FinRobot：這都開源！專為金融開發的AI代理，可以預測股票走向、生成金融分析報告

2024-06-09碼農

計畫簡介

FinRobot是由AI4Finance基金會開發的一個開源AI代理平台，專為金融套用設計。這個平台使用大型語言模型（LLMs）作為核心技術，致力於透過智慧代理解決復雜的金融問題。它包括多層架構，如金融AI代理層、金融LLMs演算法層、LLMOps和DataOps層，以及多源LLM基礎模型層，支持多樣化的金融分析和操作，如市場預測、檔分析和交易策略。此外，FinRobot還具有智慧排程器，最佳化模型的整合和選擇。

掃碼加入AI交流群

獲得更多技術支持和交流

（請註明自己的職業）

生態系

FinRobot生態系的整體架構分為四個獨特的層次，每個層次都旨在處理金融AI處理和套用的特定方面：

金融AI代理層： 現在，金融AI代理層包括金融鏈式思考（CoT）提示功能，增強了復雜分析和決策能力。市場預測代理、檔分析代理和交易策略代理利用CoT將金融挑戰分解為邏輯步驟，將他們的先進演算法和領域專業知識與金融市場的動態演變相結合，以提供精確、可操作的洞察。

金融LLMs演算法層： 金融LLMs演算法層配置和使用專門調整的模型，針對特定領域和全球市場分析。

LLMOps和DataOps層： LLMOps層實施多源整合策略，為特定的金融任務選擇最合適的LLMs，使用一系列最先進的模型。

多源LLM基礎模型層： 這個基礎層支持各種通用和專用LLM的隨插即用功能。

工作流程

感知模組：該模組捕捉並解釋來自市場資料來源、新聞和經濟指標的多模態金融數據。它采用先進技術對數據進行結構化，以便進行全面分析。

大腦模組：作為核心處理單元，該模組從感知模組接收數據，並利用大型語言模型（LLMs）及金融思維鏈（CoT）過程生成結構化指令。

行動模組：該模組執行來自大腦模組的指令，套用工具將分析洞察轉化為可行的結果。行動包括交易、投資組合調整、生成報告或發送警報，從而積極影響金融環境。

智慧排程器

智慧排程器是確保模型多樣性並最佳化每個任務最適合的LLM的選擇和整合的核心。

導向代理： 該元件指揮任務分配過程，確保根據代理的效能指標和特定任務的適用性來分配任務。

代理註冊： 管理代理的註冊並跟蹤系統內代理的可用性，促進高效的任務分配過程。

代理介面卡： 客製代理功能以適應特定任務，提高其在整個系統中的效能和整合度。

工作管理員： 管理和儲存為各種金融任務客製的不同的通用及精細調整的基於LLM的代理，定期更新以確保其相關性和效果。

DEMO

1.市場預測代理（預測股票走向）

輸入一個公司的股票程式碼、近期基本財務數據和市場新聞，預測其股票走勢。

·輸入

import autogenfrom finrobot.utils import get_current_date, register_keys_from_jsonfrom finrobot.agents.workflow import SingleAssistant

·配置

# Read OpenAI API keys from a JSON filellm_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 keysregister_keys_from_json("../config_api_keys")

·執行

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.")

·結果

2. 財務分析代理用於撰寫報告（股權研究報告）

輸入一個公司的10-k表格、財務數據和市場數據，輸出一個股權研究報告。

·輸入

import osimport autogenfrom textwrap import dedentfrom finrobot.utils import register_keys_from_jsonfrom 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"], }, ),"timeout": 120,"temperature": 0.5,}register_keys_from_json("../config_api_keys")# Intermediate strategy modules will be saved in this directorywork_dir = "../report"os.makedirs(work_dir, exist_ok=True)assistant = SingleAssistantShadow("Expert_Investor", llm_config, max_consecutive_auto_reply=None, human_input_mode="TERMINATE",)

·執行

company = "Microsoft"fyear = "2023"message = dedent( f""" With the tools you've been provided, write an annual report based on {company}'s {fyear} 10-k report, format it into a pdf. Pay attention to the followings: - Explicitly explain your working plan before you kick off. - Use tools one by one for clarity, especially when asking for instructions. - All your file operations should be done in "{work_dir}". - Display any image in the chat once generated. - All the paragraphs should combine between 400 and 450 words, don't generate the pdf until this is explicitly fulfilled.""")assistant.chat(message, use_cache=True, max_turns=50, summary_method="last_msg")