AI Hedge Fund
这是一个 AI 驱动对冲基金的概念验证项目（Proof of Concept）。
该项目的目标是：
探索 人工智能是否可以用于股票交易决策。
需要注意：
- 该项目 仅用于学习和研究
- 不适用于真实交易或投资。 (GitHub)
系统架构
该系统使用 多个 AI Agent 协作 来完成投资分析与决策。
例如：
Aswath Damodaran Agent
角色：
- “估值之父”（Dean of Valuation）
主要关注：
- 公司故事（Story）
- 财务数据（Numbers）
- 严格估值（Disciplined valuation）
整个系统类似：
AI 投资委员会（AI Investment Committee）
不同 Agent 从不同投资理念进行分析，然后形成交易建议。
项目目标
该项目主要用于探索：
- AI 在 金融分析
- AI 在 投资决策
- AI Agent 协作决策系统
中的潜力。
系统会模拟一个 AI 对冲基金团队， 对股票进行分析并给出：
- Buy（买入）
- Hold（持有）
- Sell（卖出）
建议。 (note（ノート）)
安装方法
1 克隆项目
git clone https://github.com/virattt/ai-hedge-fund.git
cd ai-hedge-fund
2 配置 API Key
创建 .env 文件：
cp .env.example .env
编辑 .env 文件：
OPENAI_API_KEY=your-openai-api-key
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key
说明：
至少需要一个 LLM API：
- OpenAI
- Groq
- Anthropic
- DeepSeek
否则系统无法运行。 (GitHub)
金融数据
以下股票数据 免费可用：
- AAPL
- GOOGL
- MSFT
- NVDA
- TSLA
如果分析其他股票，需要：
FINANCIAL_DATASETS_API_KEY
如何运行
CLI 方式运行
首先安装 Poetry：
curl -sSL https://install.python-poetry.org | python3 -
安装依赖：
poetry install
运行 AI 对冲基金：
poetry run python src/main.py --ticker AAPL,MSFT,NVDA
使用本地 LLM
如果使用 本地模型（Ollama）：
poetry run python src/main.py --ticker AAPL,MSFT,NVDA --ollama
指定分析时间
可以指定时间区间：
poetry run python src/main.py \
--ticker AAPL,MSFT,NVDA \
--start-date 2024-01-01 \
--end-date 2024-03-01
回测系统（Backtester）
项目内置回测工具：
poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA
可以验证：
- 投资策略
- 历史收益
- 交易表现
Web 应用
项目也提供 Web UI 版本。
Web 应用特点：
- 可视化界面
- 投资决策展示
- 组合分析
适合不想使用 CLI 的用户。
项目核心能力
该项目的 AI 对冲基金主要实现：
1 多 Agent 投资决策
不同 Agent 模拟不同投资风格，例如：
- 价值投资
- 成长投资
- 技术分析
- 市场情绪分析
2 股票分析
系统会自动分析：
- 公司基本面
- 市场情绪
- 技术指标
- 财务数据
3 投资建议
AI Agent 最终会给出：
- 买入
- 卖出
- 持有
并附带 理由和分析报告。
4 回测
系统可以：
- 在历史数据上测试策略
- 查看收益表现
- 分析风险。
使用场景
该项目主要适用于：
AI + 金融研究
- LLM 在金融决策中的应用
- Agent 协作决策
量化交易学习
- 投资策略设计
- 数据分析流程
FinTech 原型开发
- AI 投资助手
- 自动化投资研究系统
如何贡献
贡献流程：
- Fork 项目
- 创建 feature 分支
- 提交代码
- Push
- 创建 Pull Request
建议：
- PR 保持 小而聚焦
- 便于 review。
License
MIT License
项目总结
AI Hedge Fund 本质是：
一个 多 Agent AI 投资研究系统原型。
核心特点：
- AI 投资团队模拟
- 多 Agent 协作决策
- LLM + 金融数据
- 支持回测
- CLI + Web UI
适合：
- AI Agent 学习
- FinTech 原型开发
- 投资策略研究
但：
不适合真实交易。
如果你愿意，我可以再给你补充一个非常有意思的深度解析：
我可以把这个项目拆成一张 “AI 对冲基金系统架构图”，包括：
Data Layer
↓
Research Agents
↓
Strategy Agents
↓
Risk Management Agent
↓
Portfolio Manager Agent
其实它是 最典型的 Multi-Agent Finance System， 很多 AI Agent 框架（Autogen / CrewAI）都可以做类似系统。
