---

TradingAgents: Multi-Agent LLM Khung giao dịch tài chính

Tin tức

• [2026-07] Đại lý giao dịch v0.3.1 được phát hành với các bản sửa lỗi về tính chính xác và ổn định: tính năng lọc xem trước Alpha Vantage, an toàn khi xảy ra sự cố với bộ định tuyến đồ thị, tiếp tục điểm kiểm tra nhận biết hình dạng biểu đồ, nguồn cảm tính tiền điện tử đang hoạt động, ngân sách thử lại LLM có thể định cấu hình, xác thực khóa Bedrock API và hỗ trợ Claude Sonnet 5 / Fable 5. Xem CHANGELOG.md để có danh sách đầy đủ.
• [2026-06] Đại lý giao dịch v0.3.0 được phát hành cùng với hợp đồng truy cập dữ liệu đã được xác minh, cơ quan đăng ký nhà cung cấp mở rộng (NVIDIA, Kimi, Groq, Mistral, Bedrock và mọi điểm cuối tương thích với OpenAI), nhà cung cấp dữ liệu FRED và Polymarket, danh mục mô hình thế hệ hiện tại và cổng CI.
• [2026-05] Đại lý giao dịch v0.2.5 được phát hành với Nhà phân tích tình cảm có căn cứ, phạm vi bảo hiểm của mô hình GPT-5.5, v.v., hỗ trợ vùng kép Qwen/GLM/MiniMax, TRADINGAGENTS_* khả năng định cấu hình env-var với tính năng tự động phát hiện khóa API, hỗ trợ Ollama từ xa, điểm chuẩn alpha không phải của Hoa Kỳ và tăng cường khả năng truyền tải đường dẫn đánh dấu.
• [2026-04] Đại lý giao dịch v0.2.4 được phát hành cùng với các tác nhân đầu ra có cấu trúc (Trình quản lý nghiên cứu, Nhà giao dịch, Trình quản lý danh mục đầu tư), sơ yếu lý lịch điểm kiểm tra LangGraph, nhật ký quyết định liên tục, DeepSeek/Qwen/GLM/hỗ trợ nhà cung cấp Azure, Docker và bản sửa lỗi mã hóa Windows UTF-8.
• [2026-03] Đại lý giao dịch v0.2.3 được phát hành với sự hỗ trợ đa ngôn ngữ, mô hình dòng GPT-5.4, danh mục mô hình thống nhất, độ chính xác của ngày kiểm tra ngược và hỗ trợ proxy.
• [2026-03] Đại lý giao dịch v0.2.2 được phát hành với phạm vi bao phủ của mô hình GPT-5.4/Gemini 3.1/Claude 4.6, thang xếp hạng năm bậc, OpenAI Phản hồi API, kiểm soát nỗ lực Anthropic và độ ổn định trên nhiều nền tảng.
• [2026-02] Đại lý giao dịch v0.2.0 được phát hành với sự hỗ trợ của nhiều nhà cung cấp LLM (GPT-5.x, Gemini 3.x, Claude 4.x, Grok 4.x) và kiến ​​trúc hệ thống được cải thiện.
• [2026-01] Giao dịch-R1 Báo cáo kỹ thuật được thả ra, với thiết bị đầu cuối dự kiến sẽ cập bến sớm.

🎉 Đại lý giao dịch chính thức phát hành! Chúng tôi đã nhận được rất nhiều câu hỏi về công việc và chúng tôi muốn bày tỏ lời cảm ơn vì sự nhiệt tình trong cộng đồng của chúng tôi.

Vì vậy, chúng tôi quyết định cung cấp toàn bộ nguồn mở cho khung này. Rất mong được cùng bạn xây dựng những dự án có tác động lớn!

Khung đại lý giao dịch

TradingAgents là một khuôn khổ giao dịch đa đại lý phản ánh động lực của các công ty thương mại trong thế giới thực. Bằng cách triển khai các tác nhân chuyên biệt được hỗ trợ bởi LLM: từ các nhà phân tích cơ bản, chuyên gia tâm lý và nhà phân tích kỹ thuật cho đến nhà giao dịch, nhóm quản lý rủi ro, nền tảng sẽ cộng tác đánh giá các điều kiện thị trường và đưa ra quyết định giao dịch. Hơn nữa, các đại lý này tham gia vào các cuộc thảo luận năng động để xác định chiến lược tối ưu.

Khung TradingAgents được thiết kế cho mục đích nghiên cứu. Hiệu suất giao dịch có thể thay đổi dựa trên nhiều yếu tố, bao gồm mô hình ngôn ngữ xương sống đã chọn, nhiệt độ mô hình, thời gian giao dịch, chất lượng dữ liệu và các yếu tố không xác định khác. Nó không nhằm mục đích tư vấn tài chính, đầu tư hoặc giao dịch.

Khung của chúng tôi phân tách các nhiệm vụ giao dịch phức tạp thành các vai trò chuyên biệt.

Nhóm phân tích

• Nhà phân tích cơ bản: Đánh giá các chỉ số tài chính và hiệu suất của công ty, xác định các giá trị nội tại và các dấu hiệu cảnh báo tiềm ẩn.
• Nhà phân tích tình cảm: Tổng hợp các tiêu đề tin tức, cuộc trò chuyện của StockTwits và Reddit thành một cảm xúc duy nhất được đọc để đánh giá tâm trạng thị trường ngắn hạn.
• Nhà phân tích tin tức: Theo dõi tin tức toàn cầu và các chỉ số kinh tế vĩ mô, diễn giải tác động của các sự kiện đến điều kiện thị trường.
• Nhà phân tích kỹ thuật: Sử dụng các chỉ báo kỹ thuật (như MACD và RSI) để phát hiện các mô hình giao dịch và dự báo biến động giá.

Nhóm nghiên cứu

• Bao gồm cả các nhà nghiên cứu theo xu hướng tăng giá và giảm giá, những người đánh giá nghiêm túc những hiểu biết sâu sắc do Nhóm phân tích cung cấp. Thông qua các cuộc tranh luận có cấu trúc, họ cân bằng giữa lợi ích tiềm năng và rủi ro vốn có.

Đại lý thương mại

• Soạn báo cáo từ các nhà phân tích và nhà nghiên cứu để đưa ra quyết định giao dịch sáng suốt, xác định thời gian và mức độ giao dịch.

Quản lý rủi ro và quản lý danh mục đầu tư

• Liên tục đánh giá rủi ro danh mục đầu tư bằng cách đánh giá sự biến động của thị trường, tính thanh khoản và các yếu tố rủi ro khác. Đội ngũ quản lý rủi ro đánh giá và điều chỉnh chiến lược giao dịch, cung cấp báo cáo đánh giá cho Người quản lý danh mục đầu tư để đưa ra quyết định cuối cùng.
• Người quản lý danh mục đầu tư phê duyệt/từ chối đề xuất giao dịch. Nếu được chấp thuận, lệnh sẽ được gửi đến sàn giao dịch mô phỏng và được thực thi.

Cài đặt và CLI

Cài đặt

Đại lý giao dịch nhân bản:

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

Tạo môi trường ảo trong bất kỳ trình quản lý môi trường yêu thích nào của bạn:

conda create -n tradingagents python=3.12
conda activate tradingagents

Cài đặt gói và các phần phụ thuộc của nó:

pip install .

Docker

Ngoài ra, hãy chạy với Docker:

cp .env.example .env  # add your API keys
docker compose run --rm tradingagents

Đối với các model cục bộ có Ollama:

docker compose --profile ollama run --rm tradingagents-ollama

API bắt buộc

TradingAgents hỗ trợ nhiều nhà cung cấp LLM. Đặt khóa API cho nhà cung cấp bạn đã chọn:

export OPENAI_API_KEY=...          # OpenAI (GPT)
export GOOGLE_API_KEY=...          # Google (Gemini)
export ANTHROPIC_API_KEY=...       # Anthropic (Claude)
export XAI_API_KEY=...             # xAI (Grok)
export DEEPSEEK_API_KEY=...        # DeepSeek
export DASHSCOPE_API_KEY=...       # Qwen — International (dashscope-intl.aliyuncs.com)
export DASHSCOPE_CN_API_KEY=...    # Qwen — China (dashscope.aliyuncs.com)
export ZHIPU_API_KEY=...           # GLM via Z.AI (international)
export ZHIPU_CN_API_KEY=...        # GLM via BigModel (China, open.bigmodel.cn)
export MINIMAX_API_KEY=...         # MiniMax — Global (api.minimax.io)
export MINIMAX_CN_API_KEY=...      # MiniMax — China (api.minimaxi.com)
export OPENROUTER_API_KEY=...      # OpenRouter
export ALPHA_VANTAGE_API_KEY=...   # Alpha Vantage

Đối với Azure OpenAI, sao chép .env.enterprise.example để .env.enterprise và điền thông tin xác thực của bạn.

Đối với AWS Bedrock, hãy cài đặt phần bổ sung bằng pip install ".[bedrock]", đặt llm_provider: "bedrock", định cấu hình thông tin đăng nhập AWS (biến môi trường, ~/.aws/credentialshoặc vai trò IAM) và AWS_DEFAULT_REGIONvà sử dụng ID mô hình Bedrock, ví dụ: us.anthropic.claude-opus-4-8-v1:0.

Đối với các kiểu máy cục bộ, hãy định cấu hình Ollama với llm_provider: "ollama". Điểm cuối mặc định là http://localhost:11434/v1; đặt OLLAMA_BASE_URL chỉ vào một điều khiển từ xa ollama-serve. Kéo mô hình bằng ollama pull <name>và chọn "ID mẫu tùy chỉnh" trong CLI cho bất kỳ mẫu nào không được liệt kê theo mặc định.

Đối với bất kỳ máy chủ tương thích OpenAI nào khác (vLLM, LM Studio, Llama.cpp hoặc rơle tùy chỉnh), hãy sử dụng llm_provider: "openai_compatible" và đặt điểm cuối thông qua backend_url (hoặc TRADINGAGENTS_LLM_BACKEND_URL), ví dụ: http://localhost:8000/v1 cho vLLM hoặc http://localhost:1234/v1 cho LM Studio. Mô hình này là bất cứ thứ gì máy chủ của bạn phục vụ. Không cần chìa khóa cho máy chủ cục bộ; đặt OPENAI_COMPATIBLE_API_KEY khi điểm cuối yêu cầu một.

Ngoài ra, sao chép .env.example để .env và điền vào chìa khóa của bạn:

cp .env.example .env

CLI Cách sử dụng

Khởi chạy CLI tương tác:

tradingagents          # installed command
python -m cli.main     # alternative: run directly from source

Bạn sẽ thấy một màn hình nơi bạn có thể chọn các mã cổ phiếu mong muốn, ngày phân tích, nhà cung cấp LLM, độ sâu nghiên cứu, v.v.

Thị trường và cổ phiếu

TradingAgents hoạt động với bất kỳ thị trường nào mà Yahoo Finance cung cấp, sử dụng mã cổ phiếu có hậu tố trao đổi. Nhận dạng công ty và điểm chuẩn alpha tự động phân giải theo từng thị trường.

• Mỹ: AAPL, SPY
• Hồng Kông: 0700.HK · Tôkyô: 7203.T · Luân Đôn: AZN.L
• Ấn Độ: RELIANCE.NS, .BO · Canada: .TO · Úc: .AX
• Cổ phiếu A của Trung Quốc: Thượng Hải .SS, Thâm Quyến .SZ (ví dụ: 600519.SS cho Kweichow Moutai)
• Tiền điện tử: BTC-USD, ETH-USD

Một giao diện sẽ xuất hiện hiển thị kết quả khi chúng tải, cho phép bạn theo dõi tiến trình của tác nhân khi nó chạy.

Gói đại lý giao dịch

Chi tiết triển khai

Chúng tôi đã xây dựng TradingAgents bằng LangGraph để đảm bảo tính linh hoạt và tính mô-đun. Khung này hỗ trợ nhiều nhà cung cấp LLM: OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen (Alibaba DashScope, điểm cuối quốc tế và Trung Quốc), GLM (Zhipu), MiniMax (toàn cầu + Trung Quốc), OpenRouter, Ollama cho các mô hình địa phương và Azure OpenAI cho doanh nghiệp.

Python Cách sử dụng

Để sử dụng TradingAgents trong mã của bạn, bạn có thể nhập tradingagents mô-đun và khởi tạo một TradingAgentsGraph() đối tượng. các .propagate() chức năng sẽ trả về một quyết định. Bạn có thể chạy main.py, đây cũng là một ví dụ nhanh:

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

ta = TradingAgentsGraph(debug=True, config=DEFAULT_CONFIG.copy())

# forward propagate
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)

Bạn cũng có thể điều chỉnh cấu hình mặc định để đặt lựa chọn LLM, vòng tranh luận của riêng mình, v.v.

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"        # e.g. openai, google, anthropic, deepseek, groq, ollama; openai_compatible covers any OpenAI-compatible endpoint (vLLM, LM Studio, llama.cpp, ...)
config["deep_think_llm"] = "gpt-5.5"     # Model for complex reasoning
config["quick_think_llm"] = "gpt-5.4-mini" # Model for quick tasks
config["max_debate_rounds"] = 2

ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)

Xem tradingagents/default_config.py cho tất cả các tùy chọn cấu hình.

Kiên trì và phục hồi

TradingAgents duy trì hai loại trạng thái trong các lần chạy.

Nhật ký quyết định

Nhật ký quyết định luôn bật. Mỗi lần chạy hoàn thành sẽ thêm quyết định của nó vào ~/.tradingagents/memory/trading_memory.md. Trong lần chạy tiếp theo cho cùng một mã, TradingAgents tìm nạp lợi nhuận thực hiện (thô và alpha so với SPY), tạo phản ánh một đoạn và đưa các quyết định gần đây nhất về cùng một mã cùng với các bài học về mã chéo gần đây vào lời nhắc của Trình quản lý danh mục đầu tư, để mỗi bản phân tích sẽ chuyển tiếp những gì hiệu quả và những gì không.

Ghi đè đường dẫn bằng TRADINGAGENTS_MEMORY_LOG_PATH.

sơ yếu lý lịch điểm kiểm tra

Sơ yếu lý lịch điểm kiểm tra được chọn tham gia thông qua --checkpoint. Khi được bật, LangGraph sẽ lưu trạng thái sau mỗi nút để quá trình chạy bị lỗi hoặc bị gián đoạn sẽ tiếp tục từ bước thành công cuối cùng thay vì bắt đầu lại. Khi chạy sơ yếu lý lịch, bạn sẽ thấy Resuming from step N for <TICKER> on <date> trong nhật ký; trong lần chạy mới bạn sẽ thấy Starting fresh. Điểm kiểm tra sẽ được xóa tự động khi hoàn thành thành công.

Cơ sở dữ liệu mỗi mã SQLite có sẵn tại ~/.tradingagents/cache/checkpoints/<TICKER>.db (ghi đè cơ sở bằng TRADINGAGENTS_CACHE_DIR). sử dụng --clear-checkpoints để thiết lập lại tất cả chúng trước khi chạy.

tradingagents analyze --checkpoint           # enable for this run
tradingagents analyze --clear-checkpoints    # reset before running

config = DEFAULT_CONFIG.copy()
config["checkpoint_enabled"] = True
ta = TradingAgentsGraph(config=config)
_, decision = ta.propagate("NVDA", "2026-01-15")

Độ tái lập

TradingAgents được điều khiển bởi LLM nên hai lần chạy cùng mã và ngày có thể khác nhau. Điều này được mong đợi đối với một công cụ nghiên cứu được xây dựng trên các mô hình ngôn ngữ chứ không phải là một khiếm khuyết. Sự khác biệt đến từ một số nguồn riêng biệt và giúp phân biệt chúng.

Lấy mẫu mô hình ngôn ngữ là không xác định. Ngay cả ở nhiệt độ cố định, các nhà cung cấp không đảm bảo đầu ra giống hệt byte giữa các cuộc gọi và các mô hình lý luận (dòng GPT-5.x mặc định và bất kỳ mô hình chế độ tư duy nào) khác nhau nhiều nhất vì lý luận nội bộ của chúng được lấy mẫu.

Dữ liệu trực tiếp di chuyển. Tin tức, StockTwits và Reddit trả về nội dung khác nhau theo thời gian, do đó, lượt chạy hôm nay sẽ có thông tin đầu vào khác với lượt chạy tuần trước ngay cả trong cùng một ngày giao dịch lịch sử. Ghim ngày phân tích để giữ cố định cửa sổ giá và chỉ báo, nhưng các nguồn tin tức và mạng xã hội vẫn phản ánh "hiện tại".

Để giảm sự thay đổi, bạn có thể giảm nhiệt độ lấy mẫu. Đặt temperature trong cấu hình của bạn (hoặc TRADINGAGENTS_TEMPERATURE trong .env); giá trị thấp hơn làm cho các mô hình tôn vinh nó có thể lặp lại nhiều hơn. Các mô hình được quản lý hiện tại ưu tiên lý luận và phần lớn bỏ qua nhiệt độ, do đó, để có khả năng tái tạo chặt chẽ hơn, hãy sử dụng mô hình không lý luận mà bạn có thể đặt rõ ràng thông qua tùy chọn ID mô hình tùy chỉnh.

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"
config["temperature"] = 0.0
# Reasoning models ignore temperature. For tighter reproducibility, set a
# non-reasoning deep/quick model explicitly (e.g. via the Custom model ID option).

Điều không còn thay đổi nữa: danh tính công ty được phân tích được giải quyết một cách xác định từ mã đánh dấu trước khi bất kỳ đại lý nào chạy và nhà phân tích thị trường đưa ra các tuyên bố chính xác về giá và chỉ báo trong ảnh chụp nhanh dữ liệu đã được xác minh. Các báo cáo trước đây về "các công ty khác nhau" hoặc mức giá bịa đặt trong các lần chạy đều được giải quyết bằng hai cơ chế này.

Kết quả backtest không được đảm bảo khớp với bất kỳ số liệu nào được công bố. Việc trả lại tùy thuộc vào kiểu máy, nhiệt độ, phạm vi ngày, chất lượng dữ liệu và việc lấy mẫu ở trên. Hãy coi khuôn khổ này như một giàn giáo nghiên cứu để nghiên cứu phân tích đa tác nhân, chứ không phải như một chiến lược có lợi nhuận cố định, có thể nhân rộng.

Đóng góp

Hoan nghênh những đóng góp: sửa lỗi, tài liệu và ý tưởng về tính năng; những đóng góp trong quá khứ được ghi có cho mỗi lần phát hành trong CHANGELOG.md.

Trích dẫn

Vui lòng tham khảo công việc của chúng tôi nếu bạn tìm thấy Đại lý giao dịch cung cấp cho bạn một số trợ giúp :)

@misc{xiao2025tradingagentsmultiagentsllmfinancial,
      title={TradingAgents: Multi-Agents LLM Financial Trading Framework}, 
      author={Yijia Xiao and Edward Sun and Di Luo and Wei Wang},
      year={2025},
      eprint={2412.20138},
      archivePrefix={arXiv},
      primaryClass={q-fin.TR},
      url={https://arxiv.org/abs/2412.20138}, 
}