- 博客(5)
- 收藏
- 关注
RSS订阅原创 LangChain与Wind——用Mult-Agents随心所欲生成五千字股票投研报告，基于Deepseek大模型
本人持续追踪关注AI Agent与股票投资研究分析的结合，特别是Python的Crew AI库。本人所创内容均为原创，之前用的开发框架是Crew AI，现在使用了更流行的LangChain框架。目录写在前面：实现过程：最终输出**企业基本面分析报告****1. 行业地位分析****2. 估值水平评估****3. 股东结构分析****4. 分红能力推断****基本面概览结论**企业财务稳健性评级报告**一、偿债能力分析****二、资本结构评估****三、资产结构与质量****四、财务稳健性综合评级****改
2025-04-16 20:52:31
1121
原创 Wind 与 Multi-AI Agent结合——面向截面数据的自动化股票分析工作流
这份报告有用吗？这是我最想问的一个问题，难道真的有人拿着这样的报告去做投资吗？我自己在进行的时候也在疑惑。但是，我觉得，这只是目前项目的第一步，AI在大批量重复任务中拥有极低的分析成本，我们想要更好的分析结果，我们只需要更可靠的数据库以及更强大的大语言模型。我们可以看到这仅仅是DeepSeek-V3便可以获得较为结构化且具一定逻辑的分析报告，只要继续朝着方向不断调整改进 ，最终我们可以获得一个只需要输入股票代码就可以获得可靠股票分析报告的真正的AI智能投顾。
2025-04-05 22:55:09
1724
原创 利用WRDS库模拟计算Fama五因子里的RMW和CMA
RMW是盈利因子(Robust Minus Weak），它是高盈利公司（Robust）与低盈利公司（Weak）之间的超额收益，CMA是投资因子(Conservative Minus Aggressive)，它是低投资公司（Conservative）与高投资公司（Aggressive）之间的超额收益。在WRDS的官网中，有对Fama三因子(FF, 1993)的编程样本，但没有对Fama五因子额外增加的两个的因子实现过程，本文参考了原有的三因子的计算过程，给出模拟RMW和CMA计算的编程过程。
2025-02-15 16:51:57
1226
原创 让AI团队来分析股票！一份可以参考的简单研报——基于Python的CrewAI库
在CrewAI库中，我们利用Agent函数来定义AI Agent。role 定义Agent的角色（必填）goal Agent应该完成的任务（必填）backstory 添加说明，进一步定义Agent的职责（必填）llm Agent所用的大语言模型，如果不填，默认值为gpt-4o-minitools Agent在完成任务时可以使用的函数verbose 布尔值，如果是True，会显示详细的Agent行为，建议在开发Agent时设定为True。
2024-12-18 19:33:30
1556
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人