Vibe Trading

AI 金融研究操作系统 · 自然语言策略生成与智能回测
GitHub 93,000+ Stars 港大开源 AI金融研究 API 文档

自然语言 · 金融研究

用自然语言描述你的研究方向，Vibe Trading 的 LLM + Agent + Skill 三层体系会自动
完成数据采集、因子分析、策略生成、回测验证、风险控制，输出专业研究报告。

📈 沪深300动量分析 🍶 白酒估值对比 🔄 行业轮动扫描 🤖 AI板块情绪
大模型驱动的全自动金融研究管道
研究报告
📊

欢迎来到 Vibe Trading 教学课堂

Vibe Trading 是一个 AI驱动的金融研究操作系统，由香港大学开源， 在 GitHub 上获得 93,000+ Stars。 它的核心架构可以用 三层体系 来理解：

🧠 LLM层 — 大模型推理引擎（DeepSeek / 多模型适配）
🤖 Agent层 — 多Agent管道调度系统（6个专业Agent协作）
🛠️ Skill层 — 金融工具箱（数据获取/回测/风险分析/可视化）

展开下面的卡片，逐层深入理解这套架构 👇

教学视频

Vibe Trading 三层架构与多Agent管道教学视频

架构全景概览

📥 数据输入 → 🕵️ Data Agent → 🔬 Analysis Agent → 🧠 Strategy Agents → 🤝 Ensemble Agent → ⚠️ Risk Agent → 📊 Report Agent → 📤 结果输出
🧠
LLM 层 — 大模型推理引擎
DeepSeek / LangChain ReAct Agent：自然语言理解、策略生成、智能对话
DeepSeek · LangChain
🤖
Agent 层 — 多Agent管道调度
6个Agent流水线：数据采集 → 分析 → 策略 → 融合 → 风控 → 报告
FastAPI · asyncio · Streamlit
🛠️
Skill 层 — 金融工具箱
数据获取、技术指标、回测引擎、风险评估、Plotly可视化
akshare · Tencent API · numpy · pandas
🧠
LLM层：大模型推理引擎
Vibe Trading 的「大脑」—— 理解自然语言、生成策略、驱动Agent决策
▼

Vibe Trading 的 LLM层 是整个系统的智能核心。它不像普通应用那样只有写死的逻辑——而是让用户用 自然语言 下达金融研究指令，LLM理解后转化为具体的计算流程。

系统目前使用 DeepSeek 作为主力模型（支持多模型切换），通过 LangChain 的 ReAct Agent 框架进行工具调用推理。

🧠 DeepSeek
深度求索的大语言模型，负责自然语言理解、策略推理和智能对话。支持通过.env配置切换模型。
# .env 配置
DEEPSEEK_API_KEY=sk-...
DEEPSEEK_BASE_URL=https://api.deepseek.com/v1
LANGCHAIN_MODEL_NAME=deepseek-chat
🔗 LangChain ReAct
基于LangChain的ReAct（Reasoning + Acting）框架，LLM可以思考→决定调用工具→观察结果→继续推理，形成完整的Agent循环。
# ReAct Agent 工作循环
1. LLM收到用户指令
2. 推理 → 决定调用哪个Skill
3. 执行工具 → 获取结果
4. 观察结果 → 继续推理
5. 直到给出最终答案
💡 理解LLM层的本质： LLM层是Vibe Trading的"分析师大脑"——用户说"帮我分析茅台"，LLM理解含义后自动编排工具调用链，而不是开发者写死每一条路径。
🤖
Agent层：多Agent管道调度系统
6个专业Agent流水线协作——每个Agent各司其职，数据逐级传递
▼

Vibe Trading 最核心的特色就是它的 多Agent管道架构。不同于单Agent模式，这里将金融研究流程拆解为 6个独立Agent，每个Agent专注于一个环节，数据以DataFrame格式在各Agent间传递。

🕵️Data Agent
→
🔬Analysis Agent
→
🧠Strategy Agents
→
🤝Ensemble Agent
→
⚠️Risk Agent
→
📊Report Agent

👇 点击每个Agent查看详细职责

🕵️
Data Agent — 数据采集
多数据源实时行情 + 历史K线获取
▼

通过 腾讯行情API（qt.gtimg.cn）实时获取沪深300所有成分股的行情数据，同时通过 IFZQ 接口获取历史K线。支持批量请求（每批20只）、@st.cache_data(ttl=300) 缓存5分钟避免重复请求。

# 数据获取核心逻辑
def fetch_realtime(stocks=HS300_STOCKS):
    for batch in chunks(stocks, 20):
        url = f"http://qt.gtimg.cn/q={','.join(batch)}"
        resp = requests.get(url, timeout=5)
🔬
Analysis Agent — 技术分析
15+技术指标计算与因子挖掘
▼

在Data Agent提供的行情数据基础上，计算 15个以上的技术因子：

📈
动量因子
Z-score归一化动量
📊
MACD柱
模拟MACD直方图
📉
RSI信号
超买超卖判断
📐
布林带% B
横截面布林带位置
🔄
量价配合
动量×量比
📏
均线位置
价格相对均线
🧠
Strategy Agents — 8大策略
独立策略函数，每个依据不同因子组合打分
▼

8个独立的策略函数并行运行，每个返回 DataFrame（code, name, score, rank）：

🚀
Momentum
趋势动量
⚖️
Multi-factor
多因子加权
🎲
概率回归
5档分桶+自适应概率
📋
布林带突破
%B位置+量能确认
⚡
RSI反转
超买超卖反转信号
📐
均线交叉
多周期均线排列
🔀
MACD背离
MACD强度+背离
🤖
ML Ensemble
7因子Softmax回归
🤝
Ensemble Agent — 策略融合
三种融合模式：加权/投票/排名
▼

加权融合 (weighted) — 各策略独立打分，按设定权重加权求和

投票融合 (voting) — 每个策略投一票（选中=1分），按总票数排序

排名融合 (rank) — 排名之和，最低总排名获胜

同时提供 共识度分析：显示每只股票被多少策略选中

⚠️
Risk Agent — 风险评估
4维风险评分 + 阈值过滤
▼

🔴 流动性风险 (25%) — 换手率/成交量过低

🔴 波动率风险 (25%) — 近期过度波动

🔴 估值风险 (20%) — PE为负或极端值

🔴 趋势反转风险 (30%) — 涨幅过大即将反转

📊
Report Agent — 报告输出
Plotly可视化 + HTML报告
▼

📊 Top股票排行图 — 综合得分柱状图+涨跌幅叠加

📈 回测结果图 — 命中率趋势+预测vs实际收益

🔍 策略对比雷达图 — 各策略的命中率/稳定性/收益捕获

📋 完整HTML报告 — 包含所有分析结果的可分享报告

🛠️
Skill层：金融工具箱
每个API路径都是一个Skill——数据获取、回测、风险评估、报告生成
▼

Vibe Trading 的 Skill层 封装了所有金融分析能力，以模块化函数的形式供Agent调用。

🕵️ 数据获取 Skills

📡
腾讯行情API
qt.gtimg.cn
沪深A股实时行情（价/量/额/换手率/PE/PB）
📜
历史K线API
web.ifzq.gtimg.cn
日K/周K历史数据，复权价获取
📦
akshare
akshare库
A股全市场数据接口库

🧠 分析计算 Skills

📐
技术因子计算
analysis_agent.py
15+横截面因子：动量/MACD/RSI/布林带/均线
🎯
策略评分
strategy_agent.py
8种策略独立打分函数
🤝
融合算法
ensemble_agent.py
加权/投票/排名三种融合

⚠️ 评估 Skills

📉
回测引擎
core/backtest.py
滚动窗口回测：命中率/夏普/最大回撤/胜率
🔴
风险评估
risk_agent.py
4维风险评分+风险过滤
📊
报告生成
report_agent.py
Plotly图表+HTML报告
💡 Skill的设计哲学： 每个Skill都是独立的纯函数，输入DataFrame → 输出DataFrame。既可以单独测试每个Skill，也可以任意组合形成新的管道。想加新能力？写一个新的Skill函数就好，即插即用。
🏗️
完整流程：从点按钮到看到预测结果
六个Agent + LLM + Skills 是怎么协同工作的
▼

好，现在把 三层体系 合在一起，看看点击"运行分析"时，幕后到底发生了什么 👇

🙋 你 输入了研究方向，点击"开始分析"
⬇️ LLM解析自然语言 → 编排Agent管道
🕵️ Data Agent 批量获取沪深300实时行情 + 历史K线
⬇️ 返回DataFrame → Stage 2
🔬 Analysis Agent 计算15+技术因子（动量/MACD/RSI/布林带…）
⬇️ 返回因子DataFrame → Stage 3
🧠 Strategy Agents 8个策略并行打分，每个输出评分+排名
⬇️ 返回8份评分结果 → Stage 4
🤝 Ensemble Agent 加权/投票/排名融合，计算共识度
⬇️ 返回综合排序 → Stage 5
⚠️ Risk Agent 4维风险评估，过滤高风险股票
⬇️ 返回安全池 → Stage 6
📊 Report Agent 生成Plotly图表 + 可视化报告
⬇️ 🚀 返回到浏览器
🙋 你 🎉 看到分析报告 + 回测结果 + 风险分析
🧠 LLM（推理引擎） + 🤖 Agent（6-Agent管道） + 🛠️ Skill（金融工具箱）
= 📈 Vibe Trading 多Agent金融研究系统
📚 学习建议： 从API文档开始，了解各个端点的功能。想加新策略？写一个新的Skill函数，注册到系统中即可。代码完整开放于 GitHub。

教学资料下载

📘
LLM + Agent + Skill 三层架构详解
架构全景图、各层详解、Agent流程、8大策略说明、策略推荐组合及设计哲学
下载
Vibe Trading · 基于 GitHub 93K+ Stars · 三层体系：LLM + Agent + Skill