AI Hedge Fund-AI驱动的对冲基金概念验证-量化框架

评论
6 views

AI Hedge Fund 仓库介绍

该仓库是一个AI驱动的对冲基金概念验证（PoC）项目，核心目标是探索利用人工智能（尤其是大语言模型）模拟各类投资大师的决策逻辑，生成交易决策建议，仅用于教育和研究目的，不涉及实际交易或投资指导。

一、核心定位与免责

  • 非生产用途：明确标注为教育/研究项目，不提供投资建议、不承担任何财务损失责任，也不执行实际交易操作。
  • 风险提示：强调过往表现不代表未来结果，使用前需咨询专业金融顾问。

二、核心特性

1. 多Agent协同决策体系

项目模拟了18类不同定位的Agent，分工协作完成投资决策： - 投资大师类Agent：复刻Aswath Damodaran（估值）、巴菲特/芒格（价值投资）、木头姐（成长投资）、迈克尔·伯里（逆向投资）等12位知名投资家的决策逻辑； - 分析类Agent：估值、情绪、基本面、技术面4类分析Agent，分别生成交易信号； - 风控/管理类Agent：风险经理（计算风险指标、设置仓位限制）、投资组合经理（最终决策、生成订单）。

2. 双运行模式

支持两种使用方式： - 命令行界面（CLI）：提供精细化控制，适合自动化、脚本集成； - 全栈Web应用：包含前端交互界面和后端服务，操作更直观。

3. 数据支持

  • 基础支持：AAPL、GOOGL、MSFT、NVDA、TSLA 5只股票的免费数据（无需API密钥）；
  • 扩展支持：其他股票需配置FINANCIAL_DATASETS_API_KEY获取金融数据；
  • LLM依赖：需配置至少一个大模型API密钥（OpenAI/Groq/Anthropic/DeepSeek等）驱动Agent逻辑。

三、技术架构

1. 目录结构核心模块

ai-hedge-fund/
├── src/                # 核心逻辑：agents、回测、LLM、数据处理等
├── app/                # Web应用：backend（后端服务）+ frontend（前端界面）
├── docker/             # Docker部署配置
├── tests/              # 测试用例
└── 配置文件            # .env.example（API密钥模板）、pyproject.toml（Python依赖）等

2. 技术栈

  • 后端：Python（Poetry管理依赖）、SQLAlchemy（数据库ORM，实现Flow/FlowRun的CRUD）、支持多LLM提供商API；
  • 前端：React生态（依赖prismjs/highlight.js代码高亮、radix-ui组件、lucide-react图标等）；
  • 部署：Docker + Docker Compose（提供run.sh/run.bat快速启动脚本）。

3. 核心数据模型

  • HedgeFundFlow：存储投资流程的定义（节点、边、视图、标签等），支持模板/非模板类型；
  • HedgeFundFlowRun：记录流程运行实例（运行编号、状态、结果、错误信息、时间戳等），状态包含IDLE/IN_PROGRESS/COMPLETE/ERROR。

四、安装与运行

  1. 克隆仓库并配置API密钥（复制.env.example为.env，填写LLM/金融数据API密钥）；
  2. 安装依赖：使用Poetry管理Python依赖，前端需安装npm包；
  3. 运行方式：
  4. CLI：直接通过终端执行核心逻辑；
  5. Web应用：启动后端服务+前端界面（或通过Docker一键部署）。

五、贡献方式

遵循标准开源协作流程：Fork仓库 → 创建功能分支 → 提交变更 → 推送分支 → 创建Pull Request（要求PR小而聚焦，便于审核）。

综上，该项目是一个以教育为目的、模拟AI驱动投资决策的开源验证项目，核心价值在于复现各类投资策略的AI化逻辑，而非实际投资工具。

github