1. TradingAgents 簡介與功能分析 [0]

thumbnail

  1. Trading Agent 的背景與成就 [0]

    1. 這是由 Current Research 開發的一個厲害的 AI 交易代理。
    2. 該 AI 在 GitHub 上的星數在短短幾個月內突破了 10K。

  2. 多智能體 AI 交易團隊的組成 [0]

    1. 這個 AI Agent 包含多位分析師，他們會一起討論並協助最終決策。
    2. 團隊分為四個不同領域的強項分析師，分別查看不同的報告：
    3. Market Analyst: 負責市場分析，類似技術分析。
    4. Social Media Analyst: 關注社群媒體上的評論。
    5. News Analyst: 負責新聞分析。
    6. Fundamental Analyst: 負責公司基本面分析。

  3. AI Agent 的最終產出 [1]

    1. 使用者可以輸入想要的股票代碼。
    2. 四個 AI Agent 會協同工作，產出一份完整的、嚴謹的研究報告。

2. TradingAgents 環境設置與軟體安裝 (第一步) [3]

thumbnail

  1. 獲取指南與流程 [3]

    1. 首先，可以到 Trading Agent 的 GitHub 網站查看步驟。
    2. 講者將按照自己整理的完整教學流程進行分享。

  2. 必要軟體的下載與安裝 [4]

    1. 需要下載四個軟體：Python、Git、Anaconda、VS Code。
    2. Python：到 Google 搜尋並下載，然後按 Enter 進行安裝直到完成。 [4]
    3. Git：點擊下載並選擇版本後進行安裝。 [6]
    4. Anaconda：下載前需要先註冊，註冊後會收到下載連結，下載後登錄即可。 [7]
    5. VS Code：點擊下載即可。 [8]

3. TradingAgents 環境配置與指令執行 (第二步) [10]

thumbnail

  1. 建立資料夾與開啟 Anaconda 終端機 [10]

    1. 在桌面新增一個資料夾，命名為 Trading Agent。
    2. 打開 Anaconda 的終端機（Anaconda Prompt）。
    3. 在終端機中輸入 CD 並空格，然後將剛建立的資料夾拖曳進來，複製路徑。 [10]

  2. 下載 GitHub 儲存庫 [12]

    1. 回到 GitHub 頁面，使用指令 Git clone。
    2. 複製貼上該指令並按 Enter，等待下載完成。

  3. 進入 Trading Agent 資料夾 [13]

    1. 使用指令 CD，然後貼上 Shading Agent（應為 Trading Agent）進入資料夾。

  4. 建立與啟用虛擬環境 [14]

    1. 使用 Contact Create 指令建立新的虛擬環境。 [14]
    2. 過程中若詢問 Yes or No，輸入 Y 並按 Enter。 [16]
    3. 安裝完成後，執行下一步指令開啟該環境。 [17]

  5. 安裝必要程式碼 [18]

    1. 複製貼上安裝必要軟體的指令。
    2. 需要等待一段時間。
    3. 看到最後跑完出現特定字串，即代表安裝成功。 [19]

4. API Key 獲取與 Windows 系統配置 [20]

thumbnail

  1. 獲取兩個必要的 API Key [21]

    1. FindHub 的 API Key：
    2. 搜尋 FindHub API Key，點擊第一個結果。
    3. 點擊 GET FREE API KEY 註冊。
    4. 註冊後會跳出畫面，複製 API Key 備用。
    5. OpenAI 的 API Key：
    6. 搜尋 OpenAI API Key，點擊第一個結果。
    7. 必須先註冊 OpenAI 帳號。
    8. 點擊 API Key，然後 CREATE A NEW SECRET KEY。
    9. 輸入名稱（如 SHADING EVALUATE）並按 CREATE 完成生成。

  2. API Key 的系統配置差異 [22]

    1. Mac 或 Linux 系統：可以直接複製 GitHub 上的指令，將 API Key 替換進去。
    2. Windows 系統：需要進行特殊調整：
    3. 將指令中的 EXPORT 改成 SET，然後空格。
    4. 寫上 FIND API KEY，不帶錢的符號。
    5. 寫上剛剛取得的 FindHub API Key。
    6. 接著，同樣使用 SET 換成 OpenAI API Key。

  3. OpenAI API Key 的使用前準備 [22]

    1. 在使用 OpenAI API Key 之前，必須先充值。
    2. 充值步驟：點擊 SETTING → BILL → 綁定信用卡。
    3. 儲值最低金額（講者儲值 5 塊錢）即可完成充值。
    4. 提醒：使用前一定要先加值，否則會失敗。

5. 程式碼調整與最終執行 [22]

thumbnail

  1. 處理中文編譯問題 (最後一個小動作) [22]

    1. 程式抓取新聞來源是 Reddit，可能出現中文。
    2. 程式使用的編譯器無法解讀中文，因此需要調整。
    3. 調整步驟：
    4. 打開 VS Code，將剛創立的資料夾拉進來。
    5. 按放大鏡，輸入 open 進行搜尋。
    6. 搜尋結果有六個，需要修改前四個檔案。

  2. 修改編譯器設定 [25]

    1. 在這四個檔案中，找到特定位置（R 後面）。
    2. 在 R 後面加上 encoding='utf-8'，將編譯器改成 UTF-8。
    3. 修改完這四個檔案後，按 Ctrl + S 保存並關閉。

  3. 執行程式碼並啟動面板 [26]

    1. 複製指令 python and clie.mat（應為 python main.py）。
    2. 貼到 Prompt 的 Terminal 中，按 Enter。
    3. 如果看到特定畫面，即代表成功。
    4. 接下來只需按照步驟輸入參數，團隊就會開始分析。

  4. 輸入分析參數 [27]

    1. 輸入股票代碼：預設是 S&P 500 (SPY)，示範輸入 Apple。 [27]
    2. 輸入分析日期：輸入特定日期（如 2025/07/03），若分析今天則直接按 Enter。 [29]
    3. 選擇團隊：
    4. 選擇四個專家：按小寫 a。
    5. 單次選擇：按空格鍵，用上下鍵選取變綠色，然後按 Enter。 [30]
    6. 研究深度：選擇淺、中、深，示範選擇快速研究。 [31]
    7. 選擇模型：選擇 OpenAI，示範選擇第一個 mini 模型。 [32]

  5. 分析過程與時間紀錄 [33]

    1. 看到頁面顯示四個機器人正在努力研究分析。
    2. 報告產出時間計時結果：約 3分49秒55。
    3. 結論：AI 團隊只花了不到四分鐘就完成分析報告，速度非常快。

6. 投資報告結果與分析師職責 [35]

thumbnail

  1. 報告的整體結構與決策 [35]

    1. 報告篇幅很大，包含詳細的分析內容。
    2. 投資組合決策者 (Manager)：評價 Apple 股票，說明其強勢與擔憂。
    3. 最終推薦：考慮到 Apple 的優勢、生態系統、忠實客戶群和技術動能，推薦買進。
    4. 提醒：仍需做好風險管理。

  2. 四位分析師的具體分析內容 [36]

    1. Market Analyst (市場分析師)：
    2. 分析過去 50 天、200 天平均和 10 天指數平均。
    3. 使用 MACD、RSI 等技術指標進行分析。
    4. 給出綜合考量，提供給 Manager 參考。
    5. Social Analysis (社群媒體分析師)：
    6. 討論產品和社群媒體上的正面或負面評價。
    7. 總結重點、正面或負面影響。
    8. News Analyst (新聞分析師)：
    9. 分析美國貿易政策及關稅等新聞面因素。
    10. 精準判斷新聞對股票帶來的正面或負面影響。
    11. 從不同角度分析後彙整給 Manager 進行最終決策。

  3. 利用 ChatGPT 進行報告解析 [38]

    1. 使用者不一定要詳細閱讀中間過程。
    2. 可以將整份報告複製（Ctrl+C, Ctrl+V）貼到 ChatGPT。
    3. 要求 ChatGPT 解析報告並給出投資建議。
    4. ChatGPT 可以完整地幫助使用者進行總結。

  4. 總結與建議 [38]

    1. 這個 GitHub 專案是一個重大的突破。
    2. 它讓一般人也能用簡單的方式使用 AI Agent 進行困難的交易投資決策分析。
    3. 講者建議有興趣的人可以嘗試使用，相信會收穫很多。