【免费下载链接】ContestTradeA Multi-Agent Trading System Based on Internal Contest Mechanism项目地址https://gitcode.com/gh_mirrors/co/ContestTrade点击查看免费下载ContestTrade 是一个基于内部竞赛机制的多智能体Multi-Agent交易系统本文带你用 CLI 命令行从选择市场、触发分析到查看投资信号报告完整走一遍交互式全流程新手也能快速上手出报告。一、ContestTrade 能帮你做什么简单说ContestTrade 就是给你配备一支AI 交易团队你只需设定一个分析时刻系统就会自动扫描全市场从新闻、行情、资金流等数据中挖掘事件驱动型投资机会最后输出一份包含交易信号的研究报告。整个系统分为两大团队、四步流水线数据团队Data Analysis Agents并行处理多源数据提炼成结构化文本因子并通过内部竞赛Contest选出最优因子组合研究团队Research Agents每位研究员持有一条交易信念基于因子用 ReAct 方式调用工具深度研究各自提交交易提案再经第二轮竞赛评选出最终信号。二、一键安装三步完成部署# 1. 克隆项目仓库 git clone https://gitcode.com/gh_mirrors/co/ContestTrade.git cd ContestTrade # 2. 创建并激活虚拟环境推荐 Python 3.10 conda create -n contesttrade python3.10 conda activate contesttrade # 3. 安装依赖 pip install -r requirements.txt装好依赖后编辑 config.yaml重点只有一件事填入 LLM 配置llm段的provider、base_url、api_key、model_name支持 OpenAI 兼容接口、Gemini、本地 Ollama 等。数据接口默认使用 AKShare无需密钥即可运行若配置了tushare_key系统会自动改用 Tushare 数据源并做连接校验。 选股偏好每位 Research Agent 的交易信念在 contest_trade/config/belief_list.json 中配置每条信念最多输出 5 个信号改成你自己的投资风格即可。三、一条命令启动CLI 交互式全流程python -m cli.main run这条命令进入终端交互式界面后全流程只有四个动作选市场 → 定时间 → 跑分析 → 看报告。第 1 步选择分析市场A股 / 美股启动后用方向键在CN-Stock (A股市场)和US-Stock (美股市场)之间选择。系统会根据市场自动加载对应配置A股用 config.yaml美股用 config_us.yaml界面语言也会自动切换美股为英文界面。第 2 步确定触发时间并通过系统校验A股选择A股当前时间作为触发时间美股自动使用美东时区当前时间。随后系统自动执行必要服务校验见 cli/utils.py 中的validate_required_services检查 Tushare/akshare 数据源可用性并向 LLM 发送一条测试消息验证连通性。看到所有必要系统配置验证通过系统准备就绪即可开始第 3 步进入实时运行面板观看 AI 团队开工验证通过后进入 Rich 实时面板四块区域一目了然面板内容 Agent 状态各 Data / Research Agent 的等待中、分析中、完成状态 进度信息触发时间、当前任务数据收集 1/4 → 研究分析 2/4 → 竞赛评选 3/4 → 结果生成 4/4 事件流实时滚动的事件日志如hot_money_agent 完成数据分析 结果摘要完成后展示数据源数、研究信号数与有效信号清单两个团队的工作方式如下——数据 Agent 从多源数据做泛读 精读生成因子Research Agent 则制定研究计划通过观察—思考—工具调用循环做出投资决策全部 Agent 跑完并生成 MD 报告后结果摘要区会直接列出有效信号如Research Agent0工商银行(buy)按回车即可退出运行面板。A股运行完成界面如下第 4 步查看研究报告与数据报告退出运行面板后终端会提示你选择下一步操作逻辑见 cli/main.py 中的ask_user_for_next_action输入 rr 查看研究报告 | dr 查看数据报告 | n 运行新分析 | q 退出rr交互式翻阅详细研究报告含执行摘要、每个推荐信号的投资动作、支撑证据来源 时间与潜在风险提示dr查看数据分析报告逐条展示各数据源新闻、行情、资金面等的分析详情n重新选市场发起新一轮分析支持 A股 / 美股连续切换。美股US-Stock分析完成后的英文运行面板示例 所有报告都会以 Markdown 格式自动保存在contest_trade/agents_workspace/results目录下数据报告在results/data_reports子目录运行日志在contest_trade/agents_workspace/logs方便事后复盘和分享。报告模板生成逻辑可参考 cli/static/report_template.py。四、常用文件速查表文件/目录作用cli/main.pyCLI 入口市场选择、实时面板、报告交互rr/dr/n/qconfig.yaml / config_us.yamlA股 / 美股配置LLM 密钥、数据源与研究工具列表contest_trade/config/belief_list.json交易信念清单决定 Research Agent 的选股风格contest_trade/agents/results/研究报告与数据报告输出目录Markdowncontest_trade/agents/logs/每次运行的事件日志contest_trade/main.py核心工作流 SimpleTradeCompany数据→研究→竞赛→定稿五、新手常见问题FAQQ1启动后提示系统验证失败一般是config.yaml中llm.api_key未填或不可用先确认provider/base_url/model_name三要素未配置 Tushare 时还需确保pip install akshare成功。Q2一次分析要等多久底部状态栏提示预计等待 10 分钟左右具体取决于 Agent 数量与 LLM 响应速度事件流面板可随时观察进度。Q3如何只分析美股 / 跳过交互选择可直接带参数启动python -m cli.main run --market US-Stock或CN-Stock省去市场选择步骤。Q4报告在哪里、是什么格式运行结束即自动生成位于contest_trade/agents_workspace/results目录均为 Markdown 文件用任意编辑器即可打开。六、写在最后从python -m cli.main run一条命令到选市场、定时间、看面板、取报告ContestTrade 的 CLI 把多智能体选股这件复杂的事压缩成了 4 个交互动作。建议第一次使用时保持默认信念配置跑一轮 A 股熟悉信号结构后再到 contest_trade/config/belief_list.json 里写你自己的交易信念——这也是它最有趣的地方你的投资风格直接决定 AI 团队的选股结果。官方回测中ContestTrade 的净值曲线在多个策略对比中表现突出可以作为了解其设计思路的参考⚠️风险声明ContestTrade 为开源研究项目输出信号基于历史数据的 AI 模型推演不构成任何投资建议。数据可能存在延迟或缺失AI 模型存在幻觉风险投资有风险入市需谨慎。赞分享【免费下载链接】ContestTradeA Multi-Agent Trading System Based on Internal Contest Mechanism项目地址https://gitcode.com/gh_mirrors/co/ContestTrade点击查看免费下载相关推荐VizTracer报告分析完全指南从JSON到交互式可视化VizTracer报告分析完全指南从JSON到交互式可视化 VizTracer是一个强大的Python代码执行跟踪和可视化工具能够以极低的性能开销记录和分析开发工具可观测性CANN/asc-devkit Arange等差数列生成示例Arange Example Overview This example uses the Arange high level API to implement人工智能深度学习高性能计算CANN告别繁琐报表Automa数据可视化全流程指南从数据采集到交互式看板告别繁琐报表Automa数据可视化全流程指南从数据采集到交互式看板 你是否还在为手动整理网页数据、制作静态报表而烦恼作为一款强大的浏览器自动化工具Aut工作流自动化RPA上一篇SublimeJEDI 常见问题解决方案下一篇5分钟掌握大麦抢票自动化智能抢票实战指南终极教程创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考