Toward Expert Investment Teams: A Multi-Agent LLM System with Fine-Grained Trading Tasks
论文重点
本文提出了一种基于细粒度任务分解的多智能体LLM交易框架，通过将投资分析明确拆解为专业分析师日常执行的标准任务（而非笼统的高层次指令），显著提升了系统的风险调整后收益。研究发现，分析输出与下游决策偏好之间的对齐程度是系统性能的关键驱动因素，而技术分析Agent在细粒度任务设计中扮演着最为核心的角色。
核心研究内容
问题定义
当前主流的LLM多智能体交易系统虽然模仿了分析师与经理的协作架构，但在任务设计上普遍采用粗粒度指令（如简单地要求“分析财务报表”）。这种做法带来两个核心问题：其一，过于模糊的指令会导致LLM输出质量下降，面对复杂任务时甚至可能中途停止推理；其二，缺乏可解释性——当指令模糊时，通常只能看到最终输出，中间推理过程无法被追踪和理解。在涉及大量资金的资产管理实践中，这种“黑箱”特性使得实际部署变得困难。
创新方法
本文的核心创新在于将真实世界投资分析师的工作流程编码为固定的分析协议，而非依赖通用的思维链（CoT）提示。具体而言：
七类专业化Agent的分层架构：系统采用自下而上的“经理-分析师”框架。底层包括量化Agent、质化Agent、新闻Agent和技术Agent四类专家；中层包括行业Agent（进行行业层面的分数调整）和宏观Agent（评估宏观经济环境）；顶层由投资组合经理Agent综合所有信息做出最终决策。
细粒度任务的具体化：对于技术Agent，细粒度任务直接传入预计算的技术指标（包括RoC、布林带Z-score、MACD、RSI、KDJ等）；对于量化Agent，则传入五个维度的标准化财务指标（盈利能力、安全性、估值、效率、成长性）。相比之下，粗粒度任务只提供原始数据（如一年的日价格数据或原始财务报表），让LLM自行计算和分析。
严格的回测设置：使用GPT-4o（知识截止日期为2023年8月）作为推理模型，回测期间设定为2023年9月至2025年11月，有效避免了前瞻性偏差。
研究成果
实验采用日本TOPIX 100成分股作为投资标的，执行月度再平衡的多空策略，每个配置进行50次独立试验：
细粒度 vs 粗粒度对比：在5种不同投资组合规模（10、20、30、40、50只股票）的测试中，细粒度任务设置在4种规模下显著优于粗粒度设置（Mann-Whitney U检验，p<0.0001、0.001或0.05）。唯一的例外是10只股票的小规模组合，作者归因于样本量过小导致的噪声和不确定性。
留一法（Leave-One-Out）验证：在逐一移除底层专业Agent的测试中，绝大多数配置下细粒度架构的夏普比率仍高于粗粒度基线。唯一的显著例外是移除技术Agent后，性能在大规模组合中发生逆转，表明技术Agent是细粒度任务分解性能优势的核心驱动力。
消融研究：在细粒度设置中，移除技术Agent会导致显著的性能下降；而移除宏观Agent、量化Agent或质化Agent反而可能带来正向差异，说明这些Agent在引入有用信息的同时也可能引入噪声或冗余信号。
实际落地应用的可能性
本文的研究具有较高的实践参考价值。其框架设计直接对标专业投资机构的实际工作流程，且所有数据源均采用公开数据（Yahoo Finance股价、EDINET财务报表、Ceek.jp新闻聚合、FRED宏观数据等）。作者还承诺在论文接收后公开发布实现代码和提示词。对于金融机构而言，该框架提供了一个可解释、可控制的AI投资决策系统设计范式——关键在于将专家知识编码为明确的任务结构，而非依赖LLM的“自由发挥”。
技术细节
多智能体框架的核心提示工程设计
本文最核心的技术贡献在于提示词的细粒度化设计。以技术Agent为例：
细粒度任务（传入预计算指标）：
- 动量指标：计算多个回看窗口（5、10、20、30天；1、3、6、12个月）的价格变化率
- 波动率指标：布林带Z-score，公式为 (Z=(P-\mu_{20})/\sigma_{20})，将价格相对于20日移动平均线的偏差按标准差归一化
- MACD：12日EMA与26日EMA之差，以及9日EMA信号线和柱状图
- RSI：14日回看窗口的相对强弱指数
- KDJ：随机振荡指标%K、%D以及背离值 (J=3D-2K)
粗粒度任务（仅传入原始数据）：直接向Agent提供用于计算上述指标的一年期日价格数据。
对于量化Agent，细粒度任务提供五个维度的标准化财务指标：
| 维度 | 指标 |
|---|---|
| 盈利能力 | ROE、ROA、营业利润率、FCF利润率 |
| 安全性 | 权益比率、流动比率、D/E比率 |
| 估值 | P/E比率、EV/EBITDA倍数、股息率 |
| 效率 | 总资产周转率、存货周转天数 |
| 成长性 | 收入增长率（CAGR）、EPS增长率 |
粗粒度任务则只提供原始财务报表数据点（利润表、资产负债表、现金流量表的具体科目）。
数据流与决策层级
系统的信息流遵循自下而上的抽象与聚合路径：
- Level 1：四类专业Agent（量化、质化、新闻、技术）对每只股票生成0-100的吸引力分数及文本推理
- Level 2：行业Agent整合底层分析师的输出，并基于行业基准调整分数；同时，宏观Agent独立分析利率、经济周期、汇率等宏观指标
- Level 3：投资组合经理Agent综合行业Agent和宏观Agent的输出，生成TOPIX 100所有股票的最终分数，选择分数最高的N/2只做多、最低的N/2只做空
研究设定
实验配置
| 配置项 | 设定 |
|---|---|
| 投资标的 | TOPIX 100成分股（日本市值最大100只股票） |
| 策略类型 | 市场中性多空策略（等数量做多和做空，等权重） |
| 再平衡频率 | 每月第一个交易日开盘时执行 |
| 回测期间 | 2023年9月至2025年11月（共27个月） |
| 推理模型 | GPT-4o（知识截止日期：2023年8月） |
| 温度参数 | 设为1（保留输出多样性，通过中位数聚合来缓解变异性） |
| 试验次数 | 每个配置50次独立试验 |
数据来源
- 股价数据：Yahoo Finance日频数据
- 财务报表：通过日本金融厅EDINET API获取季度、半年度、年度报告
- 新闻数据：Ceek.jp聚合的日经、路透、彭博等主流财经媒体头条和预览
- 宏观数据：FRED和Yahoo Finance，涵盖利率与政策、通胀与大宗商品、增长与经济、市场与风险四个维度
综合分析
为什么细粒度任务有效？
本文的实验结果揭示了一个有趣的现象：细粒度任务之所以有效，并非简单地因为“提供了更多信息”——毕竟粗粒度任务也提供了原始数据，理论上LLM可以自行计算出相同的指标。真正的原因在于任务结构的规范化降低了LLM的认知负荷。
当LLM面对原始数据时，它需要同时完成两个任务：（1）从数据中提取有意义的信息；（2）基于这些信息做出投资决策。而细粒度任务将第一个步骤（信息提取与计算）从LLM的“推理负担”中剥离出来，让LLM专注于第二步——即基于已有指标进行判断和打分。这类似于人类分析师的工作方式：他们不会从原始数据开始每次重新计算所有指标，而是依赖标准化的分析框架和预计算的指标来进行决策。
技术Agent的核心地位
消融研究的结果颇具启发性：在细粒度设置中，只有技术Agent的移除会导致显著的性能下降；而移除其他Agent（宏观、量化、质化）有时反而能提升性能。这可能反映了几个深层原因：
第一，日本股市在2023-2025年的回测期间可能呈现出较强的技术面驱动特征，动量、均值回归等技术信号在该市场环境中更为有效。第二，量化Agent和宏观Agent提供的信息可能与技术信号存在重叠或冲突，在多Agent协调机制尚不完善的情况下，反而引入了不必要的噪声。第三，新闻Agent在粗粒度设置中表现出更强的负面效应（移除后性能大幅提升），这可能暗示新闻数据的信噪比较低，或者LLM在处理新闻情感时容易受到噪音干扰。
这一发现对实践有直接指导意义：并非Agent越多越好。构建多智能体交易系统时，需要仔细评估每个Agent的边际贡献，而非盲目堆砌专业模块。
对现有研究的超越
与FinRobot等先前工作相比，本文的差异化在于：（1）将专家工作流编码为固定协议而非通用的CoT提示；（2）聚焦于可操作的交易决策而非报告生成；（3）纳入了宏观经济和行业层面的信息，超越了单一公司层面的分析。这种设计思路——将领域知识“结构化”地注入提示工程——代表了LLM Agent系统从“通用推理”向“专业赋能”演进的一个重要方向。
实践应用
对金融机构的启示
提示工程设计优先级：与其花费大量精力调优模型参数或增加Agent数量，不如首先思考如何将专业分析师的标准化工作流程编码为Agent的细粒度任务。本文的核心教训是：任务结构的质量比模型的规模更重要。
技术分析不可忽视：尽管量化投资领域常强调基本面因子，但本文的证据表明，在LLM驱动的交易系统中，技术面信号可能扮演着更为关键的角色。实践中应确保技术分析Agent获得充分、高质量的预计算指标。
审慎评估Agent的边际贡献：在构建多Agent系统时，建议采用本文的消融研究方法，逐一评估每个Agent的实际贡献。移除某些Agent后性能反而提升的情况并不罕见——这意味着该Agent可能引入了噪声或与其他Agent产生有害的交互。
可解释性即价值：细粒度任务设计不仅提升了性能，更重要的是让中间推理过程变得可追踪。在受监管的资产管理行业中，这种可解释性本身就是核心价值——它使投资决策能够被审计、被验证、被优化。
落地注意事项
- 数据时效性：本文使用GPT-4o（2023年8月知识截止），回测从2023年9月开始。实际部署时需注意LLM的知识截止日期与实时市场数据之间的鸿沟，可能需要结合RAG（检索增强生成）或微调来补充最新信息。
- 计算成本：每月对TOPIX 100的100只股票运行多Agent推理，虽然月度再平衡不需要实时处理，但Token消耗量仍然可观，需评估成本收益比。
- 市场适应性：本文的结论基于日本股市数据（2023-2025年），技术Agent的核心地位可能具有市场特异性。在不同市场或不同市场环境下，最优的Agent配置可能需要重新校准。
参考资料来源
- 原始论文: https://arxiv.org/pdf/2602.23330
