01
多Agent系统概述
Agent定义、多Agent系统特征、金融领域应用场景、课程整体框架
基础概念
02
投资组合理论基础
Markowitz均值-方差模型、有效前沿、夏普比率、风险平价模型
量化经典
03
单Agent智能体设计
基于强化学习的交易Agent、状态空间设计、动作空间设计、奖励函数设计
RL设计
04
多Agent通信机制
直接通信、黑板模式、共享内存、消息队列、通信协议设计
通信架构
05
Agent角色分工
宏观分析Agent、行业轮动Agent、个股选择Agent、风险控制Agent、执行Agent
角色分工
06
协作决策机制
投票机制、加权融合、协商策略、共识算法、拜占庭容错
协作共识
07
环境搭建与工具链
Python环境配置、OpenAI Gym、Ray框架、Stable-Baselines3、TensorBoard
工具环境
08
数据获取与预处理
Tushare/Akshare数据源、数据清洗、特征工程、时间序列对齐
数据预处理
09
宏观分析Agent实现
宏观经济指标获取、因子构建、趋势判断、市场状态分类
宏观实现
10
行业轮动Agent实现
行业分类标准、行业动量因子、资金流向分析、轮动策略逻辑
行业轮动
11
个股选择Agent实现
多因子选股模型、基本面因子、技术面因子、情绪因子、打分排序
选股因子
12
风险控制Agent实现
VaR计算、最大回撤控制、杠杆管理、止损止盈逻辑、压力测试
风控实现
13
执行Agent实现
订单拆分算法、TWAP/VWAP算法、冲击成本模型、滑点控制
执行算法
14
强化学习基础回顾
MDP、Q-Learning、DQN、PPO、SAC算法原理
RL基础
15
多Agent强化学习框架
集中式训练分布式执行(CTDE)、MADDPG、QMIX、VDN算法
MARL框架
16
Agent间信息共享设计
共享观测空间、共享奖励设计、信用分配、反事实基线
共享信用
17
分层强化学习架构
高层策略Agent、低层执行Agent、时序抽象、选项学习
分层HRL
18
模型训练与调优
超参数搜索、学习率调度、经验回放优化、并行训练加速
训练调优
19
回测系统搭建
事件驱动回测引擎、滑点与手续费模拟、绩效评估指标、基准对比
回测系统
20
策略评估与诊断
收益归因分析、风险归因分析、换手率分析、持仓集中度分析
评估诊断
21
实盘对接
券商API对接、交易接口封装、订单管理、资金管理、日志系统
实盘API
22
异常处理与容错
网络断线重连、数据缺失处理、Agent宕机恢复、人工干预接口
容错鲁棒
23
性能优化
异步IO、缓存策略、向量化计算、GPU加速、分布式部署
性能优化
24
案例实战一：沪深300指数增强
多Agent协同选股与权重分配
实战指数增强
25
案例实战二：行业轮动+个股精选
宏观中观微观三层Agent协作
实战轮动
26
案例实战三：多资产配置
股票、债券、商品、加密货币跨资产Agent
实战多资产
27
案例实战四：高频做市策略
多Agent订单簿分析与报价优化
实战高频
28
前沿探索：大语言模型+Agent
自然语言指令交易、AutoGPT在金融中的应用
前沿LLM
29
伦理与监管
算法交易合规、市场操纵防范、透明度要求、AI伦理框架
伦理合规
30
课程总结与展望
多Agent系统未来趋势、量子计算与金融、AGI在投资中的应用前景
总结展望