中文金融交易分析开源项目（GitHub Star 数量 Top 榜）

一、核心结论

GitHub 上支持中文金融交易分析且 Star 数量靠前的开源项目中，智能分析能力突出（如多智能体协作、AI 策略生成、实时数据处理）的项目按 Star 数量降序排列依次为：

1. TradingAgents-CN（约 15.3k Star）：多智能体 LLM 中文金融交易框架，专为 A 股优化；
2. daily_stock_analysis（约 5500 Star）：AI 驱动的 A/H/美股智能分析系统，支持多渠道推送；
3. FinGenius（约 1000 Star）：A 股多智能体博弈分析工具，融合 16 位 AI 专家协作。

二、项目详细说明

1. TradingAgents-CN：多智能体 LLM 中文金融交易框架

• 项目地址：https://github.com/hsliuping/TradingAgents-CN
• Star 数量：约 15.3k（2026 年 1 月数据）
• 核心特点：
  TradingAgents-CN 是专为中文环境优化的多智能体金融交易框架，基于大型语言模型（LLM）实现智能化投资决策。其核心功能包括：
  • 多智能体协作：模拟专业投研团队分工（如基本面分析师、技术分析师、风控官），通过 LLM 生成决策建议；
  • 中文适配：支持 A 股、港股数据（如通达信 API、Tushare），集成国产大模型（如通义千问），适配国内网络环境；
  • 实时分析：支持实时行情数据处理，通过 Streamlit 提供可视化界面，展示智能体决策过程；
  • 灵活扩展：支持自定义智能体角色与策略，可通过插件扩展数据源（如对接 AKShare 获取 A 股数据）。
• 适用场景：适合量化研究者验证 AI 策略在 A 股的有效性、个人投资者获取多维度分析（如舆情、游资动向）、开发者构建定制化量化系统。

2. daily_stock_analysis：AI 驱动的智能股票分析系统

• 项目地址：https://github.com/ZhuLinsen/daily_stock_analysis
• Star 数量：约 5500（2026 年 1 月数据）
• 核心特点：
  daily_stock_analysis 是基于 AI 大模型的股票分析工具，专注于 A 股、港股、美股的自选股分析，核心功能包括：
  • 自动化分析：每个交易日定时运行，自动获取行情、新闻数据，生成“专业级”分析报告；
  • 多维度数据融合：结合技术面（如均线、MACD）、筹码分布（如股东变动）、舆情（如新闻情绪）、实时行情（如价格波动），生成结构化报告；
  • AI 决策仪表盘：报告包含“一句话核心结论”（如“买入信号 | 高信心度”）、“关键点位”（如买入点、止损点）、“检查清单”（如“是否符合均线多头排列”），帮助用户快速决策；
  • 多渠道推送：支持企业微信、飞书、Telegram、邮箱等推送方式，用户无需登录平台即可获取报告。
• 适用场景：适合个人投资者快速了解自选股情况、非程序员进行简易量化分析、教育机构开展金融数据分析实践。

3. FinGenius：A 股多智能体博弈分析工具

• 项目地址：https://github.com/HuaYaoAI/FinGenius
• Star 数量：约 1000（2025 年 8 月数据）
• 核心特点：
  FinGenius 是专为 A 股设计的多智能体博弈分析工具，由国内 00 后团队开发，旨在通过 16 位 AI 专家（如舆情、游资、风控、技术派）协作，解决 A 股信息繁杂、数据失真等问题。其核心功能包括：
  • 多智能体协作：16 位 AI 专家分工协作（如舆情专家扫描全网情绪、游资猎手解读龙虎榜数据、风控大师评估政策风险），通过多轮辩论优化决策；
  • A 股适配：采用“动态任务树”调度（任务重构耗时 < 200ms），支持 A 股特色因子（如龙虎榜资金流、政策敏感度），并采用“A 股适配度得分”评估模型；
  • 记忆系统：基于“年轮记忆规则算法”，记录用户投资习惯（如建仓位置偏好、风险承受能力），优化后续分析；
  • 实时数据处理：毫秒级处理海量金融数据，支持即时分析（如突发新闻的实时解读）。
• 适用场景：适合A 股投资者获取多维度分析（如舆情、游资动向）、量化研究者探索多智能体协作策略、开发者构建 A 股定制化分析工具。

三、补充说明

• 其他相关项目：
  • vn.py（约 23k Star）：国产 Python 量化交易框架，支持 A 股实盘交易，但智能分析功能较弱（更侧重交易执行）；
  • Qlib（约 15k Star）：微软出品的 AI 量化研究平台，支持 A 股因子库，但智能分析功能较基础（更侧重量化研究）。
• 注意事项：
  • Star 数量的时效性：Star 数量是动态变化的，以上数据为 2026 年 1 月左右的统计，具体以 GitHub 实时数据为准；
  • 项目适用性：不同项目适合不同用户（如 TradingAgents-CN 适合策略模拟，daily_stock_analysis 适合个人投资者，FinGenius 适合多维度分析），需根据自身需求选择；
  • 开源协议：大部分项目采用 MIT、Apache 等开源协议，可免费商用，但需注意部分项目的特殊要求（如 AKShare 的数据使用限制）。

四、总结

若你需要多智能体协作的策略模拟，选择TradingAgents-CN；若你需要个人投资者的简易分析工具，选择daily_stock_analysis；若你需要A 股多维度博弈分析，选择FinGenius。这些项目均是 GitHub 上支持中文金融交易分析且 Star 数量靠前的智能开源工具，覆盖了量化交易的各个环节，适合不同需求的用户。

如需了解更多项目，可通过 GitHub 搜索关键词（如“中文 金融交易 分析 开源”“A 股 智能分析 开源”）进一步筛选。