Agnet案例拆解：金融领域的大模型智能体

金融领域的大模型智能体当前集中在个股交易决策这个相对简单的场景，不需要考虑多资产组合的复杂场景。交易决策被简化成市场上各个信息，包括技术面，消息面，基本面等等在不同市场情况下，对资产价格变动正负面影响的综合判断。 . 使用大模型智能体最显著的优势，在于对海量信息的高效处理，存储，以及对相关历史信息的联想。 . ⭕FinMEM FinMeM是使用文本模态信息，通过差异化召回不同时效性，重要性，相关性的不同金融市场信息，通过微调让模型学习个股交易决策型Agent . FinMeM的类人认知记忆模块和动态角色设计使其能应对金融环境的复杂性并适应新情况。与其他LLM交易Agent相比，FINMEM的记忆模块能更好地理解具有不同时效性的金融数据并构建自我进化的长期记忆层，动态角色设计有助于过滤有影响力的消息。 . ⭕FinAgent FinAgent是加入了图片模态信息的个股交易决策型Agent，主要包括以下几个模块： Market Intelligence：市场信息收集和情绪识别汇总模块 Reflection：价格异动归因和历史交易决策归因模块 Decision Making：买卖交易决策模块 Memeory：用于存储以上模块的历史信息 . inAgent通过其多模态处理能力和深度学习机制，在金融交易领域展示了显著的潜力和优越性，尤其在推理能力和泛化性方面。它不仅成功地整合了市场的文本和视觉信息，还通过其先进的反思和决策制定模块，提供了一种在动态市场中灵活应对的新方法。