9大AI智能体联袂复盘，揭秘华尔街投资大师的投资策略

9大AI智能体联袂复盘，揭秘华尔街投资大师的投资策略

‍

当人工智能邂逅华尔街，会碰撞出怎样的火花？

近年来，AI技术在各行各业的应用日益深入，金融领域自然也不例外。一个名为 "AI Hedge Fund" 的开源项目，正以其独特的视角，探索人工智能在投资决策中的潜力。该项目并非旨在构建实际交易的盈利系统，而是作为一个极具教育意义的平台，深入剖析华尔街投资大师的策略，并以代码形式将其复现。

项目最引人入胜之处，在于其精心设计的 9大AI智能体。每个智能体都以一位声名显赫的投资大师为原型，例如：

• 本杰明·格雷厄姆 (Ben Graham) 智能体: 价值投资的奠基人，奉行“安全边际”原则，挖掘被市场低估的“隐藏的宝石”。
• 比尔·阿克曼 (Bill Ackman) 智能体: 激进投资者的代表，擅长采取大胆的立场，推动变革，追求长期价值提升。
• 凯茜·伍德 (Cathie Wood) 智能体: 成长投资女王，坚信创新和颠覆的力量，押注具有高成长潜力的科技公司。
• 沃伦·巴菲特 (Warren Buffett) 智能体: “奥马哈先知”，价值投资的集大成者，寻找“伟大的公司和合理的价格”。
• 查理·芒格 (Charlie Munger) 智能体: 巴菲特的黄金搭档，秉持“以合理的价格买入伟大的企业”的理念，注重企业质量和长期价值。

除了大师级的智能体，项目还构建了一系列功能型智能体，例如：

• 估值智能体 (Valuation Agent): 计算股票的内在价值，生成买卖信号。
• 情绪智能体 (Sentiment Agent): 分析市场情绪，捕捉投资者乐观或悲观的信号。
• 基本面智能体 (Fundamentals Agent): 深入分析财务数据，挖掘公司基本面的投资价值。
• 技术面智能体 (Technicals Agent): 运用技术指标，研判市场趋势和价格动能。

‍

除了九大智能体之外，还有另外两个投资管理者智能体

• 风险管理智能体 (Risk Manager): 量化投资组合风险，设定仓位限制，控制潜在损失。
• 投资组合管理智能体 (Portfolio Manager): 综合各方信息，做出最终的交易决策，并生成订单。

‍

技术架构：Langchain + LangGraph + LLM 的强大驱动

"AI Hedge Fund" 项目的技术栈同样令人瞩目。它巧妙地结合了以下核心技术：

• Langchain: 作为构建语言模型应用的强大框架，Langchain 为项目提供了智能体 (Agent)、链 (Chain)、内存 (Memory) 等核心组件，简化了复杂 AI 工作流的构建过程。
• LangGraph: Langchain 生态系统中的图神经网络库，允许开发者以图形化的方式编排智能体之间的协作流程，构建复杂的对话和决策流程。本项目利用 LangGraph 精确定义了 9 大智能体之间的信息流和决策路径。
• 大型语言模型 (LLMs): 项目核心的驱动力，用于驱动各个智能体的分析和决策过程。项目支持多种主流 LLM 模型，包括 OpenAI 的 gpt-4o​、gpt-4o-mini​ 以及 Groq 平台上的 deepseek​、llama3​ 等，用户可以根据自身需求和 API Key 的情况进行选择。(修改后支持Gemini)

项目还集成了 FinancialDatasets.ai 的金融数据 API，为智能体提供实时的股票价格、财务指标、新闻资讯、内幕交易等关键数据，确保分析的深度和广度。

​​

代码结构：模块化与清晰的组织

项目的代码结构清晰、模块化，易于理解和扩展。核心组件包括：

• ​src/agents/​: 包含了各个智能体的定义和逻辑，例如 ben_graham.py​、bill_ackman.py​ 等，每个文件对应一个智能体。
• ​src/tools/​: 定义了智能体使用的工具，例如 api.py​ 封装了金融数据 API 的调用。
• ​src/graph/​: 定义了 LangGraph 工作流的状态管理和节点连接。
• ​src/llm/​: 管理 LLM 模型的加载和配置。
• ​src/utils/​: 包含各种实用工具函数，例如 display.py​ 负责结果展示，analysts.py​ 管理智能体配置。
• ​src/backtester.py​: 提供了回测框架，用于评估投资策略的历史表现。
• ​src/main.py​: 项目的主入口，负责解析命令行参数、启动智能体工作流。

完整结构：

​​

快速上手：简单的设置与运行（Linux）

想要体验 "AI Hedge Fund" 项目，只需简单的几步：

1. 克隆代码: git clone https://github.com/virattt/ai-hedge-fund.git​

2. 安装poetry:（如果没有安装）

   ​curl -sSL https://install.python-poetry.org | python3 -​

3. 安装依赖: 使用 Poetry 包管理器，执行 poetry install​ 命令。

4. 配置 API Keys: 复制 .env.example​ 文件为 .env​，并填入 OpenAI、Groq 和 FinancialDatasets.ai 等平台的 API Keys。

5. 运行 Hedge Fund: 执行 poetry run python src/main.py --ticker AAPL,MSFT,NVDA​，即可模拟对 AAPL、MSFT、NVDA 等股票的投资决策过程。

6. 运行 Backtester: 执行 poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA​，可以对历史数据进行回测，评估策略表现。

• 选择agent：（可多选）

  ​​

• 选择大模型：（支持Gemini）

  ​​

• 运行结果

​​

‍

---

‍

提问环节：

‍

总结一下所有智能体的特点？

投资大师策略智能体 (策略侧重于特定投资大师的理念):

1. 本杰明·格雷厄姆智能体 (Ben Graham Agent):

   • 核心策略: 价值投资，安全边际。
   • 特点: 极度保守，只寻找被市场严重低估的股票，强调财务稳健性，注重“净流动资产价值” (NCAV) 和“格雷厄姆数字”等指标。
   • 信号: 当股票价格远低于其内在价值，且公司财务状况稳健时，发出看涨 (Bullish) 信号。

2. 比尔·阿克曼智能体 (Bill Ackman Agent):

   • 核心策略: 集中投资，价值发现，有时采取激进主义策略。
   • 特点: 寻找高质量、具有持久竞争优势的企业，注重自由现金流、管理层能力和资本配置，可能通过积极行动提升公司价值。
   • 信号: 当发现高质量企业被低估，且有提升价值的潜力时，发出看涨 (Bullish) 信号。

3. 凯茜·伍德智能体 (Cathie Wood Agent):

   • 核心策略: 颠覆式创新，高成长投资。
   • 特点: 专注于投资于具有突破性技术或商业模式的公司，特别是人工智能、基因组学、机器人技术等领域，愿意承担高波动性以追求长期超额回报。
   • 信号: 当公司展现出颠覆性创新潜力，并处于高增长行业时，发出看涨 (Bullish) 信号。

4. 沃伦·巴菲特智能体 (Warren Buffett Agent):

   • 核心策略: 长期价值投资，护城河理论。
   • 特点: 寻找具有强大“护城河”（可持续竞争优势）的优秀企业，以合理的价格买入并长期持有，注重企业质量、管理层能力和长期盈利能力。
   • 信号: 当发现“伟大的公司”以“合理的价格”出售，且公司基本面强劲时，发出看涨 (Bullish) 信号。

5. 查理·芒格智能体 (Charlie Munger Agent):

   • 核心策略: 多元思维模型，高质量投资。
   • 特点: 强调商业模式的简洁性和可理解性，偏好具有持久竞争优势、管理层诚信且能持续产生自由现金流的企业，注重长期价值和避免愚蠢的错误。
   • 信号: 当公司展现出高质量、可预测性，且估值合理时，发出看涨 (Bullish) 信号。

功能型智能体 (策略侧重于特定分析方法):

6. 估值智能体 (Valuation Agent):

   • 核心策略: 多种估值方法 (例如 DCF 和 Owner Earnings)。
   • 特点: 运用 Discounted Cash Flow (DCF) 和 Owner Earnings 等方法，计算股票的内在价值，并与市场价格进行比较，判断股票是否被高估或低估。
   • 信号: 当内在价值显著高于市场价格时，发出看涨 (Bullish) 信号；反之，发出看跌 (Bearish) 信号。

7. 情绪智能体 (Sentiment Agent):

   • 核心策略: 市场情绪分析 (内幕交易和新闻情绪)。
   • 特点: 分析内幕交易数据和公司新闻的情绪倾向，捕捉市场整体的乐观或悲观情绪，辅助判断市场走向。
   • 信号: 当内幕交易呈现净买入趋势，且新闻情绪偏积极时，发出看涨 (Bullish) 信号；反之，发出看跌 (Bearish) 信号。

8. 基本面智能体 (Fundamentals Agent):

   • 核心策略: 基本面量化分析 (财务指标)。
   • 特点: 深入分析公司的财务报表，关注盈利能力、成长性、财务健康状况和估值比率等关键财务指标，量化评估公司的基本面质量。
   • 信号: 当公司的盈利能力、成长性和财务健康状况良好，且估值合理时，发出看涨 (Bullish) 信号；反之，发出看跌 (Bearish) 信号。

9. 技术面智能体 (Technicals Agent):

   • 核心策略: 多策略技术分析 (趋势、均值回归、动量、波动率、统计套利)。
   • 特点: 综合运用多种技术分析策略，包括趋势跟踪、均值回归、动量指标、波动率分析和统计套利信号，研判市场趋势和价格动能。
   • 信号: 根据多种技术指标的综合结果，判断市场处于看涨 (Bullish) 、看跌 (Bearish) 或中性 (Neutral) 状态。

这 9 大智能体相互协作，从不同维度对股票进行深入分析，最终由投资组合管理智能体综合所有信息，做出最终的交易决策。这种多智能体协同工作的方式，旨在模拟专业投资机构的决策流程，并揭示不同投资策略的特点和优势。

‍

免责声明

需要特别强调的是，"AI Hedge Fund" 项目 及其folk项目仅供教育和研究目的，不应用于实际交易或投资。项目代码开源，任何人都可以学习和修改，不构成投资建议，作者们不对任何基于此项目进行的投资决策负责。

结语：AI 赋能金融研究的新范式

"AI Hedge Fund" 项目以其独特的视角和精巧的设计，为我们展示了 AI 技术在金融研究领域的巨大潜力。它不仅是一个学习投资大师策略的绝佳平台，更是一个探索 AI 驱动投资决策新范式的宝贵尝试。 随着 AI 技术的不断发展，我们有理由相信，未来人工智能将在金融领域扮演越来越重要的角色，为投资者提供更智能、更高效的决策支持。

‍

原项目地址：AI Hedge Fund

我的分支：Stock-Hunter

‍