金融場景中的多智能體應用探索-陳鴻.pdf

1、金融場景中的多智能體應用探索陳鴻 螞蟻集團資深算法專家從大模型到多智能體金融場景中的多智能體AgentUniverse實際案例大綱狀態設計協同模式嚴謹性專業性從大模型到多智能體大模型智能體/多智能體金融場景問答、摘要、Copilot（建議）分析、歸因、決策語言模型自然語言界面的智能機器對齊訓練快思考慢思考狀態機助手模型協同模式智能體多智能體簡單推理和工具調用無狀態、問答參數化的知識容器復雜要求不勝任感知記憶規劃行動需要規劃的復雜任務理解環境、自主互動有狀態、任務解決分布/集中多環節、多分支合作/競爭信息交換和分工更魯棒？更脆弱？12基于大模型的智能體：超級狀態機 規劃感知行動定義執行步驟智能體

2、定義環境上下文理解環境=識別環境環境的不同狀態專業Knowhow的引入和識別，專家不成文知識的形式化How to senseHow to plan規劃任務=識別任務任務的不同狀態記憶定義自省空間How to reflect整理記憶=識別行動的結果結果狀態專業knowhow定義智能體的能力How to act執行動作=識別行動行動的可選狀態LLM規則多智能體協同模式不同的專業任務需要不一樣的協同方式上下級協同上下級協同Hierarchical Collaboration競爭式協同競爭式協同Competitive Collaboration師生式協同師生式協同Master-Disciple Col

3、laboration Sub-L1智能體1Sub-L1智能體中控智能體Sub-L1智能體2Sub-L2智能體1Sub-L2智能體 專家/專家智能體 傳遞Knowhow 新手智能體策劃思路信息收集表達格式評價標準智能體1智能體2智能體3最終決策/裁決決策1決策2決策3適合拆解的復雜任務難以拆解的復雜任務開放性的復雜任務金融場景中的多智能體信息密集知識密集決策密集更新密集知識沖突多智能體預處理+RAG+自省知識邊界不確定性 不對稱性噪聲密集Retrieval Augmented大模型Knowledge GraphChain of Thought嚴謹性專業性大模型Alignment推理+Tool-C

4、alling知識/能力Knowhow專家框架+職能分工12金融場景通用方案效果不及預期金融場景專用方案嚴謹性：完成不可能的任務嚴謹性安全駕駛vs.LLM 的內在缺陷知識引用知識邊界知識沖突人類司機的內在缺陷注意力自控力預判力+駕駛培訓+交通系統+汽車安全+細分培訓場景老司機經驗主動安全被動安全信號系統車道系統交警監控對齊訓練+產品系統智能體機制+SFTDPO工具調用自我評價RAG圖譜在線攻防專業性：源自分工、回到分工慢思考快思考多任務單任務金融數學計算宏觀分析行情歸因市場輿情研報摘要多智能體協同單智能體單模型端到端多模型并發1，專業來自分工、是面向經濟效率的優化選擇 協同分工是面臨多任務難問題

5、的高ROI 方案2，知識易補、能力難建3，專業性建設的核心是定義并實現差異化能力超級AGI單打獨斗所有任務ROI 團隊合作領域知識注入成本（RAG）能力注入成本 優秀模型多人設（起步）vs.差異化精調的不同基座（迭代）效果反思Agent的專業能力定制驅動記憶驅動記憶驅動規劃驅動規劃驅動工具驅動工具檢索復用ICL效果反思Good casebad caseDynamic Memory與常識背離的專業判斷例：經濟數據偏弱，利多債市由LLM 推理驅動的Agent機制（記憶、規劃、工具）比常識有更多細節的專業方案PEER框架比LLM更加可靠的專業動作產出任務規劃例：財報分析中分析師關注的典型維度計劃執行

6、匯總評價思路要求標準專家框架例：財報解讀中校對金融數據關系挖掘信息抽取工具單位變換工具收益計算工具生成財務觀點開源項目：AgentUniverse完整開源部分開源AgentServeAgentServe 智能體服務化機制SolutionSolution SetSet 行業解決方案集數據集數據集評測集評測集(Fin-Eva)(Fin-Eva)TrainingTraining DataData&Fin-ToolFin-Tool2000億+token優質語料60萬+金融對齊指令5大類金融能力評估（認知、生成、知識、服務、合規）工具集工具集300+金融工具接口（理財、保險、信貸）機構針對性機構針對性部

7、署方案部署方案生態組件集成生態組件集成標準外部連接標準外部連接模型可切換知識庫可切換API可適配AgentAgent基礎組件基礎組件AgentAgent構造器構造器AgentAgent池池AgentAgent協作模式工廠協作模式工廠提供協作模式編排組件，并內置PEER、DOE等特色協作模式AgentAgent FrameworkFramework CoreCore保險銀行基金信托金融媒體證券投研支小助1+4+1專家分析框架金融知識庫PEER范式 研報庫 財報庫 金融信息 公告資訊 螞蟻智庫 通用常識知識庫 1-框架描述 4-框架主體 1-評價標準專家知識解讀思路信息收集表達要求報告解讀大事解讀

8、政策解讀標的分析宏觀分析策略建議信息查詢泛金融市場分析股票分析債券分析基金分析基金經理Level 1Level 2金融領域問題分析專家方法論9類典型的定性分析場景 30個細分專家框架Planning計劃Executing執行表達Expressing評價Reviewing框架選取思路指導信息收集指導知識挖掘知識獲取表達指導評價指導鳳凰大模型金融知識工程6大知識庫 20+類知識 8條知識挖掘鏈路Multi-agentby PEER paradigm金融知識挖掘新聞/政策/事件解讀資產/市場/行業分析公告/研報/財報解讀量化代碼生成財經稿/分析報告撰寫基于PEER范式的新一代金融專家智能助手財報解讀

9、 行情分析 投研支小助Showcase 報告解讀 提問：結合英偉達2024財年Q4財報分析人工智能行業后續走向?英偉達2024財年Q4財報的詳細內容?英偉達2024財年Q4財報中的成長能力指標?英偉達2024財年Q4財報中的盈利能力指標?英偉達2024財年Q4財報中的資產負債結構?英偉達2024財年Q4財報中的經營效率指標?英偉達2024財年Q4財報中的現金流量情況?英偉達2024財年Q4財報中的資產質量?英偉達2024財年Q4財報發布后的市場反應?英偉達2024財年Q4財報對人工智能行業的影響?人工智能行業在2024年的發展趨勢和預測英偉達2024財年第四季度財報表現強勁，營收達到221億美

10、元，超出市場預期的204億美元，同比增長265%。其中，數據中心業務是公司收入的主要來源，營收達到了145.1億美元，遠超去年同期的38億美元，也超過了分析師預期的127億美元。這一業績反映了全球客戶對算力需求的激增。在盈利能力方面，英偉達第四季度的毛利潤率達到了75%，這一數字不僅比市場平均預估高出近20億美元，而且比去年同期高出205%以上。此外，非GAAP凈利潤超過100億美元，比上年同期的14.6億美元增長近600%。在現金流量方面，英偉達在短短9個月內產生了超過157億美元的自由現金流，高于去年同期的約20億美元。盡管本財年迄今為止，回購和股息支出超過70億美元，但現金頭寸增加了約5

11、0億美元，達到183億美元，而總債務減少了超過10億美元。這些數據顯示，英偉達在人工智能行業的領導地位穩固，且盈利能力強勁。這對于人工智能行業的后續走向具有重要的指示作用。根據英偉達的業績表現和市場反應，我們可以預測，人工智能行業的前景看好，增長勢頭強勁。然而，市場對英偉達的高期待也意味著其“容錯率”較低，任何小幅度的業績不達預期都可能引發市場的過度反應。因此，投資者在關注行業趨勢的同時，也需要密切關注英偉達等龍頭企業的業績表現，以便準確判斷行業的后續走向。報告解讀Level 1Level 2財報解讀專家框架匹配智能體主動策劃問題細化智能體自主決策提取分析師關注的典型維度投研支小助Showca

12、se 市場分析 提問：點評一下今天A股行情?A股市場的漲跌數據?A股市場的北向資金、公募基金、主力資金、產業資本流向?A股市場的估值水平，如市盈率、市凈率等指標及其對應的歷史分位數?發布的與A股市場相關的產業政策的內容及解讀?A股市場涉及的行業特色指標，如產品銷量、價格、原材料成本、產品庫存指標?A股市場的財務指標及分析師預期，主要財務指標包括企業盈利能力、企業成長能力、企業營運水平和企業財務報表質量?最新的與A股市場相關的市場突發事件，行業生產或銷售事件，地緣政治事件；近期最新的行業龍頭企業產品發布、技術創新、三重一大事件等2024年2月5日，A股市場經歷了一場大幅震蕩。早盤時，三大指數遭受

13、恐慌性、非理性下跌，午后開盤，三大指數上演“深V”走勢，探底回升集體翻紅，尾盤有所回落。截至收盤，上證指數跌1.02%，深證成指跌1.13%，創業板指漲0.79%。市場共有427只個股上漲，4898只個股下跌，1368只個股跌停。早盤大跌的原因，據分析是當前A股市場再次陷入流動性循環連鎖負反饋的過程中。午后的拉升，估計與國家隊有關，國家隊改變了之前只買上證50ETF以及滬深300ETF的策略，而是將資金轉向了創業板指數ETF、中證500ETF、中證1000ETF，顯示出對市場更為全面的托底。板塊表現上，銀行板塊飄紅，綜合、環保、傳媒等板塊跌幅居前。權重股大幅走強，寧德時代一度漲超5%，中國海油

14、、中信銀行、光大證券等走高。數據要素概念股集體大跌，中科通達、華藍集團、中達安、普元信息等多股跌超10%。資金流向方面，北向資金全天凈買入12.11億，其中滬股通凈買入16.15億元，深股通凈賣出4.04億元。主力資金尾盤持續凈流入銀行、食品飲料、電力設備等板塊，凈流出傳媒、地產、建筑裝飾等板塊。機構觀點方面，中信建投、光大證券和中金公司均認為，當前市場估值、成交等情緒指標仍處于歷史偏底部區間，市場超調信號明顯，疊加“春節效應”的較高勝率，建議先立足“三低”（估值低+預期低+籌碼壓力低）板塊，等待市場企穩。市場分析Level 1Level 2通用行情解讀專家框架匹配智能體主動策劃問題細化投研支

15、小助Showcase 政策解讀 提問：央行下調LPR將對股市帶來怎樣的影響？?央行下調LPR的具體時間和政策內容?央行下調LPR政策的主旨?央行下調LPR政策的工作目標?央行下調LPR政策與上一期政策的具體變化?央行下調LPR政策前后股票市場的歷史表現?類似貨幣政策出臺前后股市的市場表現?央行下調LPR會影響哪些行業的股票?央行下調LPR對投資者心態的影響?央行下調LPR對未來股市走勢的預期影響中國人民銀行近期下調了貸款市場報價利率（LPR），特別是對5年期以上的LPR進行了自2019年LPR改革以來的最大幅度調整，從4.2%降至3.95%，降幅達到25個基點。這一政策調整被預計將對股市產生積

16、極的影響。主要原因在于LPR的下調有助于降低實體經濟的融資成本，從而激發經濟的有效需求。具體來說，這次政策調整的背景涉及多個方面，包括央行領導預告的降準和下調支農支小再貸款、再貼現利率，以及金融時報提及的貸款利率下調空間，旨在刺激消費和購房，同時考慮到CPI和PPI持續低位的狀況。這次LPR的調整策略不僅反映了對當前經濟形勢的積極應對，也是在努力增強中國貨幣政策的自主性和提高對外部沖擊應對的韌性。特別是5年期以上LPR的下調幅度超出預期，這被認為是一種強烈的政策信號，顯示出央行支持長期資產，如股權資產和房地產價格的決心。這種非對稱的降息方式，被視為歷史上“最不對稱”的降息，從而釋放出金融向實體

17、經濟讓利的明確政策導向。從政策的主旨和工作目標來看，央行的這一調整旨在穩定宏觀經濟和樓市，推動經濟回穩向上。這次大幅度的LPR下調打破了LPR與中期借貸便利（MLF）利率之間的線性關系，意味著后續對LPR走勢的判斷將變得更加復雜，需結合負債成本、風險和市場利率等多重因素進行綜合分析。政策對市場的影響預期是積極的，尤其是在當前全球經濟形勢復雜且不穩定的環境下。首先，通過降低企業和居民的融資成本，進一步促進社會融資成本穩中有降，有利于激發實體經濟有效需求。其次，展現了貨幣政策的自主性和靈活性，有助于提高應對外部沖擊的韌性。此外，LPR的下調也有助于穩定經濟增速，為保持合理的經濟增速提供支持?？傮w而

18、言，央行下調LPR的舉措，尤其是對5年期以上LPR的調整，將對股市帶來積極影響，支持長久期資產的價格，并有利于中國經濟的穩健增長。政策解讀Level 1Level 2貨幣政策專家框架匹配智能體主動策劃問題細化智能體自主決策關注時間上的影響變化投研支小助Showcase 宏觀分析 提問：分析解讀中國2024年1月PMI?解讀中國2024年1月PMI指數中的制造業的PMI情況，主要從供需、生產、采購、庫存分析PMI指數的情況，并分別從企業規模和行業解釋PMI指數變化的原因?解讀2024年1月中國的非制造業PMI指數情況，主要解讀非制造業PMI指數的變化情況，并從服務業、建筑業等相關細分行業分析非制

19、造業PMI現狀?分析2024年1月中國經濟基本面的特點，以及PMI指數的變化對股債市和行業的影響。首先，我們來看2024年1月中國的制造業PMI。該月的制造業PMI指數為49.2%，較前值49.0%有所上升，結束了2023年第四季度的連續下滑趨勢，但仍位于榮枯線以下，表明制造業整體仍處于收縮狀態。然而，這個收縮的趨勢正在逐步好轉，有否極泰來的可能。在需求方面，新訂單指數為49.0%，較前值48.7%有所回落，表明需求依然處于收縮狀態。然而，新出口訂單指數環比回升1.4個百分點至47.2%，主要是由于外需訂單明顯回升，這可能預示著未來出口可能有加速上行的趨勢。在生產方面，生產指數為51.3%，較

20、前值50.2%加速上升，顯示生產活動有所擴張。生產指數與新訂單指數的差值為2.3個百分點，表明供大于求的情況，對應價格的下行壓力。在采購方面，出廠價指數為47.0%，較前值47.7%進一步降低，原材料購進價指數為50.4%，較前值51.5%有所回落。這表明需求弱于供給，購進價保持擴張但出廠價加速收縮，反映出終端需求不足的問題。出廠價格指數的下降，預示著PPI環比可能會下降。在庫存方面，由于春節前的備貨需求，可能導致制造業庫存增加。當產成品庫存往上，原材料庫存往下，通常意味著制造業處于被動補庫存周期，需求不好，庫存賣不動，企業在減少原材料采購，但產成品庫存因生產的慣性還在累積。從企業規模角度看，

21、服務業就業表現強于制造業，顯示出大型企業可能在擴大規模，而中小企業可能面臨更大的壓力。從行業角度看，服務業商務活動指數上升0.8個百分點至50.1，三個月來首次高于榮枯線，顯示服務業的復蘇態勢。食品及酒飲料精制茶、造紙印刷及文教體美娛用品、醫藥等行業生產指數位于53%以上，相關行業生產擴張較快。接下來，我們來看2024年1月中國的非制造業PMI。根據國家統計局發布的數據，該月的非制造業PMI指數為50.7%，較上月上升0.3個百分點，表明非制造業延續了平穩擴張的走勢。在非制造業的細分行業中，建筑業商務活動指數為53.9%，雖然比上月下降了3.0個百分點，但仍處于擴張區間；服務業商務活動指數為5

22、0.1%，比上月上升了0.8個百分點。具體來看，鐵路運輸、郵政、貨幣金融服務等行業商務活動指數均位于60.0%及以上的高位景氣區間，而資本市場服務、房地產、生態保護及公共設施管理等行業商務活動指數則低于臨界點。非制造業市場需求降幅持續收窄，新訂單指數為47.6%，比上月上升了0.1個百分點。其中，建筑業新訂單指數為46.7%，比上月下降了3.9個百分點；服務業新訂單指數為47.7%，比上月上升了0.7個百分點。在價格方面，非制造業企業用于經營活動的投入品價格總體水平繼續回落，投入品價格指數為49.6%，與上月持平。銷售價格指數為48.9%，比上月下降了0.4個百分點，表明非制造業銷售價格總體水

23、平有所下降。在就業方面，非制造業企業用工景氣度略有回落，從業人員指數為47.0%，比上月下降了0.1個百分點。其中，建筑業從業人員指數為50.1%，比上月下降了1.6個百分點；服務業從業人員指數為46.4%，比上月上升了0.1個百分點?？傮w來看，非制造業企業對近期市場發展保持樂觀，業務活動預期指數為59.7%，雖然比上月下降了0.6個百分點，但仍位于較高景氣區間。最后，我們來看2024年1月中國的經濟基本面以及PMI指數的變化對股債市和行業的影響。根據中國人民銀行公布的數據，2024年1月末，中國的廣義貨幣（M2）余額為297.63萬億元，同比增長8.7%。狹義貨幣（M1）余額為69.42萬億

24、元，同比增長5.9%。社會融資規模增量為6.5萬億元，比上年同期多5061億元。其中，新增人民幣貸款為4.92萬億元，同比多增162億元，超出預期的4.5萬億左右。這些數據顯示，中國的貨幣供應量在穩步增長，金融市場流動性較為充裕。在財政政策方面，2024年中國將實施積極的財政政策，通過加強基礎設施建設、創新驅動和公共服務等領域的投資，以穩定經濟增長。同時，中國還將實施穩健的貨幣政策，強調“靈活適度、精準有效”，注重做好逆周期和跨周期調節，保持偏松操作。在經濟基本面方面，2024年中國經濟總體處于向潛在增速中樞回歸的過程，預計全年GDP實際增速為5.3%，其中第一季度為5.0%，第二季度為5.3%，第三季度為5.5%，第四季度為5.4%。這表明中國經濟將呈現前低后高的態勢。同時，中國經濟正面臨新舊動能宏觀分析Level 1Level 2指標解讀專家框架匹配智能體主動策劃問題細化專家定制能力最強的多智能體框架目前已在GitHub開源：https:/