投研Agent：财报解读与预测模型实战
📚 共计 30 章节
01
Agent架构总览
什么是投研Agent？LangChain vs 原生Agent，为什么选择LangGraph？
LangGraph
架构
02
环境搭建
Python虚拟环境、LangChain/LangGraph安装、OpenAI/DeepSeek API配置。
Python
API
03
数据源接入
财报数据API（东方财富、Tushare）、PDF解析（PyMuPDF）、网页爬虫（BeautifulSoup）。
爬虫
PDF
04
LLM基础调用
Prompt模板设计、结构化输出（Pydantic）、流式输出。
Prompt
Pydantic
05
工具定义
自定义Python函数工具、API调用工具、数据库查询工具。
工具
API
06
记忆系统
对话历史管理、向量数据库（Chroma）存储、长期记忆与短期记忆。
Chroma
记忆
07
Agent状态管理
LangGraph State定义、节点与边、状态更新机制。
状态
LangGraph
08
单Agent工作流
顺序执行、条件分支、循环与重试。
工作流
分支
09
多Agent协作
主管-员工模式、辩论模式、投票聚合模式。
协作
多Agent
10
财报数据清洗
缺失值处理、异常值检测、财务指标标准化。
清洗
标准化
11
财务指标计算
毛利率、净利率、ROE、ROA、资产负债率、现金流比率。
ROE
比率
12
趋势分析
同比/环比增长率、移动平均、季节性调整。
趋势
移动平均
13
杜邦分析
ROE拆解、杠杆效应、资产周转率分析。
杜邦
杠杆
14
现金流分析
经营现金流、自由现金流、现金流质量评估。
现金流
FCF
15
行业对比
同行业公司横向对比、百分位排名、雷达图生成。
雷达图
对比
16
文本情感分析
MD&A文本提取、情感打分、关键词提取。
NLP
情感
17
风险识别
财务造假信号（应收账款激增、存货积压）、审计意见分析。
风险
审计
18
预测模型基础
线性回归、时间序列（ARIMA）、Prophet模型。
ARIMA
Prophet
19
机器学习预测
随机森林、XGBoost、特征工程与超参数调优。
XGBoost
调优
20
深度学习预测
LSTM、Transformer、注意力机制在财报预测中的应用。
LSTM
Transformer
21
模型评估
回测框架、夏普比率、最大回撤、信息系数。
回测
夏普
22
Agent决策逻辑
基于规则的决策、LLM推理决策、混合决策。
决策
LLM
23
报告生成
Markdown转HTML、图表嵌入（Matplotlib/Plotly）、PDF导出。
报告
Plotly
24
交互式界面
Gradio/Streamlit搭建、用户输入处理、实时反馈。
Gradio
Streamlit
25
自动化调度
定时任务（APScheduler）、事件驱动、消息队列。
调度
APScheduler
26
回测系统
历史数据回放、模拟交易、绩效归因。
回测
模拟
27
风险控制
仓位管理、止损策略、黑天鹅事件应对。
风控
止损
28
部署与运维
Docker容器化、云服务器部署、日志监控。
Docker
运维
29
实战案例一
某消费龙头公司财报深度解读与估值预测。
消费
估值
30
实战案例二
某科技公司财报异常检测与风险预警。
科技
异常检测