因子计算」面板选择交易日及股票池，实时查看进度与校验报告。
- 多智能体决策： 「今日计划」页直接发起多轮博弈，风险部门结论与对话全量保存，可即时复核。
- 回测与调优： 「实验调参」与「回测与复盘」页提供 PPO、贝叶斯优化等实验入口，支持参数可视化比对。
- 可视化与监控： 借助「投资池/仓位」「风险预警」等看板实时掌握仓位、事件、日志；完成线下验证后再推进实盘。
📜 许可证
本项目基于 MIT License 开源。
怀揣对多智能体协作、强化学习及透明投资策略的热情构建。