首个面向金融应用的开源 AI Agent 框架
四层架构 · Financial CoT 推理 · 三 Agent 研报流水线 · 多模态支持
微软 AutoGen 集成 · 7,770+ GitHub Stars
AI4Finance 基金会开源的金融大模型 Agent 框架
FinRobot 是由 AI4Finance Foundation 开发的开源金融 AI Agent 平台， 受到微软研究院（Microsoft Research）和哥伦比亚大学等机构的学术支持。 它将大语言模型（LLMs）、强化学习与量化分析统一到四层架构中， 通过 Financial Chain-of-Thought（FinCoT） 推理机制， 将复杂的金融问题分解为可执行的逻辑步骤。
首个专门针对股票研究（Equity Research）的多 Agent 框架， 生成的研报深度可与 JPMorgan、UBS 等顶级券商媲美。 集成 Microsoft AutoGen 实现多 Agent 对话编排， 支持 FinGPT / Llama / ChatGLM / Falcon 等模型即插即用。
| 属性 | 详情 |
|---|---|
| 仓库 | github.com/AI4Finance-Foundation/FinRobot |
| 学术论文 | arXiv:2405.14767 (2024.05) + arXiv:2411.08804 (2024.11) |
| 许可证 | Apache-2.0（开源免费） |
| Star 数 | 7,770+ |
| Fork 数 | 1,317 |
| 语言 | Python · Jupyter Notebook |
| 仓库大小 | ~9.3 MB（含实验与教程） |
| 组织 | AI4Finance Foundation |
| 论文地址 | arXiv:2405.14767 |
从模型底座到 Agent 应用层的完整技术栈
智能调度 + 专业化 Agent 分工，实现复杂金融任务自动化
从数据聚合到投资论点，三个专业 Agent 接力生成专业级股票研报
📊 准确性 Accuracy：9–10 / 10 ·
🧠 逻辑连贯性 Logical Coherence：9–10 / 10 ·
📝 叙事质量 Storytelling：7–10 / 10
对标机构：JPMorgan · UBS · CapitalCube · Wright Reports
独立的 finrobot_equity 子包专为股票研究与估值设计，
包含 Web 应用界面（web_app/）、核心引擎（core/src/）、
配置管理（core/config/）和测试套件（core/tests/）。
通过三 Agent CoT 流水线，自动生成包含内在估值、财务可视化图表和风险评估的 PDF 研报。
从实时行情到 SEC 文件，从 FinGPT 到 ChatGLM
从零到第一个金融 Agent 运行
# 创建 conda 环境（Python 3.10） conda create --name finrobot python=3.10 conda activate finrobot # 克隆仓库 git clone https://github.com/AI4Finance-Foundation/FinRobot.git cd FinRobot # 安装 pip install -U finrobot # 或开发模式： pip install -e . # 股票研究模块额外依赖 pip install -r requirements-equity.txt
# 编辑 OAI_CONFIG_LIST — 配置 LLM（OpenAI/Azure/本地模型） cat OAI_CONFIG_LIST # 编辑 config_api_keys — 配置金融数据源 cat config_api_keys # 必填：FINNHUB_API_KEY / FMP_API_KEY / SEC_API_KEY
# 市场预测 Agent — 预测股价涨跌 jupyter notebook tutorials_beginner/agent_fingpt_forecaster.ipynb # 金融分析师 Agent — 从 10-K 生成微软研报 jupyter notebook tutorials_beginner/agent_annual_report.ipynb # RAG 问答 — 基于财报/电话会的智能 Q&A jupyter notebook tutorials_beginner/agent_rag_qa.ipynb # 多模态图表 — K 线图智能分析 jupyter notebook tutorials_advanced/lmm_agent_mplfinance.ipynb
LLM：OpenAI API Key（或 Azure / 兼容的本地模型） ·
金融数据：FINNHUB_API_KEY + FMP_API_KEY（Financial Modeling Prep） ·
SEC 文件：SEC_API_KEY（sec-api.io） ·
可选：Yahoo Finance（免费，无需 key）、OpenBB、Reddit
两大开源金融 AI 工具的差异化分析
| 维度 | FinRobot | Pandadata × PandaAI |
|---|---|---|
| 定位 | 金融 AI Agent 研究框架 | 量化数据平台 + Agent 技能生态 |
| 核心能力 | 多 Agent CoT 研报生成、市场预测、策略分析 | 218 数据接口、可视化工作流、多 Agent 交易决策 |
| 语言模型 | FinGPT / Llama / ChatGLM / Falcon | Claude / GPT（通过 Agent Skills 调用） |
| 数据生态 | Finnhub / FMP / SEC / Yahoo Finance | Pandadata 原生（A股/期货/期权/港美股/宏观） |
| 数据侧重 | 美股（SEC 文件、电话会） | A 股 + 期货 + 期权（中文市场全覆盖） |
| 部署方式 | Python 库 + Jupyter | Python SDK + Claude Code/WorkBuddy/Cursor 等 Agent 运行时 |
| 许可证 | Apache-2.0 | GPL-3.0 |
| 组织 | AI4Finance Foundation · 微软研究院支持 | QuantSkills · PandaAI 社区 |
FinRobot 擅长美股深度研究（SEC 文件分析 → 三 Agent CoT → 自动研报输出），
适合需要研究叙事和投资论点的场景。
Pandadata + PandaAI 擅长中文市场全覆盖（A 股/期货/期权/宏观数据 → 策略回测 → 多 Agent 交易决策），
适合需要精准数据 + 交易执行的场景。
两者互补：FinRobot 做美股研报生成，Pandadata 做中文市场数据与策略，覆盖全球量化投研。
三 Agent CoT 流水线 · 专业级股票研报 · 微软 AutoGen 多 Agent 编排
从 10-K 文件到 Buy/Hold/Sell 建议，全流程自动化