ContestTrade: an AI multi-intelligence trading framework for event-driven investing

ContestTrade 是一个创新的多智能体（Multi-Agent）交易框架，它旨在打造一支AI交易团队，专门用于事件驱动的股票选择。这个系统的工作模式模仿了投资公司的决策流程，通过内部竞赛机制让不同的AI智能体相互协作和竞争。整个过程无需人工干预，系统能够自动扫描整个A股市场，从海量的新闻、公告和资金流等数据中发现由特定事件驱动的投资机会。最终，通过层层筛选和优化，系统会生成一份值得信赖的投资组合建议。它的核心设计思想是利用多个AI的“集体智慧”，在复杂的市场环境中提高决策的适应性和可靠性。

Function List

• 自动化股票筛选：系统能够自动扫描全市场，生成可交易的候选股票列表，无需用户手动逐一筛选。
• 事件驱动策略：专注于由新闻、公司公告、资金流动、行业政策等催化事件触发的投资机会，捕捉市场的短期动态。
• 个性化智能体配置：用户可以通过修改配置文件，自定义研究智能体（Research Agent）的“交易信念”，让AI的行为符合自己独特的投资风格和风险偏好。
• 双阶段决策流程：通过“数据处理”和“研究决策”两个阶段，模拟专业投资团队的工作流。第一阶段处理原始数据并提炼有效因子，第二阶段基于这些因子进行深度分析并形成最终的投资组合。
• Command Line Interactive Interface：通过简单的命令行启动和操作，用户可以轻松设定分析时间，并查看最终的分析报告和交易信号。

Using Help

ContestTrade 提供了一个完整的、开箱即用的AI交易研究环境。下面将详细介绍如何安装、配置并使用这个框架。

1. 安装流程

安装过程非常简单，只需要几个基本步骤。你需要先安装 Git 和 Python 环境（推荐 Python 3.10 版本）。

Step 1: Clone the project code
首先，打开你的终端（命令行工具），使用git命令将项目的代码从 GitHub 克隆到你的本地电脑。

git clone https://github.com/FinStep-AI/ContestTrade.git

然后，进入刚刚克隆下来的项目目录。

cd ContestTrade

第二步：创建并激活虚拟环境 (推荐)
为了避免不同 Python 项目之间的依赖库冲突，强烈建议创建一个独立的虚拟环境。这里以 conda As an example.

Create a file named contesttrade 的新环境，并指定 Python 版本为 3.10。

conda create -n contesttrade python=3.10

创建成功后，激活这个虚拟环境。

conda activate contesttrade

激活后，你终端的命令提示符前面会显示 (contesttrade)，表示你当前正处于这个独立的环境中。

Step 3: Install project dependencies
项目所需的所有依赖库都记录在 requirements.txt file. Use the pip 命令可以一键安装。

pip install -r requirements.txt

这个命令会自动下载并安装框架运行所需的所有第三方库。

2. 配置说明

在运行程序之前，你需要配置一些必要的 API 密钥，以便框架能够获取数据和使用大语言模型（LLM）。

配置文件是项目根目录下的 config.yaml。请用文本编辑器打开这个文件，并填入你的个人密钥。

必需配置项：

• TUSHARE_KEY: Tushare 是一个提供国内财经数据的平台。你需要注册一个 Tushare 账户并获取你的专属 API 密钥。这是框架获取股票行情、财务等基础数据的核心接口，必须填写。
• LLM: 这是用于执行通用任务的大语言模型 API 配置。你需要根据你选择的大模型服务商（例如 OpenAI、智谱AI、Moonshot 等）填写对应的 api_key,base_url cap (a poem) model_nameThe

可选配置项：

• BOCHA_KEY cap (a poem) SERP_KEY: 这些是搜索引擎的 API 密钥，用于让 AI 智能体在互联网上搜索信息。你可以根据需要选择配置，至少配置一个可以帮助 AI 获取更广泛的信息。
• LLM_THINKING: 用于复杂推理任务的大语言模型 API。你可以为需要深度思考的步骤配置一个更强大的模型。
• VLM: 视觉语言模型的 API，用于未来可能增加的图表分析等功能。

一个配置示例可能如下所示：

TUSHARE_KEY: "你的tushare密钥"
BOCHA_KEY: "你的bocha密钥"
SERP_KEY: ""
LLM:
api_key: "你的llm_api_key"
base_url: "你的llm_base_url"
model_name: "gpt-4"
LLM_THINKING:
api_key: "你的llm_api_key"
base_url: "你的llm_base_url"
model_name: "gpt-4-turbo"
VLM:
api_key: ""
base_url: ""
model_name: ""

3. 自定义选股偏好

ContestTrade 的一个核心特色是允许用户定义研究智能体（Research Agent）的“交易信念”（Trading Beliefs）。每个信念都代表一种不同的投资策略或市场视角。

The configuration file is located in the contest_trade/config/belief_list.json。它是一个 JSON 格式的文本文件，内容为一个字符串数组，每一条字符串就是一条交易信念。

如何修改：
Open with a text editor belief_list.json 文件。你可以修改、删除或增加里面的信念描述。框架会为文件中的每一条信念启动一个对应的研究智能体。

信念示例：

• 激进的短期事件驱动策略::

[
"专注于短期事件驱动机会：优先关注公司公告、并购重组、订单暴增、技术突破等催化事件；偏好中小市值、高波动的题材股，适合激进套利策略。"
]

• 稳健的确定性事件策略::

[
"专注于稳健的确定性事件：关注分红、回购、业绩预告确认、重大合同落地和政策利好等；偏好大盘蓝筹、低波动、确定性高的标的，适合稳健配置。"
]

你可以根据自己的投资理解，设计任意多条信念。例如，你可以增加一条关注“北向资金异动与龙虎榜机构席位共振”的信念，系统就会专门为此训练一个智能体去分析这类机会。

4. 启动与使用

完成安装和配置后，你就可以启动程序了。

在项目的根目录（ContestTrade 目录）下，打开终端（确保虚拟环境已激活），运行以下命令：

python -m cli.main run

程序启动后，会进入一个交互式的终端界面。它会提示你输入一个分析的日期（格式为 YYYY-MM-DD）。输入你想要分析的日期并按回车，系统就会开始工作。

之后，你会在终端看到各个智能体（数据分析智能体、研究智能体）开始运行的日志。整个过程是全自动的，它们会获取数据、分析因子、生成报告，并根据你设定的信念筛选股票。

所有任务完成后，程序会在终端输出一份结果摘要，其中包含了各个研究智能体根据其信念找到的交易信号（候选股票列表）。你可以直接查看这份摘要，也可以选择查看由 AI 生成的更详细的分析报告。

application scenario

1. 量化交易研究人员
   研究人员可以利用此框架来测试和验证关于多智能体系统在金融市场中应用的理论。他们可以自定义智能体的行为和信念，探索不同AI协作模式对投资决策的影响，并将其作为一个可扩展的基础设施来研发更复杂的交易范式。
2. 金融或计算机专业的学生
   对于正在学习量化交易、人工智能或金融科技的学生来说，ContestTrade 是一个理想的学习工具。它提供了一个完整的、真实世界应用的范例，展示了如何将大语言模型（LLM）和多智能体技术应用于复杂的金融决策场景中。学生可以通过修改代码和配置，亲手实践并加深理解。
3. 个人投资者和技术爱好者
   对技术驱动的投资方法感兴趣的个人投资者，可以使用这个框架来辅助自己的决策。通过定义符合自己投资理念的“交易信念”，他们可以利用AI自动扫描和发现市场中潜在的事件驱动机会，从而节省大量人工筛选信息的时间。

QA

1. 这个框架目前支持哪些国家的股票市场？
   目前，ContestTrade 框架仅支持中国A股市场。根据项目的路线图，未来计划会扩展支持美股和港股市场。
2. 运行这个框架需要付费吗？
   ContestTrade 项目本身是开源免费的，你可以自由下载和使用。但是，运行此框架需要调用一些第三方服务，这些服务可能会产生费用。例如，Tushare 数据接口、大语言模型（LLM）的 API 调用以及搜索引擎的 API 都可能需要付费。
3. 如果我不是程序员，可以使用这个框架吗？
   使用此框架需要一些基本的编程知识，至少需要了解如何使用终端（命令行）、配置YAMLcap (a poem)JSON文件。虽然核心的分析过程是自动的，但前期的安装和配置步骤需要用户手动完成。
4. 这个项目提供的交易信号是投资建议吗？
   不是。项目在风险声明中明确指出，ContestTrade 是一个用于学术研究和教育目的的开源项目。所有输出结果，包括交易信号和分析，都是基于历史数据的AI模型推演，不构成任何形式的投资、财务、法律或税务建议。用户需要自行承担所有投资风险。