QuantAgent：基于多智能体协作的量化分析平台
QuantAgent 是一个专为量化研究与高频交易设计的分析系统，通过构建多智能体工作流，将实时行情数据转化为可执行的交易指令。该平台以价格驱动，深度融合了技术指标、图形模式与趋势通道三维信号，旨在为交易者提供专业且具可解释性的决策支持。
开源地址：https://github.com/Y-Research-SBU/QuantAgent
核心能力分析
多维度信号智能体
系统将分析任务解构为多个专业智能体，通过协同工作消除单一指标的局限性：
- 指标智能体： 实时计算 RSI（动量极值）、MACD（收敛 / 发散动态）及 随机振荡器（价格相对波动区间），将原始 OHLC 行情量化为交易信号。
- 模式智能体： 通过绘制近期价格图并比对形态库，识别关键高低点与走势，将复杂的图形模式转化为直观的通俗描述。
- 趋势智能体： 利用拟合趋势通道追踪上下轨，量化方向、斜率及盘整区域，输出专业且精炼的趋势总结。
决策集成与执行
决策智能体 作为最终环节，汇总上述分析结果并结合 风险智能体 的评估，生成包含多 / 空方向、入场点、出场点及止损阈值的完整交易指令，并详细列出执行理由，确保策略可复盘、可落地。
技术架构与适用场景
适用范围
- 资产覆盖： 支持股票、加密货币、商品、指数等主流资产。
- 周期联动： 提供从 1 分钟到 1 天的多周期联动分析。
- 可视化： 自动生成带专业注释的 K 线图与趋势通道图。
技术栈依赖
- 核心框架： 基于 LangChain / LangGraph 构建智能体流，使用 Flask 实现网页端与 API 服务。
- 数据与计算： 接入 雅虎财经 实时行情，依赖 TA-Lib 进行技术指标计算。
- 关键要求： 所选 LLM 必须支持图像输入，否则无法解析系统生成的图表以完成模式与趋势分析。
快速部署指南
环境配置
# 创建并激活 Python 3.11 环境
conda create -n quantagents python=3.11
conda activate quantagents
# 安装基础依赖
pip install -r requirements.txt
# 针对 TA-Lib 安装问题的解决方案
conda install -c conda-forge ta-lib
API 密钥配置
# 根据需求配置 LLM 密钥
export OPENAI_API_KEY="your_openai_api_key_here"
export ANTHROPIC_API_KEY="your_anthropic_api_key_here"
export DASHSCOPE_API_KEY="your_dashscope_api_key_here"
使用注意事项
- 模型选择： 建议选用图像理解能力强的 LLM，以提升形态识别的精准度。
- 风险管理： 本平台生成的指令应结合个人风控体系与仓位管理，不建议直接盲目执行。
- 定位建议： 优先用于研究、教学及策略原型验证，逐步验证信号的稳定性。
常见问题解答
Q：为什么必须使用支持多模态（图像）输入的模型？
A：因为模式智能体和趋势智能体需要通过解析生成的 K 线图和通道图来识别形态，这是系统分析逻辑的核心环节。
Q：行情数据的来源是什么？
A：系统通过雅虎财经（Yahoo Finance）获取实时市场数据。
免责声明： 本项目仅用于学习研究，不构成任何投资建议。用户需遵守当地法律法规，并自行承担所有交易风险。
正文完
