首先直接回答您的核心問題：TradingAgents 的交易策略沒有使用神經網絡來做出最終決策。它的策略嚴重依賴技術分析作為關鍵輸入，然後由一個大型語言模型（LLM）在一個結構化的多智能體框架內進行解讀和綜合。
以下是其“交易部分”運作方式的詳細分解：
1. 技術分析師智能體 ??
整個流程始於一個名為技術分析師 (Technical Analyst) 的專門智能體。這個智能體的唯一職責是分析價格和交易量數據，以識別趨勢和潛在的交易信號。
-
工作工具：技術分析師配備了一個
technical_indicator_tool（技術指標工具）。該工具能計算各種標準的技術指標。雖然完整列表很長，但提到並使用的關鍵指標包括：-
移動平均線收斂/發散指標 (MACD)
-
相對強弱指數 (RSI)
-
布林帶 (Bollinger Bands)
-
平均動向指數 (ADX)
-
超級趨勢 (Supertrend)
-
-
輸出內容：技術分析師的輸出不僅僅是原始數字或簡單的“買入”/“賣出”信號。相反，它會生成一份詳細的、自然語言的報告，總結其從技術指標中得出的發現。這份報告會強調關鍵觀察結果，例如“RSI 顯示超買狀況”、“MACD 表明看漲趨勢”或“布林帶顯示波動性正在減弱”。
2. 交易員智能體的綜合分析 ?
技術分析師的報告隨後被傳遞給核心決策智能體——交易員智能體 (Trader Agent)。關鍵要理解的是，交易員智能體並非僅根據技術分析采取行動。它的角色是綜合來自所有分析師智能體的信息，包括：
-
基本麵分析師 (Fundamental Analyst)：提供關於公司財務健康狀況的見解。
-
情緒分析師 (Sentiment Analyst)：從新聞和社交媒體中評估市場情緒。
-
新聞分析師 (News Analyst)：報告重要的、可能影響市場的消息。
交易員智能體接收所有這些報告（包括詳細的技術分析報告），並將它們輸入到一個強大的大型語言模型（如 GPT-4）中。然後，模型會被提示扮演一個專家交易員的角色，權衡所有證據，以得出一個最終的、有理有據的決策。
3. 最終的交易決策 ?
最終的交易決策並非基於技術指標的簡單硬編碼規則（例如，“如果 MACD 線上穿信號線就買入”）。相反，它是由大型語言模型驅動的交易員智能體，在綜合了全部信息後做出的判斷。
例如，交易員智能體可能會收到：
-
一份來自技術分析師的看漲報告。
-
一份關於公司基本麵的看跌報告。
-
來自情緒分析師的中性情緒評估。
交易員智能體將權衡這些相互矛盾的信號。其最終輸出將是一個決策（買入、賣出或持有），並附上詳細的推理過程，例如：
“決策：持有 (Hold)。盡管技術指標顯示出強勁的短期看漲勢頭，但公司的基本麵引發了對長期可持續性的擔憂。中性的市場情緒沒有提供足夠明確的信號來建立新頭寸。我們將繼續持有並在明天重新評估。”
本質上，這種交易策略是一種混合方法 (hybrid approach)。它使用傳統的量化信號（技術指標）作為基礎證據，但依賴大型語言模型的推理和語言理解能力，在更廣泛的市場因素背景下解讀這些數據。這使得其交易決策比純粹基於規則或“黑箱式”的神經網絡方法更為精細和情境化。
