将传统技术分析与AI集成：基于多智能体LLM的股票市场预测方法
计算工程、金融与科学
2025-06-23 v1
摘要
传统技术分析方法在准确预测今天复杂金融市场的趋势方面存在局限。本文引入ElliottAgents，一个集成Elliott波动原理与AI的多智能体系统，用于股票市场预测。金融市场的复杂性表现为非线性动力学、噪声以及对不可预测外部因素的易受性，这些因素为准确预测带来了重大挑战。为应对这些挑战，该系统运用LLM来增强多智能体框架内的自然语言理解和决策能力。通过利用检索增强生成（RAG）和深度强化学习（DRL）技术，ElliottAgents对市场数据进行持续、多方面的分析，以识别波动模式并预测未来价格走势。该研究探索了系统处理历史股票数据、识别Elliott波动模式并为交易者生成可操作见解的能力。实验结果基于来自美国主要公司的历史数据进行，验证了该系统在各种时间框架上进行模式识别和趋势预测方面的有效性。本文通过示范如何有效地将传统技术分析方法与现代AI方法结合，以创建更可靠和可解释的市场预测系统，为AI驱动的金融分析领域作出了贡献。
引用
@article{arxiv.2506.16813,
title = {Integrating Traditional Technical Analysis with AI: A Multi-Agent LLM-Based Approach to Stock Market Forecasting},
author = {Michał Wawer and Jarosław A. Chudziak},
journal= {arXiv preprint arXiv:2506.16813},
year = {2025}
}
备注
12 pages, 8 figures, 1 table. This is the accepted version of the paper presented at the 17th International Conference on Agents and Artificial Intelligence (ICAART 2025), Porto, Portugal