F² Agent：让AI像顶级交易员一样思考，用多模态融合实现超20%收益碾压

“F²AGENT: FINANCIAL FUSION OF AGENTIC INTELLIGENCE FOR MULTIMODAL TRADING”

在信息爆炸的金融市场中，一个交易员每天需要同时处理价格数据、技术指标、新闻快讯和市场情绪——这四种信息来源截然不同，却又相互影响。传统AI交易系统往往只能处理单一模态，或简单拼接多源数据，却无法像人类交易员一样，理解不同信息之间的微妙关联。

新加坡国立大学和浙江大学的研究团队近日在arXiv上发表了《F² Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading》，提出了一种全新的多模态智能体交易范式。F² Agent部署了四个专业智能体，分别负责市场分析、技术分析、新闻分析和情感分析，并通过一种模态感知的自适应融合机制，动态捕捉细粒度的模态间依赖关系。

实验在六种股票和加密货币资产上展开，F² Agent持续超越16个有竞争力的基线模型，平均年化收益率相对提升超过20%。在GOOG上实现了120.48%的收益率，在TSLA上更是达到了148.41%。这一成果为多模态金融交易开辟了全新路径。

【 扫描文末二维码加入星球获取论文 】

摘要

随着信息源的日益多样化和异构化，有效利用多模态数据对于高质量金融交易至关重要。尽管基于大型语言模型（LLM）的最新进展使智能体能够处理多模态输入，但现有方法由于多模态建模能力有限、融合机制无效以及鲁棒性不足，未能捕捉细微的跨模态依赖关系，且容易受到市场噪声的影响。

本文提出了 F² Agent，一种由智能体金融融合驱动的新型多模态智能体范式。F² Agent 首先部署一个层次化的专业智能体体系，以全面提取特定模态的信号。它进一步引入了一种模态感知的自适应融合机制，结合噪声鲁棒的一致性正则化，动态捕捉细粒度的模态间依赖关系，并生成抗噪声的交易信号。

在六种股票和加密货币资产上的大量实验表明，F² Agent 在多个交易指标上持续优于16个有竞争力的基线模型，平均年化收益率相对提升超过20%。值得注意的是，F² Agent 在 GOOG（谷歌）上实现了120.48%的收益率，在 TSLA（特斯拉）上实现了148.41%的收益率，证明了其在多变市场动态中的有效性和鲁棒性。

简介

交易市场受多种异构信息源的复杂交互驱动，从定量历史价格到定性文本叙述。尽管有效市场假说认为价格包含了所有可用信息，但由于模态间的结构性差异和金融流固有的高噪声水平，有效整合这些多模态信号仍然充满挑战。近期研究已转向AI驱动的方法，这些方法融合不同来源的数据以建模跨模态依赖关系，并支持更可靠的交易决策。

基于这一趋势，学界探索了多种多模态交易的计算方法，包括基于规则的专家系统、机器学习/深度学习模型以及强化学习框架。然而，传统方法大多受限于浅层语义，难以将非结构化文本信号与结构化市场数据对齐，从而难以捕捉微妙的跨模态依赖关系。为弥补这一差距，近期研究开始构建基于LLM的交易系统，如 FinGPT、FinAgent、TradingAgents 和 DeepFund。然而，现有的LLM系统往往强调角色扮演和任务协调，但在跨模态理解和鲁棒性方面存在不足。

问题定义

研究的问题是多模态股票走势预测。设时间跨度为 T 天，对于一个股票 s，在第 t 天，其多模态输入表示为 {x_t^(i)}_{i=1}^I，其中 x_t^(i) 是第 i 个模态（市场、技术、新闻、情感）在时间 t 的特征。K 个智能体 {f_k}_{k=1}^K 各自产生一个隐藏表示 h_k(X_t^s)。多智能体融合模块将这些特征拼接起来：f(X_t^s) = [h_1(X_t^s); h_2(X_t^s); ...; h_K(X_t^s)]。预测头 F_θ 将融合后的表示映射到标签集 L = {UP, DOWN} 上的概率。真实的下一天涨跌标签 Y_t^s 根据调整后的收盘价 p_t^c 定义：

其中 Y_t^s = 0 表示价格下跌，Y_t^s = 1 表示价格上涨。

方法

概述

F² Agent 是一个多模态智能体交易系统，其核心是层次化的专业智能体与模态感知的自适应融合机制相结合，以产生抗噪声的交易信号。具体来说，市场和技术分析智能体使用训练好的预测模型编码OHLCV和技术指标序列。对于文本模态，情感分析智能体利用 DeepSeek-R1 从按股票代码分类的每日新闻摘要中推断市场情绪，而新闻分析智能体则使用经过两阶段微调的、基于Qwen的LLM，并采用思维链（CoT）提示来生成忠实的推理解释。多智能体融合模块通过自适应、模态感知的注意力机制聚合智能体嵌入，并通过一致性正则化增强鲁棒性，为下游回测评估生成统一的表示。

层次化专业智能体

市场分析智能体（Market Analysis Agent）： 负责编码原始OHLCV序列。采用因果Transformer编码器来捕捉长程时间依赖关系和领先滞后效应。对于股票 s 和预测日期 t，构建一个 T 天的窗口 X_{s,t}^MA。经过位置编码和 L_MA 个因果Transformer块处理后，得到市场表示 H_{s,t}^MA。使用[CLS]标记作为固定长度的摘要 h_{s,t}^MA。

技术分析智能体（Technical Analysis Agent）： 专注于基于公式的Alpha因子，如MACD、RSI等。同样采用因果Transformer编码器，输入为 T 天的技术指标窗口 X_{s,t}^TA，得到技术表示 H_{s,t}^TA 和摘要 h_{s,t}^TA。

情感分析智能体（Sentiment Analysis Agent）： 使用DeepSeek-R1分析金融新闻和社交媒体情感。该智能体通过工具增强检索新闻，经过去重和摘要后，对每个摘要 n_{s,t,j} 预测二元情感标签 c_{s,t,j} ∈ {0, 1} 和简短理由。为进行融合，提取每个项目的最后token隐藏状态 u_{s,t,j}，并平均聚合得到情感表示：

新闻分析智能体（News Analysis Agent）： 负责检索和整合新闻证据，并生成透明的解释。同样检索并摘要新闻，然后使用一个基于Qwen的LLM进行推理，产生辅助方向信号 c_{s,t}^NA ∈ {UP, DOWN}、置信度 p_{s,t}^NA 和自然语言解释 e_{s,t}^NA。该LLM经过两阶段微调，优化目标函数为：

其中第一项是语言建模损失，第二项是辅助分类交叉熵损失。

模态感知自适应融合机制

F² Agent 引入了一个模态感知的自适应融合机制，作为协调层，以实现结构化信息交换和跨模态依赖捕获。

模态嵌入提取与对齐： 每个模态 m 经过其智能体 f_m 处理后，得到序列表示 H_m(x)，然后通过池化得到固定长度摘要 h_m(x)。由于不同智能体的输出维度 d_m 不同，通过一个可学习的投影矩阵 P_m 将每个 h_m(x) 投影到一个共享的 d 维空间，得到对齐的模态嵌入 e_m：

自适应模态注意力： 通过计算每个模态的查询、键和值，并引入一个学习到的模态向量 r_m$ 来注入模态先验知识：

通过正则化 {r_m} 来鼓励模态多样性：

噪声鲁棒一致性正则化： 为提高鲁棒性，随机选择一个模态 m^* 并在其嵌入上添加高斯噪声，得到扰动输入 x'。强制原始输入和扰动输入在logit级别上的一致性，并抑制模型对扰动模态的依赖：

整体目标函数： 最终损失函数结合了交叉熵损失和两个正则化项：

多模态智能体交易系统

F² Agent 提供了一个端到端的系统，集成了微调后的LLM、新闻摘要器、模态处理模块和回测引擎。新闻摘要器用于降噪和控制token预算。模态处理模块使用四个专业智能体编码四种模态。回测引擎将预测信号转换为可执行操作，并在历史数据上评估性能。

实验

实验设置

实现细节： 使用6个NVIDIA A40 GPU。

评估指标： 年化收益率（ARR）、累计收益率（CR）、夏普比率（SR）和最大回撤（MDD）。

基线模型： 与16个基线模型进行比较，包括传统量化方法（如B&H、MACD、LSTM、Transformer、DQN、PPO）和基于LLM的智能体（如FinGPT、FinAgent、TradingAgents、DeepFund）。

主要结果

F² Agent 在六个资产上持续优于所有基线模型。在ARR指标上，平均排名为1.00，而最佳竞争者FinAgent的排名为3.17。具体数据：

• 在 TSLA 上，ARR 达到 148.41%，SR 为 1.94。

• 在 GOOG 上，ARR 达到 120.48%，SR 为 2.55。

• 平均ARR相对提升超过20%，SR提升高达18.60%。

消融研究

消融研究验证了各模块的重要性。完整的 F² Agent 在ARR和SR上显著优于简单的拼接融合基准。移除模态先验（M_P）或鲁棒性正则化器（M_R）会降低性能，同时移除两者则导致最大性能下降，证明各组件相辅相成。

鲁棒性研究

在不同模态组合下，F² Agent 表现出更强的鲁棒性。当添加更多模态时，基线模型（如Llama4-Scout-17B和FinAgent）的性能通常会下降，而 F² Agent 能从更丰富的多模态输入中获益。

Token消耗分析

F² Agent 在token效率上优于 TradingAgents 和 FinAgent，这得益于其将计算任务分配给专业智能体的架构设计，仅在需要文本理解时才使用token密集型的LLM推理。

股票涨跌预测增强

通过雷达图对比，带有多智能体融合（MaF）模块的 F² Agent 在准确率（ACC）和马修斯相关系数（MCC）上均显著优于无MaF的变体，证明了融合模块在捕捉方向性趋势方面的关键作用。

定性分析：AAPL案例研究

通过分析2025年4月至10月AAPL的案例，F² Agent 展现出比DeepFund更强的噪声处理和跨模态推理能力。例如，在9月22日，DeepFund因“iPhone 17预购”的夸大叙事而发出买入信号，而F² Agent因缺乏跨模态支持而选择持有，避免了潜在损失。

总结

F² Agent 是一种用于金融交易的多模态智能体范式，它通过层次化的专业智能体和模态感知的自适应融合机制，提高了跨模态理解能力和在噪声市场中的鲁棒性。未来工作将把 F² Agent 扩展到投资组合管理，以实现在现实交易摩擦下的多模态、风险感知资产配置。

我们致力于人工智能、量化交易领域前沿研究，分享前沿论文、模型代码、策略实现。如有相关需求，请私信与我们联系。

请加微信“LingDuTech163”，或公众号后台私信“联系方式”。

关注【灵度智能】公众号，获取更多AI资讯。