大模型赋能投研之十三：基于海外投资大师智能体构建A 股挖票框架

AIhedgefund项目——大模型+海外投资大师选股新思路 AIhedgefund是guithub上的开源项目，遵循MIT开源协议，是一个基于多智能体协作的投资决策系统，通过模拟巴菲特、格雷厄姆等11位著名投资大师的投资理念，结合现代AI技术进行股票投资分析和决策。该产品模拟了投资公司的结构，包含分析师、风控经理、基金经理三重角色，模拟了从研究到风控到投资的流程，最终产生股票的诊断结果和交易信号。该产品能够汇总海外知名投资大师的投资理念和选股指标，将定量评价和大模型定性分析进行结合，具有一定的创新性。 AIhedgefund功能拆解与剖析 AIhedgefund产品的工作流程可以分为用户启动、工程流程编排、并行研究、风险管理和最终决策阶段。系统利用StateGraph将选定的分析师agent节点、风险管理agent节点与投资组合管理智能体节点之间分别按并行和串行关系排布。分析师agent是该项目的核心，AIhedgefund智能体中的分析师分成两类，第一类是基础分析agent，包含技术分析、情感分析、基本面分析、估值分析等功能；第二类是海外投资大师agent，首先基于提取设定的选股指标进行定量评价，然后将海外投资大师的主观投资逻辑以固定提示词的方式内置于产品大模型调用代码中，让大模型结合定量评价指标和投资逻辑、投资偏好文本，进行最终的投资决策。 最后一环的投资组合管理agent，根据各个分析师产生的信号，根据风控给出的仓位控制信号，最终产生交易决策，给出交易方向、交易数量、交易理由。 利用AIhedgefund海外投资大师智能体进行A股投资分析 由于该项目基于海外数据库进行构建，无法进行测试，部分提示词和分析方法存在欠缺之处，因此，我们对该项目进行改造，将海外数据源替换成Wind数据，修改大模型提示词，改进了新闻情感分析方法。此外，为了给大模型提供更丰富的投资决策依据，我们新增了研报分析功能，从研报中挖掘上市公司基本面信息作为分析依据。 根据我们改进后的AIhedgefund产品，我们基于A股对该产品的功能进行测试。一方面，可以用来进行单只股票的投资价值诊断，提供投资参考，用户输入股票信息等指令后，可以产生股票的投资价值分析结果；另一方面，也可以利用海外投资大师构建选股策略，我们尝试调用了彼得·林奇专家agent，使用历史数据构建了选股策略。 风险提示 1）本报告所使用的智能体产品源自开源项目AIHedgefund，并在原项目基础上进行的改进。2）由于中国和美国会计准则差异，可能导致更换数据源时，存在财务指标不能完全对应的风险。3）由于股票市场不同，海外投资大师的投资思路、估值方法可能存在不适用于中国A股市场的风险。4）部分股票可能存在部分财务指标缺失，产生影响分析结果的风险。5）海外投资大师智能体对于股票投资价值的分析，是基于模型中设定的计算方法、阈值、财务指标计算口径，使用历史数据做出的判断，历史表现不代表未来，输出结果仅供参考。6）大模型输出的结果具有一定的随机性和幻觉风险，仅供参考。 内容目录 1、AIhedgefund项目——大模型+海外投资大师选股新思路4 1.1大模型智能体产品发展迅速4 1.2AIHedgefund项目：基于大语言模型实现海外投资大师选股4 2、AIhedgefund功能拆解与剖析6 2.1工作流机制解析与投资决策流程梳理6 2.2解析AIhedgefund分析师的工作机制6 2.3风险管理与投资组合管理的实现方式9 2.4AIhedgefund智能体的优势与劣势10 3、海外投资大师智能体的改进与A股适配性调整10 3.1整体改进方案10 3.2情感分析模块的改进11 3.3海外投资大师agent的改进——研报文本信息的结合11 4、AIhedgefund智能体效果测试12 4.1应用场景1：单只股票投资价值分析12 4.2应用场景2：使用彼得·林奇agent构建选股组合与回测14 5、总结与展望16 6、风险提示16 图表目录 图表1：2019-2030E年全球AIAgent市场规模及预测（单位：亿美元）4 图表2：巴菲特投资组合历史业绩表现（%）5 图表3：AIhedgefund整体架构5 图表4：AIhedgefund项目工作流设计6 图表5：AIhedgefund项目四类基础研究分析师功能6 图表6：AIhedgefund项目中设置的11位海外投资大师7 图表7：沃伦·巴菲特agent整体框架8 图表8：巴菲特agent采用的选股指标及评价标准8 图表9：巴菲特智能体中内置的提示词文本9 图表10：投资组合管理智能体内置的提示词10 图表11：AIhedgefund情感分析功能采用的方法11 图表12：海外投资大师agent的改进思路——以巴菲特agent为例12 图表13：巴菲特agent在研报信息提取环节需要提取的信息12 图表14：分析师agent自主选择界面12 图表15：大模型选择界面12 图表16：沃伦·巴菲特agent对于股票X的诊断结果13 图表17：选择巴菲特agent后，投资组合管理智能体产生的交易信号13 图表18：彼得·林奇agent对于股票X的诊断结果13 图表19：选择彼得·林奇agent后，投资组合管理智能体产生的交易信号14 图表20：多分析师协同分析的效果测试14 图表21：策略多头净值走势15 图表22：分年度超额收益表现15 图表23：各年份选出的股票数量15 图表24：2025年投资组合持有股票的行业分布情况（单位：只）15 1、AIhedgefund项目——大模型+海外投资大师选股新思路 1.1大模型智能体产品发展迅速 随着OpenAI旗下ChatGPT的持续迭代升级，大语言模型的技术浪潮正以前所未有的速度席卷全球。DeepSeek、Grok3等一系列前沿模型的相继问世，不断突破着大语言模型计算能力的技术天花板。在推理能力持续进化的进程中，让大语言模型具备专业化处理特定领域问题的需求日益迫切，AI智能体（AIAgent）这一创新形态应运而生。 在大语言模型背景下，AI智能体可被简单理解为： 智能体=大语言模型+规划+工具+记忆 大语言模型作为智能体的核心基座，赋予智能体关键的语义理解、逻辑推理与内容生成能力，为所有功能模块提供最底层的智能支撑；规划步骤帮助智能体实现从线性问答到系统性思考的范式跃迁，使智能体具备问题拆解、任务规划和分步求解的能力；工具赋予智能体与现实环境交互的能力，它使得智能体可以通过API调用、数据抓取等技术手段实现具体行动；记忆则负责记录智能体每一轮的思考、行动以及获得的环境反馈，帮助它在多轮交互中的维持思维连贯性与状态持续性。 从全球范围来看，根据极光月狐研究院《2025年全球AIAgent行业洞察报告》，2024年全球AIAgent市场规模为52.9亿美元，预计2030年该数值将达到471亿美元。 图表1：2019-2030E年全球AIAgent市场规模及预测（单位：亿美元） 500 450 400 350 300 250 200 150 100 50 0 2019202020212022202320242030E 来源：《2025年全球AIAgent行业洞察报告》，极光月狐研究院，国金证券研究所 1.2AIHedgefund项目：基于大语言模型实现海外投资大师选股 海外投资大师，如沃伦·巴菲特、彼得·林奇、查理·芒格等，因其长期优异的历史业绩，其选股方法倍受海内外投资人士关注。沃伦·巴菲特信奉“价值投资法”，是价值投资、长期投资的代表人物，其投资组合在近25年间累计获得了1000%以上的投资收益，大幅跑赢标普500指数。 用量化的方法模拟海外投资大师选股，一般的思路是根据海外投资大师的逻辑选择定量指标选股，但定量指标度量的方法难以复刻“投资逻辑”这样主观的思维方式。借助大语言模型，我们可以让大模型模仿海外投资大师的投资思维，对A股市场的股票进行投资诊断，提供投资参考。 图表2：巴菲特投资组合历史业绩表现（%） 1200 1000 800 600 400 200 0 近3年 近5年 近10年 巴菲特组合回报 近15年标普500 近20年 近25年 来源：GuruFocus，国金证券研究所注：数据截至2024.12.31 AIhedgefund是GitHub上的开源项目，遵循MIT开源协议，是一个基于多智能体协作的投资决策系统，通过模拟巴菲特、格雷厄姆等11位著名投资大师的投资理念，结合现代AI技术进行股票投资分析和决策。系统实时分析和历史回测，提供可视化的投资组合管理界面。 AIhedgefund模拟了一个基金公司的架构，包含分析师、风控经理、基金经理三重角色，模拟了从研究到风控到投资的流程，最终产生股票的交易信号。 该项目涉及到如下技术手段： Langchain:作为构建语言模型应用的强大框架，Langchain为项目提供了智能体(Agent)、链(Chain)、内存(Memory)等核心组件，简化了复杂AI工作流的构建过程。 LangGraph:Langchain生态系统中的图神经网络库，允许开发者以图形化的方式编排智能体之间的协作流程，构建复杂的对话和决策流程。本项目利用LangGraph精确定义了投资大师智能体之间的信息流和决策路径。 大型语言模型(LLMs):项目核心的驱动力，用于驱动各个智能体的分析和决策过程。项目支持多种主流LLM模型，包括OpenAI的gpt-4o、gpt-4o-mini以及Groq平台上的deepseek、llama3等，用户可以根据自身需求和APIKey的情况进行选择。 项目还集成了FinancialDatasets.ai的金融数据API，为智能体提供实时的股票价格、财务指标、新闻资讯、内部交易等关键数据。 图表3：AIhedgefund整体架构 来源：：GitHub-virattt/ai-hedge-fund:AnAIHedgeFundTeam，国金证券研究所 2、AIhedgefund功能拆解与剖析 2.1工作流机制解析与投资决策流程梳理 AIhedgefund产品的工作流程可以分为用户启动、工程流程编排、并行研究、风险管理和最终决策阶段。 用户启动阶段一次性读取股票列表、回测起止日期、初始资金及选定的分析师智能体名单，随即加载大模型与行情接口，为后续任务准备输入参数。 工作流编排阶段，系统利用StateGraph将选定的研究员智能体节点之间，分析师智能体节点、风险管理智能体节点与投资组合管理智能体节点之间分别按并行和串行关系排布，各节点通过AgentState共享数据，确保计算顺序与依赖关系清晰。StateGraph是LangGraph库中的核心类，用于构建和管理基于状态的有向图工作流，适合与大型语言模型（LLM）结合，支持复杂的动态逻辑、循环和条件分支。 并行研究阶段，所有选定的分析师智能体基于同一历史数据集同时运行：海外投资大师、技术分析师、情感分析师、估值分析师分别生成研究结果，生成观点信号（看涨/看跌/中性）连同置信度提交系统，形成交易信号。 风险管理阶段，风险管理智能体接收分析师智能体提交的交易信号，实时计算每只股票的仓位上限、剩余现金及对应股价下的最大可买股数，并将其一并发送投资组合管理智能体。 最终决策阶段由投资组合管理智能体读取所有交易信号与风险限额，综合生成买入/卖出/持有/平仓/做空等指令，并输出交易数量、置信度及详细理由，完成可追溯的交易决策。 图表4：AIhedgefund项目工作流设计 来源：AIhedgefund，国金证券研究所 2.2解析AIhedgefund分析师的工作机制 AI-hedge-fund智能体中的分析师分成两类，第一类是基础分析师，基于客观数据计算给出评价结果，第二类是海外投资大师，首先基于客观数据进行定量评分，然后让大模型模仿投资大师的投资逻辑，对股票投资价值进行判断。 2.2.1基础研究