pipiku915/FinMem-LLM-StockTrading
✨ 用分层记忆机制增强LLM交易Agent的决策表现，适合量化交易研究
🧭 AI 判断
仅供研究论文实验代码,已两年未维护,适合复现研究而非实盘部署
用分层记忆与性格设计增强LLM交易Agent,适合研究LLM驱动的美股交易决策
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+3(现 963 · 断点=当日未采集)
📖 工具介绍
一款基于大语言模型(LLM)的股票交易 Agent 框架，提出了 FinMem 方法。其核心特点是通过分层记忆机制(Layered Memory)和角色设定(Character Design)增强模型在交易决策中的表现，支持对历史市场信息的分层处理与遗忘。适合量化研究者和 LLM Agent 开发者用于研究、复现和改进基于大模型的交易策略。
FinMem: A Performance-Enhanced LLM Trading Agent with Layered Memory and Character Design
📚 延伸阅读
站外优质教程,按从入门到进阶排列。内容版权归原作者所有,以下为本站人工摘要,点击标题前往原文阅读。
- 每天学习一个Agent项目——FinMem
梳理这个带分层记忆的交易智能体的三个模块，讲它如何用工作记忆与长期记忆做复盘，并指出它仍是学术项目。
- Paper Reading | FINMEM: 一种具有分层记忆和角色设计的LLM交易Agent
逐节精读这篇论文，梳理分析、记忆与决策三大模块，以及分层长期记忆的检索计分与实验对比结论。
- 2024-arXiv-FinMem：具有分层记忆和角色设定的LLM交易智能体
系统翻译该论文：三层记忆如何按衰减速度分层，工作记忆的总结、观察、反思三类操作，以及实验设置与消融结果。
⚖️ 同类对比
| 维度 | FinMem-LLM-StockTrading | Vibe-Research | Vibe-Trading | LangAlpha |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 推荐 | 值得关注 |
| 热度 | 963 | 2.7k | 35.5k | 1.8k |
| 7日增长 | +3 | +74 | +562 | +10 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 策略研究 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent | 策略研究 / AI Agent |
| 支持市场 | 美股 | A股 / 美股 | 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 中 | 中 | 高 | 中 |
🧩 更多同类工具
一款面向 A股/美股/港股 的个人投研 Agent，基于开源的 Codex Harness 打造。它提供每日复盘、资讯雷达、个股数据、板块中心、持仓管理与回测等功能，把数据和工具配齐后由用户自己的 Agent 驱动研究。适合希望搭建个人化投研工作流的投资者与开发者使用。
一款由 HKUDS 开源的 AI 量化交易 Agent 项目，定位为“个人交易智能体”。它基于 LLM 驱动，可辅助用户进行市场分析、策略研究与交易决策流程的自动化。适合对量化交易和 LLM/Agent 应用感兴趣的开发者与研究者参考使用。
一款面向金融市场的 AI Agent 工具，定位类似“金融领域的 Claude Code”。它基于大语言模型，支持通过自然语言驱动投研分析、市场数据处理等工作流。适合量化研究员、分析师及希望用 LLM 辅助金融研究的开发者使用。
其他工具 · HuggingFace 3.6k 下载
一款基于强化学习的股票交易研究项目，通过 agent 学习盘口与行情数据，探索其能否掌握 reading tape 的能力。项目代码开源，便于复现与改进。适合对强化学习、量化交易感兴趣的研究者和开发者参考学习。
开源的 AI 股票交易机器人项目,重点在于梳理和展示 AI 交易机器人开发过程中各关键阶段的设计模式(Design Pattern)。项目内容涵盖策略构建、回测等开发环节的结构化思路,适合希望学习如何系统化搭建 AI 量化交易系统的开发者与量化爱好者参考。