mirror of
https://github.com/Xe138/AI-Trader.git
synced 2026-04-04 01:57:25 -04:00
566 lines
16 KiB
Markdown
566 lines
16 KiB
Markdown
<div align="center">
|
||
|
||
# 🚀 AI-Trader: Which LLM Rules the Market?
|
||
### *让AI在金融市场中一展身手*
|
||
|
||
[](https://python.org)
|
||
[](LICENSE)
|
||
|
||
|
||
**一个AI股票交易代理系统，让多个大语言模型在纳斯达克100股票池中完全自主决策、同台竞技！**
|
||
|
||
## 🏆 当前锦标赛排行榜
|
||
[*点击查看*](https://hkuds.github.io/AI-Trader/)
|
||
|
||
<div align="center">
|
||
|
||
### 🥇 **锦标赛期间：(最后更新 2025/10/24)**
|
||
|
||
| 🏆 Rank | 🤖 AI Model | 📈 Total Earnings |
|
||
|---------|-------------|----------------|
|
||
| **🥇 1st** | **DeepSeek** | 🚀 +10.61% |
|
||
| 🥈 2nd | Claude-3.7 | 📊 +4.03% |
|
||
| 🥉 3rd | GPT-5 | 📊 +3.89% |
|
||
| 4th | Qwen3-max | 📊 +2.49% |
|
||
| Baseline | QQQ | 📊 +2.30%|
|
||
| 5th | Gemini-2.5-flash | 📊 -2.73% |
|
||
|
||
### 📊 **实时性能仪表板**
|
||
|
||
|
||
*每日追踪AI模型在纳斯达克100交易中的表现*
|
||
|
||
</div>
|
||
|
||
> 🎯 **核心特色**: 100% AI自主决策，零人工干预，纯工具驱动架构
|
||
|
||
[🚀 快速开始](#-快速开始) • [📈 性能分析](#-性能分析) • [🛠️ 配置指南](#-配置指南)
|
||
|
||
</div>
|
||
|
||
---
|
||
|
||
## 🌟 项目介绍
|
||
|
||
> **AI-Trader让五个不同的AI模型，每个都采用独特的投资策略，在同一个市场中完全自主决策、竞争，看谁能在纳斯达克100交易中赚得最多！**
|
||
|
||
### 🎯 核心特性
|
||
|
||
- 🤖 **完全自主决策**: AI代理100%独立分析、决策、执行，零人工干预
|
||
- 🛠️ **纯工具驱动架构**: 基于MCP工具链，AI通过标准化工具调用完成所有交易操作
|
||
- 🏆 **多模型竞技场**: 部署多个AI模型（GPT、Claude、Qwen等）进行竞争性交易
|
||
- 📊 **实时性能分析**: 完整的交易记录、持仓监控和盈亏分析
|
||
- 🔍 **智能市场情报**: 集成Jina搜索，获取实时市场新闻和财务报告
|
||
- ⚡ **MCP工具链集成**: 基于Model Context Protocol的模块化工具生态系统
|
||
- 🔌 **可扩展策略框架**: 支持第三方策略和自定义AI代理集成
|
||
- ⏰ **历史回放功能**: 时间段回放功能，自动过滤未来信息
|
||
|
||
|
||
---
|
||
|
||
### 🎮 交易环境
|
||
每个AI模型以$10,000起始资金在受控环境中交易纳斯达克100股票，使用真实市场数据和历史回放功能。
|
||
|
||
- 💰 **初始资金**: $10,000美元起始余额
|
||
- 📈 **交易范围**: 纳斯达克100成分股（100只顶级科技股）
|
||
- ⏰ **交易时间**: 工作日市场时间，支持历史模拟
|
||
- 📊 **数据集成**: Alpha Vantage API结合Jina AI市场情报
|
||
- 🔄 **时间管理**: 历史期间回放，自动过滤未来信息
|
||
|
||
---
|
||
|
||
### 🧠 智能交易能力
|
||
AI代理完全自主运行，进行市场研究、制定交易决策，并在无人干预的情况下持续优化策略。
|
||
|
||
- 📰 **自主市场研究**: 智能检索和过滤市场新闻、分析师报告和财务数据
|
||
- 💡 **独立决策引擎**: 多维度分析驱动完全自主的买卖执行
|
||
- 📝 **全面交易记录**: 自动记录交易理由、执行细节和投资组合变化
|
||
- 🔄 **自适应策略演进**: 基于市场表现反馈自我优化的算法
|
||
|
||
---
|
||
|
||
### 🏁 竞赛规则
|
||
所有AI模型在相同条件下竞争，使用相同的资金、数据访问、工具和评估指标，确保公平比较。
|
||
|
||
- 💰 **起始资金**: $10,000美元初始投资
|
||
- 📊 **数据访问**: 统一的市场数据和信息源
|
||
- ⏰ **运行时间**: 同步的交易时间窗口
|
||
- 📈 **性能指标**: 所有模型的标准评估标准
|
||
- 🛠️ **工具访问**: 所有参与者使用相同的MCP工具链
|
||
|
||
🎯 **目标**: 确定哪个AI模型通过纯自主操作获得卓越的投资回报！
|
||
|
||
### 🚫 零人工干预
|
||
AI代理完全自主运行，在没有任何人工编程、指导或干预的情况下制定所有交易决策和策略调整。
|
||
|
||
- ❌ **无预编程**: 零预设交易策略或算法规则
|
||
- ❌ **无人工输入**: 完全依赖内在的AI推理能力
|
||
- ❌ **无手动覆盖**: 交易期间绝对禁止人工干预
|
||
- ✅ **纯工具执行**: 所有操作仅通过标准化工具调用执行
|
||
- ✅ **自适应学习**: 基于市场表现反馈的独立策略优化
|
||
|
||
---
|
||
|
||
## ⏰ 历史回放架构
|
||
|
||
AI-Trader Bench的核心创新是其**完全可重放**的交易环境，确保AI代理在历史市场数据上的性能评估具有科学严谨性和可重复性。
|
||
|
||
### 🔄 时间控制框架
|
||
|
||
#### 📅 灵活的时间设置
|
||
```json
|
||
{
|
||
"date_range": {
|
||
"init_date": "2025-01-01", // 任意开始日期
|
||
"end_date": "2025-01-31" // 任意结束日期
|
||
}
|
||
}
|
||
```
|
||
---
|
||
|
||
### 🛡️ 防前瞻数据控制
|
||
AI只能访问当前时间及之前的数据。不允许未来信息。
|
||
|
||
- 📊 **价格数据边界**: 市场数据访问限制在模拟时间戳和历史记录
|
||
- 📰 **新闻时间线执行**: 实时过滤防止访问未来日期的新闻和公告
|
||
- 📈 **财务报告时间线**: 信息限制在模拟当前日期的官方发布数据
|
||
- 🔍 **历史情报范围**: 市场分析限制在时间上适当的数据可用性
|
||
|
||
### 🎯 重放优势
|
||
|
||
#### 🔬 实证研究框架
|
||
- 📊 **市场效率研究**: 评估AI在不同市场条件和波动制度下的表现
|
||
- 🧠 **决策一致性分析**: 检查AI交易逻辑的时间稳定性和行为模式
|
||
- 📈 **风险管理评估**: 验证AI驱动的风险缓解策略的有效性
|
||
|
||
#### 🎯 公平竞赛框架
|
||
- 🏆 **平等信息访问**: 所有AI模型使用相同的历史数据集运行
|
||
- 📊 **标准化评估**: 使用统一数据源计算的性能指标
|
||
- 🔍 **完全可重复性**: 具有可验证结果的完整实验透明度
|
||
|
||
---
|
||
|
||
## 📁 项目架构
|
||
|
||
```
|
||
AI-Trader Bench/
|
||
├── 🤖 核心系统
|
||
│ ├── main.py # 🎯 主程序入口
|
||
│ ├── agent/base_agent/ # 🧠 AI代理核心
|
||
│ └── configs/ # ⚙️ 配置文件
|
||
│
|
||
├── 🛠️ MCP工具链
|
||
│ ├── agent_tools/
|
||
│ │ ├── tool_trade.py # 💰 交易执行
|
||
│ │ ├── tool_get_price_local.py # 📊 价格查询
|
||
│ │ ├── tool_jina_search.py # 🔍 信息搜索
|
||
│ │ └── tool_math.py # 🧮 数学计算
|
||
│ └── tools/ # 🔧 辅助工具
|
||
│
|
||
├── 📊 数据系统
|
||
│ ├── data/
|
||
│ │ ├── daily_prices_*.json # 📈 股票价格数据
|
||
│ │ ├── merged.jsonl # 🔄 统一数据格式
|
||
│ │ └── agent_data/ # 📝 AI交易记录
|
||
│ └── calculate_performance.py # 📈 性能分析
|
||
│
|
||
├── 🎨 前端界面
|
||
│ └── frontend/ # 🌐 Web仪表板
|
||
│
|
||
└── 📋 配置与文档
|
||
├── configs/ # ⚙️ 系统配置
|
||
├── prompts/ # 💬 AI提示词
|
||
└── calc_perf.sh # 🚀 性能计算脚本
|
||
```
|
||
|
||
### 🔧 核心组件详解
|
||
|
||
#### 🎯 主程序 (`main.py`)
|
||
- **多模型并发**: 同时运行多个AI模型进行交易
|
||
- **配置管理**: 支持JSON配置文件和环境变量
|
||
- **日期管理**: 灵活的交易日历和日期范围设置
|
||
- **错误处理**: 完善的异常处理和重试机制
|
||
|
||
#### 🛠️ MCP工具链
|
||
| 工具 | 功能 | API |
|
||
|------|------|-----|
|
||
| **交易工具** | 买入/卖出股票，持仓管理 | `buy()`, `sell()` |
|
||
| **价格工具** | 实时和历史价格查询 | `get_price_local()` |
|
||
| **搜索工具** | 市场信息搜索 | `get_information()` |
|
||
| **数学工具** | 财务计算和分析 | 基础数学运算 |
|
||
|
||
#### 📊 数据系统
|
||
- **📈 价格数据**: 纳斯达克100成分股的完整OHLCV数据
|
||
- **📝 交易记录**: 每个AI模型的详细交易历史
|
||
- **📊 性能指标**: 夏普比率、最大回撤、年化收益等
|
||
- **🔄 数据同步**: 自动化的数据获取和更新机制
|
||
|
||
## 🚀 快速开始
|
||
|
||
### 📋 前置要求
|
||
|
||
- **Python 3.8+**
|
||
- **API密钥**: OpenAI、Alpha Vantage、Jina AI
|
||
|
||
|
||
### ⚡ 一键安装
|
||
|
||
```bash
|
||
# 1. 克隆项目
|
||
git clone https://github.com/HKUDS/AI-Trader.git
|
||
cd AI-Trader
|
||
|
||
# 2. 安装依赖
|
||
pip install -r requirements.txt
|
||
|
||
# 3. 配置环境变量
|
||
cp .env.example .env
|
||
# 编辑 .env 文件，填入你的API密钥
|
||
```
|
||
|
||
### 🔑 环境配置
|
||
|
||
创建 `.env` 文件并配置以下变量：
|
||
|
||
```bash
|
||
# 🤖 AI模型API配置
|
||
OPENAI_API_BASE=https://your-openai-proxy.com/v1
|
||
OPENAI_API_KEY=your_openai_key
|
||
|
||
# 📊 数据源配置
|
||
ALPHAADVANTAGE_API_KEY=your_alpha_vantage_key
|
||
JINA_API_KEY=your_jina_api_key
|
||
|
||
# ⚙️ 系统配置
|
||
RUNTIME_ENV_PATH=./runtime_env.json #推荐使用绝对路径
|
||
|
||
# 🌐 服务端口配置
|
||
MATH_HTTP_PORT=8000
|
||
SEARCH_HTTP_PORT=8001
|
||
TRADE_HTTP_PORT=8002
|
||
GETPRICE_HTTP_PORT=8003
|
||
# 🧠 AI代理配置
|
||
AGENT_MAX_STEP=30 # 最大推理步数
|
||
```
|
||
|
||
### 📦 依赖包
|
||
|
||
```bash
|
||
# 安装生产环境依赖
|
||
pip install -r requirements.txt
|
||
|
||
# 或手动安装核心依赖
|
||
pip install langchain langchain-openai langchain-mcp-adapters fastmcp python-dotenv requests numpy pandas
|
||
```
|
||
|
||
## 🎮 运行指南
|
||
|
||
### 📊 步骤1: 数据准备 (`./fresh_data.sh`)
|
||
|
||
|
||
```bash
|
||
# 📈 获取纳斯达克100股票数据
|
||
cd data
|
||
python get_daily_price.py
|
||
|
||
# 🔄 合并数据为统一格式
|
||
python merge_jsonl.py
|
||
```
|
||
|
||
### 🛠️ 步骤2: 启动MCP服务
|
||
|
||
```bash
|
||
cd ./agent_tools
|
||
python start_mcp_services.py
|
||
```
|
||
|
||
### 🚀 步骤3: 启动AI竞技场
|
||
|
||
```bash
|
||
# 🎯 运行主程序 - 让AI们开始交易！
|
||
python main.py
|
||
|
||
# 🎯 或使用自定义配置
|
||
python main.py configs/my_config.json
|
||
```
|
||
|
||
### ⏰ 时间设置示例
|
||
|
||
#### 📅 创建自定义时间配置
|
||
```json
|
||
{
|
||
"agent_type": "BaseAgent",
|
||
"date_range": {
|
||
"init_date": "2024-01-01", // 回测开始日期
|
||
"end_date": "2024-03-31" // 回测结束日期
|
||
},
|
||
"models": [
|
||
{
|
||
"name": "claude-3.7-sonnet",
|
||
"basemodel": "anthropic/claude-3.7-sonnet",
|
||
"signature": "claude-3.7-sonnet",
|
||
"enabled": true
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
### 📈 启动Web界面
|
||
|
||
```bash
|
||
cd docs
|
||
python3 -m http.server 8000
|
||
# 访问 http://localhost:8000
|
||
```
|
||
|
||
|
||
## 📈 性能分析
|
||
|
||
### 🏆 竞技规则
|
||
|
||
| 规则项 | 设置 | 说明 |
|
||
|--------|------|------|
|
||
| **💰 初始资金** | $10,000 | 每个AI模型起始资金 |
|
||
| **📈 交易标的** | 纳斯达克100 | 100只顶级科技股 |
|
||
| **⏰ 交易时间** | 工作日 | 周一至周五 |
|
||
| **💲 价格基准** | 开盘价 | 使用当日开盘价交易 |
|
||
| **📝 记录方式** | JSONL格式 | 完整交易历史记录 |
|
||
|
||
## ⚙️ 配置指南
|
||
|
||
### 📋 配置文件结构
|
||
|
||
```json
|
||
{
|
||
"agent_type": "BaseAgent",
|
||
"date_range": {
|
||
"init_date": "2025-01-01",
|
||
"end_date": "2025-01-31"
|
||
},
|
||
"models": [
|
||
{
|
||
"name": "claude-3.7-sonnet",
|
||
"basemodel": "anthropic/claude-3.7-sonnet",
|
||
"signature": "claude-3.7-sonnet",
|
||
"enabled": true
|
||
}
|
||
],
|
||
"agent_config": {
|
||
"max_steps": 30,
|
||
"max_retries": 3,
|
||
"base_delay": 1.0,
|
||
"initial_cash": 10000.0
|
||
},
|
||
"log_config": {
|
||
"log_path": "./data/agent_data"
|
||
}
|
||
}
|
||
```
|
||
|
||
### 🔧 配置参数说明
|
||
|
||
| 参数 | 说明 | 默认值 |
|
||
|------|------|--------|
|
||
| `agent_type` | AI代理类型 | "BaseAgent" |
|
||
| `max_steps` | 最大推理步数 | 30 |
|
||
| `max_retries` | 最大重试次数 | 3 |
|
||
| `base_delay` | 操作延迟(秒) | 1.0 |
|
||
| `initial_cash` | 初始资金 | $10,000 |
|
||
|
||
### 📊 数据格式
|
||
|
||
#### 💰 持仓记录 (position.jsonl)
|
||
```json
|
||
{
|
||
"date": "2025-01-20",
|
||
"id": 1,
|
||
"this_action": {
|
||
"action": "buy",
|
||
"symbol": "AAPL",
|
||
"amount": 10
|
||
},
|
||
"positions": {
|
||
"AAPL": 10,
|
||
"MSFT": 0,
|
||
"CASH": 9737.6
|
||
}
|
||
}
|
||
```
|
||
|
||
#### 📈 价格数据 (merged.jsonl)
|
||
```json
|
||
{
|
||
"Meta Data": {
|
||
"2. Symbol": "AAPL",
|
||
"3. Last Refreshed": "2025-01-20"
|
||
},
|
||
"Time Series (Daily)": {
|
||
"2025-01-20": {
|
||
"1. buy price": "255.8850",
|
||
"2. high": "264.3750",
|
||
"3. low": "255.6300",
|
||
"4. sell price": "262.2400",
|
||
"5. volume": "90483029"
|
||
}
|
||
}
|
||
}
|
||
```
|
||
|
||
### 📁 文件结构
|
||
|
||
```
|
||
data/agent_data/
|
||
├── claude-3.7-sonnet/
|
||
│ ├── position/
|
||
│ │ └── position.jsonl # 📝 持仓记录
|
||
│ └── log/
|
||
│ └── 2025-01-20/
|
||
│ └── log.jsonl # 📊 交易日志
|
||
├── gpt-4o/
|
||
│ └── ...
|
||
└── qwen3-max/
|
||
└── ...
|
||
```
|
||
|
||
## 🔌 第三方策略集成
|
||
|
||
AI-Trader Bench采用模块化设计，支持轻松集成第三方策略和自定义AI代理。
|
||
|
||
### 🛠️ 集成方式
|
||
|
||
#### 1. 自定义AI代理
|
||
```python
|
||
# 创建新的AI代理类
|
||
class CustomAgent(BaseAgent):
|
||
def __init__(self, model_name, **kwargs):
|
||
super().__init__(model_name, **kwargs)
|
||
# 添加自定义逻辑
|
||
```
|
||
|
||
#### 2. 注册新代理
|
||
```python
|
||
# 在 main.py 中注册
|
||
AGENT_REGISTRY = {
|
||
"BaseAgent": {
|
||
"module": "agent.base_agent.base_agent",
|
||
"class": "BaseAgent"
|
||
},
|
||
"CustomAgent": { # 新增
|
||
"module": "agent.custom.custom_agent",
|
||
"class": "CustomAgent"
|
||
},
|
||
}
|
||
```
|
||
|
||
#### 3. 配置文件设置
|
||
```json
|
||
{
|
||
"agent_type": "CustomAgent",
|
||
"models": [
|
||
{
|
||
"name": "your-custom-model",
|
||
"basemodel": "your/model/path",
|
||
"signature": "custom-signature",
|
||
"enabled": true
|
||
}
|
||
]
|
||
}
|
||
```
|
||
|
||
### 🔧 扩展工具链
|
||
|
||
#### 添加自定义工具
|
||
```python
|
||
# 创建新的MCP工具
|
||
@mcp.tools()
|
||
class CustomTool:
|
||
def __init__(self):
|
||
self.name = "custom_tool"
|
||
|
||
def execute(self, params):
|
||
# 实现自定义工具逻辑
|
||
return result
|
||
```
|
||
|
||
## 🚀 路线图
|
||
|
||
### 🌟 未来计划
|
||
- [ ] **🇨🇳 A股支持** - 扩展至中国股市
|
||
- [ ] **📊 收盘后统计** - 自动收益分析
|
||
- [ ] **🔌 策略市场** - 添加第三方策略分享平台
|
||
- [ ] **🎨 炫酷前端界面** - 现代化Web仪表板
|
||
- [ ] **₿ 加密货币** - 支持数字货币交易
|
||
- [ ] **📈 更多策略** - 技术分析、量化策略
|
||
- [ ] **⏰ 高级回放** - 支持分钟级时间精度和实时回放
|
||
- [ ] **🔍 智能过滤** - 更精确的未来信息检测和过滤
|
||
|
||
## 🤝 贡献指南
|
||
|
||
我们欢迎各种形式的贡献！特别是AI交易策略和代理实现。
|
||
|
||
### 🧠 AI策略贡献
|
||
- **🎯 交易策略**: 贡献你的AI交易策略实现
|
||
- **🤖 自定义代理**: 实现新的AI代理类型
|
||
- **📊 分析工具**: 添加新的市场分析工具
|
||
- **🔍 数据源**: 集成新的数据源和API
|
||
|
||
### 🐛 问题报告
|
||
- 使用GitHub Issues报告bug
|
||
- 提供详细的复现步骤
|
||
- 包含系统环境信息
|
||
|
||
### 💡 功能建议
|
||
- 在Issues中提出新功能想法
|
||
- 详细描述使用场景
|
||
- 讨论实现方案
|
||
|
||
### 🔧 代码贡献
|
||
1. Fork项目
|
||
2. 创建功能分支
|
||
3. 实现你的策略或功能
|
||
4. 添加测试用例
|
||
5. 创建Pull Request
|
||
|
||
### 📚 文档改进
|
||
- 完善README文档
|
||
- 添加代码注释
|
||
- 编写使用教程
|
||
- 贡献策略说明文档
|
||
|
||
### 🏆 策略分享
|
||
- **📈 技术分析策略**: 基于技术指标的AI策略
|
||
- **📊 量化策略**: 多因子模型和量化分析
|
||
- **🔍 基本面策略**: 基于财务数据的分析策略
|
||
- **🌐 宏观策略**: 基于宏观经济数据的策略
|
||
|
||
## 📞 支持与社区
|
||
|
||
- **💬 讨论**: [GitHub Discussions](https://github.com/HKUDS/AI-Trader/discussions)
|
||
- **🐛 问题**: [GitHub Issues](https://github.com/HKUDS/AI-Trader/issues)
|
||
- **📧 联系**: your-email@example.com
|
||
|
||
## 📄 许可证
|
||
|
||
本项目采用 [MIT License](LICENSE) 开源协议。
|
||
|
||
## 🙏 致谢
|
||
|
||
感谢以下开源项目和服务：
|
||
- [LangChain](https://github.com/langchain-ai/langchain) - AI应用开发框架
|
||
- [MCP](https://github.com/modelcontextprotocol) - Model Context Protocol
|
||
- [Alpha Vantage](https://www.alphavantage.co/) - 金融数据API
|
||
- [Jina AI](https://jina.ai/) - 信息搜索服务
|
||
|
||
---
|
||
|
||
<div align="center">
|
||
|
||
**🌟 如果这个项目对你有帮助，请给我们一个Star！**
|
||
|
||
[](https://github.com/HKUDS/AI-Trader)
|
||
[](https://github.com/HKUDS/AI-Trader)
|
||
|
||
**🤖 让AI在金融市场中完全自主决策、一展身手！**
|
||
**🛠️ 纯工具驱动，零人工干预，真正的AI交易竞技场！** 🚀
|
||
|
||
</div> |