Hierarchical AI Multi-Agent Fundamental Investing: Evidence from China's A-Share Market
Chujun He, Zhonghao Huang, Xiangguo Li, Ye Luo, Kewei Ma, Yuxuan Xiong, Xiaowei Zhang, Mingyang Zhao
我们为基础投资提供了一个多代理,人工智能驱动的框架,该框架集成了宏观指标,行业层面和公司特定信息,以构建优化的股票投资组合。 该架构包括:(i)根据不断变化的经济指标和行业表现动态筛选和加权部门的宏观代理;(ii)四个公司级代理 - 基本面,技术,报告和新闻 - 对个别公司进行深入分析,以确保覆盖范围的广度和深度;(iii)使用强化学习将代理产出合并为统一策略的投资组合代理,以产生交易策略;以及(iv)调整投资组合头寸的风险控制代理。 我们通过中国A股市场CSI 300指数对成分系统进行评估,发现其始终优于标准基准和最先进的多代理交易系统,进行风险调整收益和缩减控制。 我们的核心贡献是分层多代理设计,将自上而下的宏观筛选与自下而上的基本分析联系起来,为基于因子的投资组合构建提供了一种稳健和可扩展的方法。
We present a multi-agent, AI-driven framework for fundamental investing that integrates macro indicators, industry-level and firm-specific information to construct optimized equity portfolios. The architecture comprises: (i) a Macro agent that dynamically screens and weights sectors based on evolving economic indicators and industry performance; (ii) four firm-level agents – Fundamental, Technical, Report, and News – that conduct in-depth analyses of individual firms to ensure both breadth and d...
