FinRobot：这都开源！专为金融开发的AI代理，可以预测股票走向、生成金融分析报告

项目简介

FinRobot是由AI4Finance基金会开发的一个开源AI代理平台，专为金融应用设计。这个平台使用大型语言模型（LLMs）作为核心技术，致力于通过智能代理解决复杂的金融问题。它包括多层架构，如金融AI代理层、金融LLMs算法层、LLMOps和DataOps层，以及多源LLM基础模型层，支持多样化的金融分析和操作，如市场预测、文件分析和交易策略。此外，FinRobot还具有智能调度器，优化模型的集成和选择。

生态系统

生态系统图

FinRobot生态系统的整体架构分为四个独特的层次，每个层次都旨在处理金融AI处理和应用的特定方面：

金融AI代理层：现在，金融AI代理层包括金融链式思考（CoT）提示功能，增强了复杂分析和决策能力。市场预测代理、文件分析代理和交易策略代理利用CoT将金融挑战分解为逻辑步骤，将他们的先进算法和领域专业知识与金融市场的动态演变相结合，以提供精确、可操作的洞察。

金融LLMs算法层：金融LLMs算法层配置和使用专门调整的模型，针对特定领域和全球市场分析。

LLMOps和DataOps层：LLMOps层实施多源集成策略，为特定的金融任务选择最合适的LLMs，使用一系列最先进的模型。

多源LLM基础模型层：这个基础层支持各种通用和专用LLM的即插即用功能。

工作流程

工作流程图

感知模块：该模块捕捉并解释来自市场数据源、新闻和经济指标的多模态金融数据。它采用先进技术对数据进行结构化，以便进行全面分析。

大脑模块：作为核心处理单元，该模块从感知模块接收数据，并利用大型语言模型（LLMs）及金融思维链（CoT）过程生成结构化指令。

行动模块：该模块执行来自大脑模块的指令，应用工具将分析洞察转化为可行的结果。行动包括交易、投资组合调整、生成报告或发送警报，从而积极影响金融环境。

智能调度器

智能调度器图

智能调度器是确保模型多样性并优化每个任务最适合的LLM的选择和整合的核心。

导向代理：该组件指挥任务分配过程，确保根据代理的性能指标和特定任务的适用性来分配任务。

代理注册：管理代理的注册并跟踪系统内代理的可用性，促进高效的任务分配过程。

代理适配器：定制代理功能以适应特定任务，提高其在整个系统中的性能和集成度。

任务管理器：管理和存储为各种金融任务定制的不同的通用及精细调整的基于LLM的代理，定期更新以确保其相关性和效果。

DEMO

1.市场预测代理（预测股票走向）

输入一个公司的股票代码、近期基本财务数据和市场新闻，预测其股票走势。

·输入

import autogen
from finrobot.utils import get_current_date, register_keys_from_json
from finrobot.agents.workflow import SingleAssistant

·配置

# Read OpenAI API keys from a JSON file
llm_config = {
    "config_list": autogen.config_list_from_json(
        "../OAI_CONFIG_LIST",
        filter_dict={"model": ["gpt-4-0125-preview"]},
    ),
    "timeout": 120,
    "temperature": 0,
}

# Register FINNHUB API keys
register_keys_from_json("../config_api_keys")

·运行

company = "NVDA"

assitant = SingleAssistant(
    "Market_Analyst",
    llm_config,
    # set to "ALWAYS" if you want to chat instead of simply receiving the prediciton
    human_input_mode="NEVER",
)
assitant.chat(
    f"Use all the tools provided to retrieve information available for {company} upon {get_current_date()}. Analyze the positive developments and potential concerns of {company} "
    "with 2-4 most important factors respectively and keep them concise. Most factors should be inferred from company related news. "
    f"Then make a rough prediction (e.g. up/down by 2-3%) of the {company} stock price movement for next week. Provide a summary analysis to support your prediction."
)

·结果

市场预测代理结果图

2. 财务分析代理用于撰写报告（股权研究报告）

输入一个公司的10-k表格、财务数据和市场数据，输出一个股权研究报告。

·输入

import os
import autogen
from textwrap import dedent
from finrobot.utils import register_keys_from_json
from finrobot.agents.workflow import SingleAssistantShadow

·配置

llm_config = {
    "config_list": autogen.config_list_from_json(
        "../OAI_CONFIG_LIST",
        filter_dict={
            "model": ["gpt-4-0125-preview"],
        },
    ),