ContestTrade 是一个创新的多智能体（Multi-Agent）交易框架，通过ContestTrade 您可以轻松的打造一支专属的AI交易团队。只需设定分析时刻，它能在无人工干预的情况下自主扫描全市场，从海量数据中挖掘潜在事件驱动型的投资机会，并通过内部优选机制，为您构建最值得信赖的投资组合。

ContestTrade 是一个面向事件驱动选股的多智能体交易框架。系统目标是：在没有人工干预的条件下，自动发现、评估并跟踪具有投资价值的事件型机会，最终输出可执行的资产配置建议。

核心功能：

• 自动选股：全市场扫描与信号生成，自动输出可交易的候选股票列表，无需人工逐一筛选。
• 事件驱动：以新闻、公告、资金流、政策等催化事件为触发，关注具有显著信息冲击的机会。
• 个性化配置：支持用户自定义智能体的研究偏好和策略，灵活适应不同投资风格。

注意: 目前框架仅支持 中国A股 市场。

ContestTrade 的工作流程通过一个结构化的双阶段管道来运作，模拟了投资公司的动态决策过程。这个双重竞赛框架确保了最终的决策只被最稳健、最有效的洞察所驱动，从而在复杂的市场中保持了强大的适应性和抗干扰能力。

1. 数据处理阶段: 首先，来自多个来源的原始市场数据被输入到数据团队。团队中的多个数据分析智能体 (Data Analysis Agents) 并行工作，将这些原始数据提炼成结构化的“文本因子”。在这一阶段，内部竞赛机制会评估每个数据智能体生成的因子的潜在价值，并构建出一个最优的“因子投资组合”。

2. 研究决策阶段: 这个最优的因子组合随后被传递给研究团队。团队中的多个研究员智能体 (Research Agents) 会基于各自独特的“交易信念” (Trading Beliefs) 和强大的金融工具集，对这些因子进行并行的深度分析，并各自提交交易提案。随后，第二轮内部竞赛会评估这些交易提案，并最终合成一个统一、可靠的资产配置策略作为最终输出。

# 1. 克隆项目仓库
git clone https://github.com/FinStep-AI/ContestTrade.git
cd ContestTrade

# 2. (推荐) 创建并激活虚拟环境
conda create -n contesttrade python=3.10
conda activate contesttrade

# 3. 安装项目依赖
pip install -r requirements.txt

在运行ContestTrade之前，您需要配置必要的API密钥和LLM参数。

编辑 config.yaml 文件，填入您的API密钥。下表列出了所有必需和可选的密钥：

每个 Research Agent 对应一条“交易信念（belief）”，系统会根据这些信念并结合数据与工具生成投资信号（每条信念最多输出5个信号）。配置文件位于 contest_trade/config/belief_list.json，其格式为一个 JSON 字符串数组。

示例 1 — 偏好短期事件驱动（更激进）:

[
  "专注于短期事件驱动机会：优先关注公司公告、并购重组、订单暴增、技术突破等催化事件；偏好中小市值、高波动的题材股，适合激进套利策略。"
]

示例 2 — 偏好稳健事件（更保守）:

[
  "专注于稳健的确定性事件：关注分红、回购、业绩预告确认、重大合同落地和政策利好等；偏好大盘蓝筹、低波动、确定性高的标的，适合稳健配置。"
]

默认配置:

[
  "基于提供的资讯内容综合考虑各公司的业务动态、行业趋势以及潜在的市场影响。为两个群体推荐接下来的交易日具有投资潜力的股票组合:群体1：风险偏好者（偏好波动率大、收益率高，中低市值的股票）;群体2：稳健投资者（偏好低波动率、稳定收益、高市值的股票）。",
  "基于近期突发性事件、政策调整及企业公告等催化剂因素，结合市场情绪传导路径和资金博弈特征。为两类不同风格的投资者筛选事件驱动型机会：群体1：激进套利者（偏好重组预期、订单暴增、技术突破等强题材的小盘股）；群体2：防御套利者（偏好分红上调、大宗回购、特许经营权获取等确定性事件的蓝筹股）。需注意北向资金异动与龙虎榜机构席位动向形成的共振效应。"
]

说明：将您偏好的文本描述逐条加入 contest_trade/config/belief_list.json 中，系统会为每条信念分别运行相应的 Research Agent 并输出信号。

您可以通过命令行界面（CLI）轻松启动ContestTrade。

python -m cli.main run

程序启动后，您将进入终端交互式界面，可以根据提示输入分析时间。

所有Agent运行完成后可在结果摘要中查看Agent给出的信号。

同时可以进一步选择查看详细的报告。

重要声明: 本项目 ContestTrade 是一个开源的量化交易研究框架，仅供学术研究和教育目的使用。项目中包含的示例、数据和分析结果不构成任何形式的投资建议。

风险提示:

• 市场风险: 本项目不构成任何形式的投资、财务、法律或税务建议。所有输出，包括交易信号和分析，均为基于历史数据的AI模型推演结果，不应被视为任何买卖操作的依据。
• 数据准确性: 框架使用的数据源可能存在延迟、不准确或不完整的情况。我们不对数据的可靠性做任何保证。
• 模型幻觉: AI模型（包括大型语言模型）存在固有的局限性和“幻觉”风险。我们不保证框架生成信息的准确性、完整性或及时性。
• 责任自负: 开发者不对任何因使用或无法使用本框架而导致的直接或间接损失承担任何责任。投资有风险，入市需谨慎。

在将本框架用于任何实际交易决策之前，请务必充分了解相关风险。

我们非常欢迎来自社区的贡献！无论您是想修复一个bug、增加一个新的金融工具，还是改进文档，您的帮助对我们都至关重要。

如果您有兴趣，可以从以下方面开始：

• 查看Issues页面，寻找可以解决的问题。
• 提出您的新功能建议。
• 帮助我们完善和翻译文档。

如果您在您的研究中使用了ContestTrade，请引用我们的论文：

@misc{zhao2025contesttrade,
      title={ContestTrade: A Multi-Agent Trading System Based on Internal Contest Mechanism}, 
      author={Li Zhao and Rui Sun and Zuoyou Jiang and Bo Yang and Yuxiao Bai and Mengting Chen and Xinyang Wang and Jing Li and Zuo Bai},
      year={2025},
      eprint={2508.00554},
      archivePrefix={arXiv},
      primaryClass={q-fin.TR}
}

本项目采用 Apache 2.0 License 许可证。