技术深度剖析
该实验的架构是一个基于GPT-4o构建的ReAct（推理+行动）循环，通过LangChain框架连接到券商API。代理拥有四个工具：市场数据获取器（实时Level 2报价）、技术指标计算器（RSI、MACD、布林带）、订单执行模块和风险管理器（仓位规模、止损）。代理被提示“分析市场状况，识别均值回归机会，并在严格风险控制下执行交易”。
失败模式极具启发性。首先，LLM的上下文窗口——尽管有128K个token——被嘈杂的逐笔数据填满。当美联储新闻袭来时，代理的提示历史中包含数百个显示看涨趋势的先前逐笔数据。LLM的注意力机制对近期反转的权重低于主导的先前模式，导致它将抛售解读为“暂时性下跌”而非市场状态转变。这是基于LLM的交易中一个已知问题：模型缺乏一个能够覆盖基于模式推理的专用“事件检测”模块。
其次，代理的工具使用逻辑非常脆弱。当流动性枯竭时——买卖价差从0.02美元扩大到0.45美元——代理的代码在执行市价单之前没有检查价差阈值。这是一个经典的工程疏忽：代理是在历史数据上训练的，当时价差很小，而LLM对“流动性”作为一个动态概念没有内在理解。仅滑点成本就占了当日亏损的23%。
第三，代理在其推理链中表现出“确认偏差”。在第一次止损触发后，代理重新分析了相同的指标，并得出结论：“RSI超卖，布林带拉伸，均值回归可能性大。”它未能纳入新信息（美联储新闻），因为该数据在其工具集中没有被结构化为“信号”。代理没有工具来获取新闻情绪或对市场事件进行分类。
相关开源项目：
- FinGPT（GitHub：约14k星）：一个用于在金融数据上微调LLM的框架。它在情绪分析方面显示出潜力，但尚未在真实资金实盘交易中进行测试。
- TradingAgents（GitHub：约3k星）：一个使用LLM进行分析和执行的多代理交易系统。它采用代理之间的“辩论”机制来减少偏差，但仍然缺乏实时事件处理能力。
- FinRL（GitHub：约12k星）：一个用于金融交易的深度强化学习库。它在模拟环境中优于基于LLM的代理，但在分布外场景中表现挣扎。
| 代理类型 | 回测夏普比率 | 实盘1日夏普比率 | 最大回撤（实盘） | 滑点成本（bps） |
|---|---|---|---|---|
| LLM ReAct (GPT-4o) | 1.8 | -2.1 | 3.47% | 18 |
| RL代理 (FinRL PPO) | 2.1 | -0.9 | 1.2% | 4 |
| 简单动量（基准） | 0.7 | 0.3 | 0.8% | 2 |
数据启示： LLM代理的回测表现非常出色，但在实盘交易中却是表现最差的。RL代理在滑点和回撤方面表现更好，但仍然转为负值。简单的动量基准虽然平淡无奇，却是唯一保持正收益的策略。这表明在实盘市场中，复杂性并不等于稳健性。
关键参与者与案例研究
多家公司正在积极推动AI代理进入实盘交易，结果喜忧参半。
- QuantConnect & Alpaca：这些平台提供API优先的券商服务，支持算法交易。它们看到基于AI代理的策略激增，但它们自己的数据显示，70%的AI生成策略在实盘交易第一个月内就失败了。这些平台现在正在增加“护栏”，如每日最大亏损限制和人工参与审批大额订单。
- Numerai：一家对冲基金，从数据科学家那里众包机器学习模型。其锦标赛结构产生了稳健的模型，但即使Numerai的实盘表现也波动剧烈——其旗舰基金在2024年第一季度市场状态转变期间回报率为-4%。关键洞察：Numerai的模型每周重新训练，而非实时训练，这避免了上下文窗口问题。
- Jane Street：这家量化交易巨头广泛使用机器学习，但明确避免将LLM用于实时决策。相反，他们使用梯度提升树和强化学习进行执行，而LLM则保留用于交易后分析和研究。这表明行业中最老练的参与者将LLM视为分析工具，而非交易代理。
- Aaru Labs：一家试图为加密货币市场构建基于LLM的交易代理的初创公司。它获得了500万美元的种子轮融资，但在六个月后关闭，理由是“模型无法泛化的不可预测市场行为”。
| 公司 | 方法 | 实盘交易状态 | 识别的关键限制 |
|---|---|---|---|
| QuantConnect | LLM + RL混合 | Beta测试 | 波动行情中上下文窗口溢出 |
| Numerai | 众包ML模型 | 活跃（对冲基金） | 模型