> **来源：[研报客](https://pc.yanbaoke.cn)** # 中金 | 大模型系列（8）：量价Multi-Agent架构，事件驱动的智能交易引擎 ## 核心内容总结 本报告提出了一种基于Multi-Agent架构的量价分析框架，用于在正向基本面事件发生后，进一步评估市场对信息的定价状态，为事件驱动型交易提供更细致的筛选依据。该框架由三个智能体组成：量价指标智能体、识图智能体和最终决策智能体，分别负责数值分析、图形识别和多维证据综合判断。 ## 主要观点 - **量价信息的补充作用**：基本面事件虽能提供方向性信号，但其能否转化为超额收益取决于市场定价状态。量价信息能够帮助判断市场是否已充分定价利好信息，以及价格是否仍有上涨空间。 - **Multi-Agent框架的优势**：该框架将交易逻辑拆解为多个可复核、可追溯的分析环节，提高分析的完整性与可解释性，同时降低单一模型处理复杂输入时的注意力分散。 - **评分与收益的正相关性**：全样本统计显示，评分越高的样本对应更好的未来表现。20日维度的收益区分更加清晰，说明量价状态对事件信号的增量解释需要一定的时间窗口。 - **评分稳定性与可重复性**：模型在20日判断上表现出更高的稳定性，5日判断则可能因单日波动和证据权重变化而出现分歧，需通过多次运行集成判断以减少波动影响。 - **事件信号的筛选能力**：量价Agent能够对分析师正向事件信号进行二次筛选，识别出具有更高胜率和超额收益的样本，尤其是强看多组在20日维度表现尤为突出。 - **风险提示与局限性**：尽管该框架在识别高置信度机会方面表现良好，但仍需注意模型可能存在的偏差、数据质量、市场环境变化等因素。评分应作为基本面信号的辅助工具，而非直接用于交易决策。 ## 关键信息 ### 1. Multi-Agent架构组成 - **量价指标智能体**：负责归纳波动率、趋势强度、动量、价格路径、成交量等精确状态。 - **识图智能体**：基于K线结构、上下影线、趋势通道、量柱变化、MACD演化等图形特征进行全局分析。 - **最终决策智能体**：综合事件属性、量价指标与图形结构，形成未来5日与20日的独立方向评分。 ### 2. 评分逻辑与输出结构 - **评分范围**：[-1, 1]，正数代表看多，负数代表看空。 - **方向标签**：强看多、偏看多、中性、偏看空、强看空。 - **评分区间**： - 强看空：[-1, -0.35] - 偏看空：[-0.35, -0.2] - 中性：[-0.2, 0.2] - 偏看多：[0.2, 0.4] - 强看多：[0.4, 1] ### 3. 实证结果与表现 - **全样本表现**： - 未来5日：强看多组平均超额收益为 $1.58\%$，胜率为 $52.0\%$。 - 未来20日：强看多组平均超额收益为 $2.71\%$，胜率为 $54.0\%$。 - **年度表现**： - 2023年：偏看多组表现领先，强多空收益差为 $0.03\%$。 - 2024年：强看多组收益与胜率均占优，强多空收益差为 $0.79\%$。 - 2025年：强看多组表现最佳，强多空收益差为 $6.23\%$，且评分与收益呈现最显著的单调性。 - 2026年：多数分组录得负超额收益，强看多组仍是唯一正收益组别，强多空收益差为 $2.41\%$。 - **Pearson IC**： - 全样本为 $0.0369$，各年度均保持正值，表明评分与未来收益方向一致。 - 2025年IC值最高为 $0.0904$，说明该年评分对收益的解释力最强。 ### 4. 事件信号类型 本研究选取四类正向分析师事件信号进行分析： | 事件信号名称 | 事件定义 | 事件日 | |--------------|----------|--------| | 间隔一年后深度报告覆盖推荐买入 | 近一年无研究报告覆盖的前提下，分析师发布深度报告，评级为推荐买入 | 研报发布日后下一个交易日 | | 主动上调盈利预测 | 分析师发布研究报告，上调盈利预测50%以上，且最新盈利预测在近2个月的分析师盈利预测中位于前30%分位数 | 研报发布日后下一个交易日 | | 研报标题含“业绩超预期” | 分析师发布研究报告，且研报标题中含有“业绩超预期” | 研报发布日后下一个交易日 | | 主动上调盈利预测且标题含超预期 | 分析师发布研究报告，上调盈利预测30%以上，且最新盈利预测在近2个月的分析师盈利预测中位于前30%分位数，同时研报标题含有“业绩超预期” | 研报发布日后下一个交易日 | ### 5. 评分应用与限制 - **评分用途**：作为基本面事件信号的辅助筛选工具，用于识别高置信度机会。 - **评分局限性**： - 评分可能受到数据质量、模型推理偏差和市场环境变化的影响。 - 评分不构成确定性收益预测或交易指令，需结合基本面研究、组合约束和风险控制使用。 - 部分评分存在随机性，需通过多次运行集成判断。 ## 总结 Multi-Agent量价分析框架通过整合数值状态、图形结构和交易逻辑，为正向基本面事件信号提供更细致的筛选依据。其在识别高置信度机会方面表现优异，尤其在20日维度具有更清晰的收益区分能力。尽管存在一定的随机性和局限性，但其评分与收益呈现正相关关系，能够为事件驱动型交易提供有效支持。实际应用中，应结合基本面判断与风险管理，避免将评分作为唯一决策依据。