TradingAgents提出多智能体LLM交易框架，模拟交易公司协作流程

Yijia Xiao、Edward Sun、Di Luo等提出TradingAgents，一个受交易公司启发的股票交易框架，让大语言模型驱动的智能体扮演基本面分析师、情绪分析师、技术分析师及不同风险偏好的交易员等专门角色。论文称，框架还设有看多与看空研究员评估市场状况、风险管理团队监控敞口，交易员综合辩论与历史数据做出决策。作者称，详细架构与大量实验显示，该框架在累计收益、夏普比率和最大回撤上优于基线模型，凸显多智能体LLM框架在金融交易中的潜力。代码已发布于GitHub。