AI Hedge Fund 是LLM与交易领域最受关注的开源项目之一。GitHub上12,000+星标，数百次分叉。但抛开炒作冷静审视，其价值不在于"赚钱的神经网络"，而在于一种架构模式：如何组织一个AI分析师团队，使每个人贡献专业知识，但没有任何一个人能单独搞砸投资组合。
**项目作者声明：**这不是用于真实资金的系统，而是实验沙盒。
核心理念：不是一个大师，而是一个委员会
每个智能体是具有独特提示词和数据源的专业LLM：
| 智能体 | 分析风格 | 关注内容 |
|---|---|---|
| 价值分析师 | 估值分析 | P/E、P/B、DCF、利润率 |
| 技术分析师 | 技术分析 | RSI、MACD、均线、支撑阻力 |
| 情绪分析师 | 市场情绪 | 新闻、社交媒体、语调 |
| 基本面分析师 | 基本面分析 | 营收、利润、负债、增长 |
| 风险管理师 | 风险控制 | 波动率、相关性、限额 |
| 投资组合经理 | 最终决策 | 汇总意见，生成订单 |
为什么"先风险后行动"是正确的
- 风险预算评估。 在任何智能体提出交易之前，系统评估投资组合能承受多少风险。
- 仓位过滤。 智能体不能"幻想"满仓操作。限额只允许5%就是5%。
- 意见聚合。 投资组合经理看到的不仅是"买/卖"，还有每个分析师的详细论据。
在投资中，重要的不仅是信号，还有仓位大小的权利。
局限性
- 非生产系统。 无真实执行，无流动性建模。
- LLM依赖。 GPT-4和GPT-3.5会给出不同结果。
- 无历史回测。 无法在5年数据上运行并获得权益曲线。
- 非确定性。 temperature > 0的LLM对相同输入会给出不同答案。
链接
- 💻 GitHub: virattt/ai-hedge-fund
- 📄 许可证: MIT
结论
AI Hedge Fund的价值不是"赚钱机器"，而是思维框架：分离分析师角色、将想法生成与风险控制分开、使决策可解释、验证假设但不将回测等同于利润保证。
