KI-Investitionssystem: automatisiertes System zur Entscheidungsfindung bei Investitionen in A-Aktien, das ein Multi-Intelligenz-System zur Analyse von Marktdaten nutzt

Allgemeine Einführung

A_Share_investment_Agent ist eine auf einem Multi-Intelligenz-System basierende Anlageentscheidungshilfe für A-Aktien. Das System ist so konzipiert, dass es Handelssignale erzeugt, indem es mehrere kollaborative Intelligenzen nutzt, um Marktdaten zu analysieren, den inneren Wert von Aktien zu berechnen und die Marktstimmung sowie Fundamentaldaten zu analysieren. Dieser Ansatz hilft Anlegern, die Marktdynamik besser zu verstehen und fundiertere Anlageentscheidungen zu treffen. Das Projekt dient nur zu Bildungszwecken und ist nicht für den tatsächlichen Handel oder die Anlage gedacht.

Funktionsliste

• Marktdatenanalyse: Sammlung und Vorverarbeitung von Marktdaten
• Valuation Agents: Berechnen Sie den inneren Wert einer Aktie und generieren Sie Handelssignale
• Sentiment Brokerage: Analyse der Marktstimmung und Generierung von Handelssignalen
• Fundamental Agent: Analysiert Fundamentaldaten und erzeugt Handelssignale
• Integrierte Handelssignalerzeugung: Integration von Signalen, die von verschiedenen Intelligenzen erzeugt werden, um integrierte Handelsempfehlungen zu geben

Hilfe verwenden

Ablauf der Installation

1. Klonen Sie den Projektcode:

   git clone https://github.com/24mlight/A_Share_investment_Agent.git
   cd A_Aktienanlage_Agent
   

2. installieren Sie die Abhängigkeiten:
```bash
pip install -r anforderungen.txt

3. Konfigurieren Sie die Umgebungsvariablen:
   Auf der Grundlage des Projekts .env.example Datei erstellt eine .env und tragen Sie die entsprechenden Konfigurationseinträge ein.

Funktion Betriebsablauf

Analyse der Marktdaten

Das Modul Marktdatenanalyse ist für die Sammlung und Vorverarbeitung von Marktdaten zuständig. Durch den Aufruf der Datenquellen-API werden regelmäßig die neuesten Marktdaten abgerufen und für die anschließende Verwendung durch die Intelligenz vorverarbeitet.

Sachverständiger für Wertermittlung

Das Modul Valuation Agent ist für die Berechnung des inneren Wertes einer Aktie auf der Grundlage von Marktdaten zuständig. Das Modul erstellt eine Schätzung des inneren Wertes jeder Aktie unter Verwendung verschiedener Bewertungsmodelle wie diskontierter Cashflow-Modelle, relativer Bewertungsmodelle usw.

emotionaler Wirkstoff

Das Sentiment Proxy-Modul generiert Marktstimmungs-Signale durch die Analyse von Marktstimmungsdaten aus Nachrichten, sozialen Medien und anderen Kanälen. Das Modul nutzt Techniken zur Verarbeitung natürlicher Sprache, um emotionale Tendenzen in Texten zu extrahieren und sie in quantitative Signale umzuwandeln.

Grundlegende Agenzien

Das Modul Fundamental Proxy generiert fundamentale Signale, indem es die Jahresabschlüsse, Betriebsdaten und andere fundamentale Informationen des Unternehmens analysiert. Das Modul nutzt die Analyse von Finanzkennzahlen, Trendanalysen und andere Methoden, um die fundamentale Position eines Unternehmens zu bewerten.

Integrierte Erzeugung von Handelssignalen

Das Modul Integrierte Handelssignalerzeugung integriert die von den verschiedenen Intelligenzen erzeugten Signale, um integrierte Handelsempfehlungen zu geben. Die Signale der verschiedenen Intelligenzen werden durch gewichtete Mittelwertbildung, Abstimmungsmechanismen und andere Methoden fusioniert, um die endgültigen Handelsempfehlungen zu generieren.

Anwendungsbeispiel

Nachfolgend finden Sie ein Anwendungsbeispiel, das zeigt, wie Sie das gesamte System ausführen und Handelsempfehlungen erhalten:

from agents import MarketDataAnalyst, ValuationAgent, SentimentAgent, FundamentalsAgent, TradeSignalGenerator
# Initialisieren jedes Agenten
Marktdaten_Analyst = MarktdatenAnalyst()
valuation_agent = ValuationAgent()
sentiment_agent = SentimentAgent()
grundlagen_agent = grundlagenAgent()
trade_signal_generator = TradeSignalGenerator()
# Marktdaten abrufen
market_data = market_data_analyst.get_market_data()
# Signale für jede Intelligenz generieren
valuation_signal = valuation_agent.generate_signal(market_data)
sentiment_signal = sentiment_agent.generate_signal(market_data)
fundamentals_signal = fundamentals_agent.generate_signal(market_data)
# Integriertes Handelssignal
final_trade_signal = trade_signal_generator.generate_signal([valuation_signal, sentiment_signal, fundamentals_signal])
print(f "Zusammengesetztes Handelssignal: {endgültiges_Handelssignal}")