摘要
大型语言模型（LLM）交易代理在股票市场展现出良好的表现，但目前仍主要集中于美国股票，实际部署的证据较少。我们提出了Fin-Analyst，这是一个混合代理，旨在FinMMEval 2026任务3中表现出色：它通过八个专家的LLM管道处理新闻、SEC文件、基本面、分析师预测、技术指标和社交情绪，并由一个针对特斯拉（TSLA）的Meta-Agent聚合，同时为比特币（BTC）提供三信号的轻量级规则投票。
在最终的官方排行榜（访问日期2026-07-05）中，Fin-Analyst在TSLA上名列第一，获得了+13.51%的回报，相比于买入并持有策略提高了28.33点（夏普比率4.10，胜率88%），而BTC的投票结果则持平，但仍高于急剧下降的基准。
与中期表现相比，资产排名发生了逆转，表明短期窗口内产生的排名对波动性敏感。消融实验表明，事件驱动的8-K披露是影响TSLA信号的最重要因素。错误分析显示，无记忆代理在多天内重复错误的决策，而固定阈值的BTC规则因在横盘市场上交易噪音而亏损，然而LLM管道在类似条件下获得了收益，这促使我们开发一个记忆感知的、基于LLM的后续代理，以便于同时处理这两种资产。
博主点评： Fin-Analyst的成功表明，结合LLM与规则信号的混合策略在复杂金融市场中能够显著提升交易表现。尤其是在处理波动性和短期信号时，记忆感知的机制为未来交易系统的发展提供了新的思路。对比传统的固定策略，LLM能够更灵活地应对市场变化，展现出更强的适应能力。