By Matt Connor · 多智能體AI交易系統 實際運作
多智能體AI交易系統使用LLM委員會處理交易。本文說明其架構、市場數據成本及回測陷阱，區分已發表證據與README中的宣稱。
一個多智能體AI交易系統會將單一交易決策拆分給數個大型語言模型實例，賦予每個實例特定角色，再將其輸出整合為單一委託單。常見的編制包括新聞閱讀員、基本面分析師、圖表分析師、風險檢查員，以及負責仲裁的管理者智能體。截至2026年7月，GitHub上演算法交易主題中已有數個此類架構的開源框架，各自獲得數百顆星。本文將說明其架構，區分已發表的證據與README中的宣稱，並提供任何版本都必須克服的市場數據成本。
多智能體AI交易系統的實際運作方式
此架構如同一個設有主席的委員會。每個智能體由一個提示模板、一個數據來源和一個輸出格式所構成。新聞智能體接收標題並回傳一個標籤。基本面智能體接收申報文件摘要並回傳一個分數。主席智能體接收這些標籤與分數，然後回傳一個委託單。
此設計衍生出三個特性，在討論任何績效宣稱前，都值得先點明。
每個智能體通常共享同一個基礎模型。對同一組權重使用五個不同的提示，會產生相關聯的意見，因此五個智能體的投票並非五個獨立的估計。委員會的架構暗示了多樣性，但實作上並未提供。
該系統是一個圍繞數值決策的文字管道。模型讀取文字並輸出一個標記。倉位規模、委託單類型、停損設定與出場邏輯，都是底層的一般程式碼，而決定最終結果的大部分因素存在於這些程式碼中，而非提示本身。
委員會的一次往返耗時數秒。這對於每週再平衡來說是可行的，但在高頻交易的速度下則毫無用處，因為造市商在微秒內就能報價與更新報價。
研究支持什麼，不支持什麼
關於語言模型在金融領域的已發表研究，可區分為強度差異極大的三種宣稱。
提取與分類是強宣稱。 模型能標記情緒、從申報文件中提取數據，並壓縮長篇文件，其準確度在幾年前還需要專門打造的模型才能達成。這可以在保留的文本上進行衡量，且結果經得起考驗。
市場狀態描述是混合型宣稱。 模型能流暢地描述市場狀態的文字報告，而這些報告通常與提供給模型的數據一致。但描述本身是否包含了價格尚未反映的資訊，則是另一個問題。仔細測試此點的論文，報告的效果都很小，且誤差區間很大。
獲利能力是弱宣稱。 大多數儲存庫的README文件報告的是回測結果，而非經過資金驗證的實際交易記錄。從樣本內權益曲線到真實帳戶之間的距離，是量化交易中最古老的距離。在流程中加入語言模型並不會縮短這個距離。
訊號必須跨越的成本底線
每筆交易都需支付買賣價差，這是任何策略在考慮其他因素前，必須先跨越的成本底線。以下是2026年6月22日至26日，常規交易時段內六檔美國上市股票的價差中位數：
每個數據背後的精確 SQL 語法
SELECT ticker,
round(quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS spread_bps,
round(2 * quantileExactIf(0.5)(toFloat64(ask_price - bid_price) / (toFloat64(ask_price + bid_price) / 2), bid_price > 0 AND ask_price > bid_price) * 10000, 2) AS round_trip_bps,
round(count() / 1e6, 1) AS quote_updates_m
FROM global_markets.cache_stocks_quotes
WHERE ticker IN ('SPY', 'AAPL', 'MSFT', 'KO', 'F', 'RIOT')
AND sip_timestamp >= toDateTime('2026-06-22 00:00:00')
AND sip_timestamp < toDateTime('2026-06-27 00:00:00')
AND (toHour(sip_timestamp) * 60 + toMinute(sip_timestamp)) BETWEEN 810 AND 1199
GROUP BY ticker
HAVING countIf(bid_price > 0 AND ask_price > bid_price) > 0
ORDER BY spread_bps一個基點是百分之一的百分之一。該組股票中，價差最窄的SPY，該週的價差中位數為0.27個基點。價差最寬的RIOT，則為7.09個基點。一次來回交易需支付兩次價差，因此，在第一檔股票進出場，一開始就落後0.55個基點；而在最後一檔股票進出場，則落後14.19個基點。一個每週週轉兩次的智能體，每年大約要支付這個成本一百次，而且無論判斷正確與否，這筆成本都必須支付。交易一支股票的成本詳細列出了其餘的費用。
方向性判斷必須戰勝的雜訊
方向性判斷的評分標準，是基於一個主要由小數字構成的分布。以下是2025日曆年度SPY所有交易日的收盤價到收盤價變動幅度，按大小排序：
每個數據背後的精確 SQL 語法
WITH daily AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
argMax(close, window_start) AS close_px
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2025-01-01')
AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY d
),
paired AS (
SELECT d, close_px,
any(close_px) OVER (ORDER BY d ASC ROWS BETWEEN 1 PRECEDING AND 1 PRECEDING) AS prev_px
FROM daily
),
rets AS (
SELECT d, round(100 * (toFloat64(close_px) / toFloat64(prev_px) - 1), 3) AS ret_pct
FROM paired
WHERE prev_px > 0
)
SELECT multiIf(abs(ret_pct) < 0.25, 'under 0.25%',
abs(ret_pct) < 0.5, '0.25 to 0.5%',
abs(ret_pct) < 1.0, '0.5 to 1%',
abs(ret_pct) < 2.0, '1 to 2%',
'2% and up') AS move_bucket,
count() AS sessions,
round(100 * count() / sum(count()) OVER (), 1) AS pct_of_sessions
FROM rets
GROUP BY move_bucket
ORDER BY min(abs(ret_pct))全年有一半的交易日的變動幅度在0.5%以內。under 0.25%的區間包含了24.9%的交易日，而0.25 to 0.5%的區間則包含了另外24.1%的交易日。在另一端，有13個交易日的變動幅度達到2% and up，佔全年的5.2%。
將此與價差數據對照。一個基點是0.01%。一個典型的0.3%的日內變動，是窄價差的三十倍，大約是寬價差的四倍。這個算術結果為耐心且正確的判斷留下了空間，但對於快速且邊際性的判斷則幾乎沒有空間。
可交易標的的實際分布
智能體框架常宣稱其覆蓋範圍廣泛，通常每天掃描數百檔股票。美元成交量顯示了這份清單中有多少標的能夠吸收較大的交易規模。以下是2026年6月30日常規交易時段內，所有美國上市股票按其當日美元成交量排名分組的情況：
每個數據背後的精確 SQL 語法
WITH tv AS (
SELECT ticker,
sum(toFloat64(close) * toFloat64(volume)) AS dollar_volume
FROM global_markets.delayed_stocks_minute_aggs
WHERE toDate(toTimeZone(window_start, 'America/New_York')) = toDate('2026-06-30')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY ticker
HAVING sum(toFloat64(close) * toFloat64(volume)) > 0
),
ranked AS (
SELECT ticker, dollar_volume,
row_number() OVER (ORDER BY dollar_volume DESC) AS rk
FROM tv
)
SELECT multiIf(rk <= 10, 'top 10 names',
rk <= 50, 'ranks 11 to 50',
rk <= 200, 'ranks 51 to 200',
rk <= 1000, 'ranks 201 to 1000',
'ranks beyond 1000') AS liquidity_tier,
count() AS tickers,
round(sum(dollar_volume) / 1e9, 2) AS dollar_volume_bn,
round(100 * sum(dollar_volume) / (SELECT sum(dollar_volume) FROM tv), 1) AS pct_of_dollar_volume
FROM ranked
GROUP BY liquidity_tier
ORDER BY min(rk)前十檔股票貢獻了該時段22.5%的美元成交量，約為205.04億美元。接下來的40檔貢獻了20.5%。而在另一端，排名在1000名之後的10966檔股票，總共只佔了12.9%，約117.83億美元分散在整個長尾中。
宣稱廣度很容易，但實際交易成本高昂。一個對三千檔股票進行排名的委員會，其大部分排名工作都集中在這個長尾區域，而前面提到的價差數據在該區域是真實的成本，而非可以忽略的誤差。
為何這些回測結果美化了系統
美化回測結果的最大單一來源是時間區間的選擇。以下是2016年至2025年SPY的日曆年度數據，並附上每年最高與最低收盤價之間的差距：
每個數據背後的精確 SQL 語法
WITH daily AS (
SELECT toDate(toTimeZone(window_start, 'America/New_York')) AS d,
argMax(close, window_start) AS close_px
FROM global_markets.delayed_stocks_minute_aggs
WHERE ticker = 'SPY'
AND toDate(toTimeZone(window_start, 'America/New_York')) >= toDate('2016-01-01')
AND toDate(toTimeZone(window_start, 'America/New_York')) <= toDate('2025-12-31')
AND (toHour(toTimeZone(window_start, 'America/New_York')) * 60
+ toMinute(toTimeZone(window_start, 'America/New_York'))) BETWEEN 570 AND 959
GROUP BY d
),
yr AS (
SELECT toYear(d) AS year,
argMin(close_px, d) AS first_close,
argMax(close_px, d) AS last_close,
max(close_px) AS high_close,
min(close_px) AS low_close,
count() AS sessions
FROM daily
GROUP BY year
)
SELECT year,
sessions,
round(100 * (toFloat64(last_close) / toFloat64(first_close) - 1), 1) AS price_return_pct,
round(100 * (toFloat64(high_close) / toFloat64(low_close) - 1), 1) AS high_low_range_pct
FROM yr
ORDER BY year一個僅在2021年（當年收盤28.7%）進行測試的系統，繼承了一個上漲的趨勢。同一個系統若僅在2022年（當年收盤-20%）進行測試，則繼承了一個下跌的趨勢。每年最高與最低收盤價之間的差距，在2020年達到了68%，即使在較平穩的年份也維持在25.3%以上。
在時間區間問題之上，還有四個陷阱，其中一個是語言模型所獨有的。
- 透過訓練資料產生的前瞻偏差。 一個基於截至2025年文本訓練的模型，已經「讀過」2023年的交易結果如何。在2023年數據上進行回測，等於是在問一個模型已經知道答案的問題，而任何對價格序列的隨機化處理都無法消除這個知識。
- 股票清單的倖存者偏差。 從今日上市股票中組成的標的池，遺漏了那些在過程中已下市的股票。
- 成交假設。 一個假設所有委託單都以中間價成交的回測，完全抹去了上述整個成本數據。
- 提示變體的選擇。 嘗試二十種提示措辭，然後報告表現最好的一種，這與語言模型出現之前困擾參數搜尋的過擬合同出一轍。
語言模型智能體可能真正發揮作用的地方
這個概念誠實的版本比README文件所描述的範圍更窄，但仍然有用。
閱讀大量資訊是最明確的優勢。 一個能在一夜之間處理觀察清單上所有申報文件和頭條新聞，並回傳結構化摘要的智能體，可以節省數小時的人力注意力，而且其輸出可以與原始資料進行比對。
用白話描述市場狀態是第二個優勢。 根據人類也會閱讀的相同數據，每日生成一段關於分散度、廣度與波動性的文字報告，即使不帶任何預測，也是一份有用的簡報文件。
流程紀律是第三個優勢。 一個會拒絕違反設定倉位限制的委託單，或標記出即將在財報日進行交易的策略的智能體，能夠強制執行分心的人類可能忽略的規則。
以上三點都不是市場上的優勢。它們都是研究與營運工作，而這正是今日可衡量效益所在。像低波動異常這樣有文獻記載的效應，需要大量的樣本和反覆的樣本外驗證，才有人將其視為真實存在。一個新的智能體框架也必須達到同樣的標準，否則就無法證明其價值。錯過最佳交易日說明了頻繁轉換對長期持有者造成的成本。
實務操作者描述的紀律
公開運行這些系統的團隊，通常會描述相同的流程。先在模擬成交的環境中進行數月而非數天的前向測試，因為紙上記錄只能以真實時間的速度累積。保留一個提示從未見過的樣本外區間。記錄每一次的提示、每一次的回應以及每一筆委託單，因為一個無法重播的委員會是無法除錯的。使用模型之外的固定規則來決定倉位規模。在宣稱任何一段時期獲利之前，先將上述數據中的所有成本計算在內。
常見問題
多智能體AI交易系統真的能賺錢嗎？
公開的證據很薄弱。大多數開源專案發布的是回測結果，而非經過審計的真實交易記錄，而語言模型策略的回測有一個特定缺陷：模型是在描述測試期間的文本上訓練的。未經審計的權益曲線只能證明軟體能運作，無法證明其優勢。
LLM智能體委員會比單一模型更好嗎？
委員會可以減少一些格式化和解析錯誤，並為輸出增加結構。但當每個智能體都基於相同的底層數據查詢同一個基礎模型時，它並不會增加獨立資訊。五個相關聯的意見投票，大致相當於一個意見，同時還增加了延遲和額外的Token成本。
AI智能體的交易速度能比造市商更快嗎？
不能。語言模型的一次往返耗時數秒，而專業報價系統則是在共置的硬體上以微秒為單位運作。任何依賴速度獲利的策略都超出了這些系統的能力範圍，因此，以天或週為單位的持有期才是它們可能發揮作用的領域。
針對LLM交易智能體，最大的回測陷阱是什麼？
訓練資料的前瞻偏差。傳統回測會防止未來價格洩漏到決策中，但模型的權重已經編碼了關於測試期間的已發布評論。滾動視窗和樣本外分割並不能消除已嵌入權重中的知識，唯一乾淨的測試是訓練截止日期之後的時期。
紙上交易階段需要運行多久？
有用的衡量標準是樣本大小，而非日曆長度。一個每週交易的策略，每年約產生五十個觀察值，這對於任何關於優勢的宣稱來說都是很小的樣本。實務操作者通常希望有足夠多的交易，以便經歷過一次回撤，而不僅僅是一段表現良好的時期。
此頁面上的每個數據面板，都是針對真實美國市場數據執行、經過儲存與版本控制的查詢結果。打開任何一個面板即可查看其背後的SQL語法，或是在Strasmore終端機上針對相同資料表執行你自己的查詢。