lukiIabs/

trading-agents

TradingAgents LLM multi-agent finance trading stocks crypto fintech quantitative algo trading sentiment analysis OpenAI JavaScript Node.js research OSS

250216 forksPython· 分析于 1mo ago
一句话定位

判断
实用

在合适的场景下值得直接采用,但不是普适必装。

30 秒上手

基于语言推断的标准命令
$ pip install trading-agents

标准 PyPI 包名,必要时按 README 调整

最适合的 3 个场景
  • 1用LLM分析财经新闻/社交媒体情感来做交易决策辅助
  • 2多智能体协作完成股票/加密货币的量化策略回测研究
  • 3作为多智能体系统的学习参考代码
同类对比
vsFreqtrade
vsbacktrader
vsvectorbt
vsjesse-ai

完整对比报告(含矩阵评分)即将上线,订阅后第一时间收到。

值得追的健康信号

每周 LLM 自动巡检
总 Star
250
Forks
216
语言
Python
分析时间
1mo ago
x
作者短评

符合「能用就用、不能用就放着」的标准。先收藏,等你下次遇到对应场景再 deep dive 不迟。

— xaikey · 基于 LLM 分析 + 个人判断
Topics
agentsalgorithmic-tradingcryptofinancefintechjavascriptllmmachine-learningmulti-agentnlpnodejsopen-sourceopenaiquantitative-tradingresearchsentiment-analysisstockstradingtrading-bots

其他 Python 趋势仓库

本页 LLM 分析由 MiniMax-M2.7 / Claude Haiku 4.5 等模型生成 · 不构成生产环境技术选型建议