5.0 KiB

Raw Blame History

🚀 TradingAgents 快速开始指南

✅ 部署已完成！

恭喜！TradingAgents 已成功配置为使用 DeepSeek API。

📝 快速运行

1. 激活环境

conda activate tradingagents

2. 运行测试（推荐新手）

python test_simple.py

这将分析 NVDA（英伟达）股票并给出交易建议。

3. 运行完整版本

python main.py

4. 使用 CLI 界面

python -m cli.main

🎯 自定义分析

修改股票和日期

编辑 test_simple.py，找到这一行：

_, decision = ta.propagate("NVDA", "2024-05-10")

改为：

_, decision = ta.propagate("AAPL", "2024-06-15")  # 分析苹果股票

启用更多分析师

在 test_simple.py 中找到：

selected_analysts = ["market"]  # 只有市场分析师

改为：

selected_analysts = ["market", "fundamentals"]  # 添加基本面分析
# 或
selected_analysts = ["market", "social", "fundamentals"]  # 添加社交媒体分析

注意: 更多分析师 = 更多 API 调用 = 更高成本

💰 成本控制

使用更便宜的模型

编辑 main.py 或 test_simple.py：

config["deep_think_llm"] = "deepseek-chat"  # 改用非思考模式
config["quick_think_llm"] = "deepseek-chat"

减少辩论轮次

config["max_debate_rounds"] = 1  # 默认值，可以保持

📊 理解输出

交易决策类型

BUY: 买入建议
SELL: 卖出建议
HOLD: 持有建议

分析流程

📈 数据收集: 获取股票价格、技术指标
🤖 分析师分析: 各专业分析师独立分析
💬 多方辩论: 看涨/看跌研究员辩论
📝 交易员决策: 基于辩论结果制定计划
⚖️ 风险评估: 风险管理团队评估
✅ 最终决策: 投资组合经理批准

🔧 配置文件说明

当前配置（DeepSeek）

LLM 设置:

Provider: DeepSeek API
Deep Think: deepseek-reasoner (思考模式)
Quick Think: deepseek-chat (快速模式)

数据源:

股票数据: YFinance
技术指标: YFinance
基本面: YFinance
新闻: YFinance

切换回 OpenAI

如果想使用 OpenAI，修改配置：

config["backend_url"] = "https://api.openai.com/v1"
config["deep_think_llm"] = "o1-mini"
config["quick_think_llm"] = "gpt-4o-mini"

并在 .env 中使用 OpenAI API 密钥。

使用 OpenRouter

如果想使用 OpenRouter，修改配置：

config["backend_url"] = "https://openrouter.ai/api/v1"
config["deep_think_llm"] = "openai/gpt-4o-mini"  # 或其他 OpenRouter 模型
config["quick_think_llm"] = "openai/gpt-4o-mini"

并在 .env 中设置 OPENAI_API_KEY 为您的 OpenRouter 密钥。注意: 系统会自动检测 OpenRouter 并禁用 embeddings 功能（避免 AttributeError）。

⚠️ 重要提示

1. 记忆功能已禁用

DeepSeek 不支持 embeddings API
系统使用虚拟 embeddings
不影响核心分析功能

2. 仅供研究使用

不构成投资建议
请勿直接用于实际交易
建议进行充分回测

3. API 配额管理

监控 DeepSeek API 使用量
Alpha Vantage 免费版: 60次/分钟
避免短时间内大量请求

📚 进阶功能

批量分析多个股票

创建新脚本 batch_analysis.py:

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG
from dotenv import load_dotenv

load_dotenv()

# 配置
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"
config["backend_url"] = "https://api.deepseek.com"
config["deep_think_llm"] = "deepseek-chat"
config["quick_think_llm"] = "deepseek-chat"

ta = TradingAgentsGraph(debug=False, config=config, selected_analysts=["market"])

# 批量分析
stocks = ["NVDA", "AAPL", "MSFT", "GOOGL"]
date = "2024-05-10"

for stock in stocks:
    print(f"\n分析 {stock}...")
    _, decision = ta.propagate(stock, date)
    print(f"{stock}: {decision}")

回测功能

查看 main.py 中的反思功能：

# 在交易后反思和学习
ta.reflect_and_remember(returns_losses=1000)  # 传入收益/损失

🐛 常见问题

Q: 运行很慢怎么办？

使用 deepseek-chat 替代 deepseek-reasoner
减少分析师数量
检查网络连接

Q: 出现 API 错误？

检查 API 密钥是否正确
确认 API 配额未用完
查看错误信息详情

Q: 如何保存分析结果？

A: 结果自动保存在 eval_results/{股票代码}/ 目录下

📞 获取帮助

配置指南: 查看 DEEPSEEK_CONFIG.md
部署报告: 查看 DEPLOYMENT_SUCCESS.md
GitHub Issues: https://github.com/TauricResearch/TradingAgents/issues
Discord: https://discord.com/invite/hk9PGKShPK

🎉 开始使用！

现在您可以开始使用 TradingAgents 进行股票分析了！

conda activate tradingagents
python test_simple.py

祝您分析愉快！📈

最后更新: 2025-11-20

5.0 KiB Raw Blame History Unescape Escape