项目介绍

QuantAgent 是一个基于多智能体（Multi-Agent）大语言模型架构的高频交易分析系统。它结合了技术指标、形态识别、趋势分析等多种量化方法，并通过 LangChain 与 LangGraph 构建，可同时支持 Web 页面交互和 Python 编程调用。

该系统的核心目标：
让 LLM 能“读懂”K 线、“识别”形态、“判断”趋势、“给出”交易指令。

---

一、系统特点（Features）

QuantAgent 由多个具备独立能力的 Agent 构成，每个 Agent 都会处理特定维度的行情信息，最终由决策 Agent 汇总得出交易建议。

---

1. Indicator Agent（技术指标智能体）

该 Agent 会在每根 K 线上计算多种技术指标，包括：

• RSI：衡量超买超卖
• MACD：判断多空动能收敛与背离
• 随机指标（Stochastic）：反映当前收盘价在最近区间位置

它将原始 OHLC 数据转换为可用于分析的指标信号。

---

2. Pattern Agent（形态识别智能体）

用户查询形态时，该 Agent 会：

1. 绘制近期价格图
2. 自动寻找主要高点、低点
3. 对比经典形态库
4. 返回最匹配形态的简明中文描述

例如：头肩顶、双底、楔形、旗形等。

---

3. Trend Agent（趋势分析智能体）

它会生成带有趋势通道的注释 K 线图，并分析：

• 趋势方向
• 通道斜率
• 支撑/压力
• 调整区间与震荡范围

最后输出一份专业、简洁的趋势总结。

---

4. Decision Agent（决策智能体）

该智能体会整合所有分析结果，包括：

• 指标信号
• 形态判断
• 趋势分析
• 风险收益比评估

最终给出：

• LONG / SHORT 建议
• 入场价格
• 止盈/止损位置
• 策略依据（来自各 Agent 的理由）

---

二、Web 端功能

系统提供一个基于 Flask 的现代 Web 应用：

• 实时获取 Yahoo Finance 市场数据
• 支持股票、加密币、商品、指数等多品种
• 支持 1 分钟到 1 日级别的多周期分析
• 自动绘制图表
• 提供 API Key 管理
• 所有分析都实时生成，适合快速量化研究与策略验证

---

三、安装方法（Installation）

1. 创建 Conda 环境

conda create -n quantagents python=3.11
conda activate quantagents

2. 安装依赖

pip install -r requirements.txt

若 TA-Lib 安装失败，可尝试：

conda install -c conda-forge ta-lib

3. 设置 LLM API Key

可以在 Web 界面设置，也可使用环境变量：

export OPENAI_API_KEY="your_api_key"
export ANTHROPIC_API_KEY="your_api_key"
export DASHSCOPE_API_KEY="your_api_key"

---

四、使用指南（Usage）

启动 Web 界面

python web_interface.py

访问地址：

http://127.0.0.1:5000

Web 提供的核心能力

1. 资产选择
2. 时间周期选择
3. 自定义日期区间
4. 自动生成综合技术分析
5. API Key 在线管理

---

五、Python 端使用示例

from trading_graph import TradingGraph

trading_graph = TradingGraph()

initial_state = {
    "kline_data": your_dataframe_dict,
    "analysis_results": None,
    "messages": [],
    "time_frame": "4hour",
    "stock_name": "BTC"
}

final_state = trading_graph.graph.invoke(initial_state)

print(final_state.get("final_trade_decision"))
print(final_state.get("indicator_report"))
print(final_state.get("pattern_report"))
print(final_state.get("trend_report"))

你也可以在 web_interface.py 调整默认模型，例如切换到 Claude 或 Qwen。

---

六、主要可配置参数

参数名称	说明	默认值
agent_llm_model	每个 Agent 所使用的模型	gpt-4o-mini
graph_llm_model	整体决策与逻辑模型	gpt-4o
agent_llm_temperature	Agent 温度系数	0.1
graph_llm_temperature	逻辑模型温度	0.1

完整配置见 default_config.py。

---

七、贡献指南（Contributing）

1. Fork 仓库
2. 创建功能分支
3. 实现修改
4. 添加测试（如果需要）
5. 提交 PR

---

八、许可（License）

本项目基于 MIT License 协议开源。

---

九、引用方式（Citation）

@article{xiong2025quantagent,
  title={QuantAgent: Price-Driven Multi-Agent LLMs for High-Frequency Trading},
  author={Fei Xiong and Xiang Zhang and Aosong Feng and Siqi Sun and Chenyu You},
  journal={arXiv preprint arXiv:2509.09995},
  year={2025}
}

---

十、免责声明（Disclaimer）

本项目仅用于研究和教育目的，不构成任何投资建议。请务必自行判断市场风险，并咨询专业理财顾问。