96 lines
4.7 KiB
Markdown
96 lines
4.7 KiB
Markdown
# 多智能体量化投资助手 🤖📈
|
||
|
||
[](https://www.python.org/downloads/release/python-3100/) [](./LICENSE) [](#)
|
||
|
||
> 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
|
||
|
||
```bash
|
||
# 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
|
||
|
||
```plaintext
|
||
+---------------------+ +-----------------------+ +----------------------+
|
||
| 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`](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：
|
||
|
||
[🔗 演示链接占位符](#)
|
||
|
||
---
|
||
|
||
## 📚 文档
|
||
|
||
- **多智能体原则：** [`docs/principles/multi_agent_decision.md`](docs/principles/multi_agent_decision.md)
|
||
- **强化学习调优：** [`docs/principles/reinforcement_learning_tuning.md`](docs/principles/reinforcement_learning_tuning.md)
|
||
- **风险管理：** [`docs/principles/risk_management.md`](docs/principles/risk_management.md)
|
||
- **架构调用图：** [`docs/architecture_call_graph.md`](docs/architecture_call_graph.md)
|
||
- **项目TODO与路线图：** [`docs/TODO.md`](docs/TODO.md)
|
||
|
||
---
|
||
|
||
## 🛠 典型工作流程
|
||
|
||
1. **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。
|
||
2. **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。
|
||
3. **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。
|
||
4. **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。
|
||
5. **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。
|
||
6. **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](./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。*
|