🤖 ai-hedge-fund：让 19 位投资大师的 AI Agent 帮你分析股票
45K+ Stars
Python
多智能体
📌 项目简介
项目的核心创意令人拍案：把华尔街最顶尖的 13 位投资大师「人格」训练成 AI Agent，再配上 6 个专业分析 Agent，共同组成一个虚拟对冲基金团队，对指定股票进行多维度分析和决策模拟。
⚠️ 重要声明：本项目仅用于教育和研究目的，不应用于实际交易或投资，也不提供任何投资建议。
🖼️ 项目架构示意图
ai-hedge-fund 项目 Logo（如无法显示请访问 GitHub 仓库）
⚙️ 安装要求和过程
环境要求
- Python 3.10+
- Poetry（依赖管理工具）
- 至少一个 LLM 的 API 密钥（OpenAI / Groq / Anthropic / DeepSeek 等）
- 金融数据 API 密钥（FINANCIAL_DATASETS_API_KEY）
快速安装步骤
1. 克隆仓库
git clone https://github.com/virattt/ai-hedge-fund.git cd ai-hedge-fund
2. 安装 Poetry（如未安装）
curl -sSL https://install.python-poetry.org | python3 -
3. 配置 API 密钥
cp .env.example .env # 编辑 .env 文件，填入你的 API 密钥
在 .env 中至少配置一个 LLM 提供商密钥：
# 选择以下至少一个 OPENAI_API_KEY=your_key_here GROQ_API_KEY=your_key_here ANTHROPIC_API_KEY=your_key_here DEEPSEEK_API_KEY=your_key_here # 金融数据 API 密钥（必需） FINANCIAL_DATASETS_API_KEY=your_key_here
4. 安装依赖
poetry install
5. 运行
# CLI 模式 - 分析 AAPL, MSFT, NVDA poetry run python src/main.py --ticker AAPL,MSFT,NVDA # Web 界面模式 cd app && poetry run chainlit run app.py
.env 中配置 DEEPSEEK_API_KEY 并修改模型配置即可。
🌟 核心功能
1. 13 位投资大师 AI Agent
2. 6 个专业分析 Agent
- Valuation Agent：计算股票内在价值，生成买卖信号
- Sentiment Agent：分析市场情绪（新闻、社交媒{“”}体）
- Fundamentals Agent：分析财务数据（P/E、P/B、ROE 等）
- Technicals Agent：分析技术指标（MA、RSI、MACD 等）
- Risk Manager：计算风险指标，设置仓位限制
- Portfolio Manager：综合所有意见，做出最终交易决策
3. 双运行模式
- CLI 模式：适合自动化脚本和批量分析
- Web UI：基于 Chainlit 的可视化界面，交互更友好
- 回测模式：支持对历史数据进行策略回测
- Ollama 支持：可使用本地 LLM，无需云端 API
4. 可扩展架构
- 项目正在重构为「持久化、全天候运行的 AI 对冲基金」
- 投资者 Agent 将重构为可插拔、可回测的「Alpha 模型」
- 支持自定义 Agent，添加你自己的投资哲学
- 完整的愿景文档和路线图（VISION.md / ROADMAP.md）
📱 典型使用场景
场景一：学习投资大师的决策逻辑
运行 poetry run python src/main.py --ticker AAPL，系统会让 13 位投资大师 Agent 分别分析苹果公司，每位大师会从自己的投资哲学出发给出建议。通过对比不同大师的意见，你可以学习到：
- 价值投资者（Buffett/Munger）关注企业质量和估值
- 成长投资者（Cathie Wood）关注创新和市场空间
- 逆向投资者（Michael Burry）关注被市场忽视的风险和机会
- 宏观投资者（Druckenmiller）关注宏观经济周期和趋势
场景二：策略回测与验证
使用回测功能验证投资策略的历史表现：
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA --start-date 2024-01-01 --end-date 2024-12-31
回测结果会显示：
- 各 Agent 的决策准确率
- 模拟投资组合的收益率
- 最大回撤和风险指标
- 不同市场环境下的表现对比
场景三：作为 LLM 多智能体协作的学习案例
如果你是研究 AI Agent 的开发者，这个项目是学习多智能体协作的绝佳案例：
- 每个 Agent 有独立的 System Prompt 定义投资哲学
- Agent 之间通过标准化的信号格式通信
- Portfolio Manager 作为「总经理」汇总决策
- 完整的 Python 实现，代码结构清晰易懂
💡 推荐理由
1. 创意独特，执行到位
把投资大师人格化身为 AI Agent 这个点子本身就很有趣，而项目的执行也相当到位——每位大师的 System Prompt 都经过精心设计，体现了其真实的投资哲学。
2. 教育价值极高
无论你是投资初学者还是 AI 开发者，都能从这个项目中学到东西。投资者可以了解不同投资风格的差异；AI 开发者可以学习多智能体系统的设计模式。
3. 代码质量不错
项目结构清晰，Agent 定义、信号处理、决策流程都有明确的模块化设计。想要添加自己的 Agent 也非常简单。
4. 活跃的社区
项目在 GitHub 上获得了大量关注，社区提出了很多有趣的改进建议（比如添加更多投资大师、支持 A 股等），项目正在积极迭代中。
5. 引发思考
这个项目最有价值的地方在于：它让我们思考 AI 在金融决策中的边界在哪里？投资是艺术还是科学？多智能体协作能否真的产生超越个体的智慧？
🔗 下载地址
- GitHub 仓库：github.com/virattt/ai-hedge-fund
- 项目愿景文档：VISION.md
- 项目路线图：ROADMAP.md
- License：MIT License（自由使用、修改和分发）
如果你觉得这个项目有意思，欢迎在 GitHub 上给它一个 ⭐️
更多 AI 开源项目介绍，请关注本栏目持续更新