当前位置: 首页 > news >正文

金融Agent+LLM的特性分析与调研

金融数据是结构化数据和非结构化数据的融合,所以金融LLM既需要处理文本型非结构化数据,包括各种财务业绩预告、金融热点新闻、投融资/招投标等;也需要处理结构化数据,包括财务数据、金融市场数据、宏观/微观经济数据等。

GPT架构的LLM如DeepSeek善于处理文本数据,而Agent可以大量集成处理结构化数据的工具。

这里尝试分析近期热门的金融LLM和相关Agent框架。

 1 TradingAgents

基于多Agent的金融交易框架,对接市场、社交、新闻、交易等多种数据进行分析和风险建模。

https://github.com/TauricResearch/TradingAgents

2 AI Financial Agent

服务投资研究的金融agent

https://github.com/virattt/ai-financial-agent

3 Finance LLMs

商业银行、财富管理、资本市场、支付、保险、风险管理领域的LLM应用探索。

https://github.com/kennethleungty/Finance-LLMs

4 FinMAS

金融分析多Agent系统

https://kevorksulahian.github.io/agentic-llm-for-better-results/

https://github.com/KevorkSulahian/agentic-llm-for-better-results

5 Financial Assistant Agent Model

面相金融对话和问答的Agent助手

https://github.com/stocchifra/LLM_Agent_Financial_Assistant

6 Smart-Business-Logic-Agent

https://github.com/Veronika-iv-st/LLM-Powered-Finance-Agent-VAT-Discounts-More

7 AI-Analyst-LLM-Powered-Financial-Report-Summarizer

https://github.com/KaushalRajSoni/AI-Analyst-LLM-Powered-Financial-Report-Summarizer

8  AI指标归因相

了解指标走势变化是决策的重要依据。传统图表和报表虽然能够展示数据,但缺乏深度分析和判断能力。通过与Deepseek等大模型结合,可以提供更加智能的波动性分析功能。

当指标出现异常波动时,传统的归因分析往往依赖于人工经验和手动排查,耗时费力且容易遗漏。

自动归因,AI大模型可以自动分析指标的变化趋势,识别出可能导致异常波动的因素。

基于归因分析的结果,AI大模型可以生成具体的改进建议,帮助金融用户快速采取行动。


 

reference

---

TradingAgents

https://github.com/TauricResearch/TradingAgents

TradingAgents: Multi-Agents LLM Financial Trading Framework

https://arxiv.org/abs/2412.20138

 AI Financial Agent

https://github.com/virattt/ai-financial-agent

Finance LLMs

https://github.com/kennethleungty/Finance-LLMs

FinMAS-Financial Analysis Multi-agent System#

https://kevorksulahian.github.io/agentic-llm-for-better-results/

LLM_Agent_Financial_Assistanthttps://github.com/stocchifra/LLM_Agent_Financial_AssistantBizFinBench任务解析

https://blog.csdn.net/liliang199/article/details/148406653

金融领域LLM开源测试集

https://blog.csdn.net/liliang199/article/details/148636399

FinRobot

https://github.com/AI4Finance-Foundation/FinRobot

FinGPT

https://github.com/AI4Finance-Foundation/FinGPT

FinNLP

https://github.com/AI4Finance-Foundation/FinNLP

awesome-ai-in-finance

https://github.com/georgezouq/awesome-ai-in-finance

financial-analysis-with-llm

https://github.com/babdulhakim2/financial-analysis-with-llm

指标管理+AI大模型深度融合,开启智能数据分析管理新时代

https://zhuanlan.zhihu.com/p/17459640700

AI-Metrics

https://github.com/AI-metrics/AI-metrics

http://www.dtcms.com/a/355957.html

相关文章:

  • C#并行计算(SIMD)应用
  • illustrator-02
  • 洛谷 P2568 GCD-提高+/省选−
  • 「Java EE开发指南」如何使用MyEclipse启用自动JSP验证?
  • C语言————函数递归(通俗易懂)
  • logcat 网络日志解析
  • 二、开关电源的EMC改善措施
  • Python Imaging Library (PIL) 全面指南:PIL基础入门-图像处理与数据预处理
  • Maven 编译打包一个比较有趣的问题
  • yolo学习笔记01——前置基础
  • 【力扣】2715. 执行可取消的延迟函数
  • 生产环境Vue组件报错:Cannot access before initialization
  • 将 agents 连接到 Elasticsearch 使用模型上下文协议 - docker
  • 前后端分离情况下,将本地vue项目和Laravel项目以及mysql放到自己的云服务器
  • 工业 5G + AI:智能制造的未来引擎
  • Mybatis-增删改查
  • 逻辑回归以及损失函数
  • 数字孪生(Digital Twin):未来产业与城市的智慧引擎
  • AI Agent从0到1:剖析Block与GSK的两种产品化落地路径
  • 容器学习04-kubernetes(k8s)
  • 海康相机开发---设备登录
  • (二分查找)Leetcode34. 在排序数组中查找元素的第一个和最后一个位置+74. 搜索二维矩阵
  • 【LInux】常用命令笔记
  • Linux之Shell编程(一)
  • 异步方法和多线程有什么区别,他们的实现逻辑是什么以及为什么异步方法: 不能和调用者在同一个类中
  • VisionPro联合编程控件导入WinFrom以及VS卡死问题
  • GCC版本和C语言标准版本的对应关系
  • 一个Demo射击小计(纯蓝图)
  • 前端学习 10-1 :验证中的UVM
  • .Net Core Web 架构(管道机制)的底层实现