🤖 AI

F $^2$ Agent: Financial Fusion of Agentic Intelligence for Multimodal Trading

F $^2$ Agent 是一种新颖的多模态交易框架，它利用专门化智能体的层级结构和一种噪声鲁棒的自适应融合机制来有效捕捉跨模态依赖关系，在多种金融资产的年化收益率方面显著优于现有基准。

原作者： Changshuo Liu, Yanzheng Jin, Shangfeng Cai, Peng Fang, Xiaokui Xiao, Beng Chin Ooi

发布于 2026-08-07

📖 1 分钟阅读☕ 轻松阅读

原作者： Changshuo Liu, Yanzheng Jin, Shangfeng Cai, Peng Fang, Xiaokui Xiao, Beng Chin Ooi

原始论文采用 CC BY 4.0 许可（http://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

想象一下，股票市场就像一个巨大的、混乱的厨房，厨师们正试图预测下一顿大餐的味道。为了做出准确的判断，他们需要观察许多不同的食材：食物的价格（数字）、天气预报（新闻）、顾客的情绪（情绪）以及厨师自己的秘密食谱（技术形态）。长期以来，试图通过烹饪交易策略来学习的计算机只能一次品尝一两种食材，或者只是将它们胡乱堆在一起，却并不真正理解它们是如何融合的。本文介绍了一种新型的“超级大厨”系统，名为 F2Agent。它的核心理念是：你需要的不是一个试图包揽一切的大脑，而是一支由专业专家组成的团队，每位专家专注于一种食材，然后由一位聪明的经理负责精准地融合他们的意见，而不至于被噪音或谎言所迷惑。其目标是？让计算机不再被假新闻或随机的价格波动所欺骗，并能通过洞察全局来真正实现盈利。

本文展示了 F2Agent，这是一种全新的交易系统，它像一支由高科技专家组成的团队，共同协作来预测股价的涨跌。你可以把它想象成一支运动队，你不仅仅需要一名试图完成所有工作的球员，还需要一名专门负责进球的前锋、一名负责防守的后卫，以及一名负责策略的教练。在 F2Agent 的案例中，有四个专门的“智能体”（即小型 AI 工人）：

市场分析师： 严格观察股票价格和成交量的原始数据（就像观察比分和计时器）。
技术分析师： 研究数据中的模式和趋势（就像检查球员的统计数据和势头）。
新闻分析师： 阅读文章和报告，以理解股票背后的故事（就像听教练的采访）。
情绪分析师： 根据社交媒体和头条新闻来感知人群的“情绪”（就像感知球迷是在欢呼还是在喝倒彩）。

F2Agent 的魔力不仅在于拥有这四位专家，更在于他们如何相互交流。旧有的系统通常只是将这些信息全部倒入一个桶中，这会导致计算机感到困惑或被“噪音”（比如一个传闻不实的喧闹球迷）所淹没。F2Agent 使用了一种特殊的**“模态感知自适应融合”**机制。想象一下一位管弦乐团的指挥，他知道何时该让鼓声响亮，何时该让小提琴接管，从而确保没有任何一种乐器会盖过其他乐器。这个系统能够动态地判断在任何给定时刻哪位专家才是正确的。如果新闻在尖叫“买入！”，但价格数据却在尖叫“卖出！”，F2Agent 不会惊慌；它会仔细权衡证据以寻找真相。

为了确保团队不被假新闻或突发性的市场波动所欺骗，该系统还使用了**“噪声鲁棒一致性正则化”**。你可以把它看作是一个“测谎仪”测试。系统会问自己：“如果我忽略这一条嘈杂的信息，我的决策是否仍然合理？”如果答案是否定的，它就知道那条信息可能只是一个干扰项，并将其忽略。这有助于系统即使在市场疯狂时也能保持冷静和稳定。

研究人员在包括苹果（AAPL）、谷歌（GOOG）、特斯拉（TSLA）在内的六种不同资产（甚至包括比特币 BTCUSD）上测试了这个系统。他们将 F2Agent 与 16 种其他方法进行了对比，这些方法涵盖了从简单的基于规则的策略到其他先进的 AI 模型。结果非常令人印象深刻：

平均而言，与表现最好的竞争方法相比，F2Agent 将年化收益率（一年内赚取的资金）提高了超过 20%。
具体而言，它在谷歌（GOOG）上实现了 120.48% 的回报，在特斯拉（TSLA）上实现了 148.41% 的回报。
它在所有六种资产中始终排名第一，击败了传统的数学模型策略和其他 AI 智能体。

论文指出，这种成功源于该系统处理不同类型信息而不产生困惑的能力。不像其他可能会被单一的响亮标题或微小的价格跳动所分心的模型，F2Agent 的团队协作模式使其能够洞察大局。作者指出，虽然该系统在测试中表现优异，但其设计初衷是针对现实世界中混乱、多噪的市场环境具有鲁棒性。他们不仅仅是在模拟一个完美的世界；他们还在包含各种错误发生的历史数据中对其进行了测试，而 F2Agent 依然能够保持冷静并获取利润。

简而言之，F2Agent 表明，交易的未来不在于一个试图同时阅读所有信息的超级智能 AI，而在于一个协调一致的专家团队，他们知道如何倾听彼此、忽略噪音，并根据完整的故事做出决策。这是朝着让交易系统不仅具备智慧，而且具备辨别何时信任数据、何时信任故事的“睿智”迈出的重要一步。

技术摘要：F2Agent

问题陈述

金融交易依赖于来自异构信息源的复杂相互作用，其范围从量化的历史价格到定性的文本叙述。虽然有效市场假说认为价格已包含了可用信息，但由于不同模态之间的结构性差异以及金融流中固有的高噪声水平，有效地消化这些多模态信号仍然具有挑战性。

现有的基于大语言模型（LLM）的交易智能体面临三个主要局限性：

多模态建模能力有限： 大多数方法要么主要关注价格/技术指标，要么仅依赖文本情绪，未能充分利用互补信息，并忽视了模态间的相互作用（例如，“利好兑现”场景，即积极的情绪与看跌的价格走势同时出现）。
融合机制无效： 现有解决方案通常依赖于提示词层面的拼接，将数值时间序列视为文本 Token。这种权宜之计无法解决模态鸿沟问题，导致 LLM 的文本偏见在联合表示中占据主导地位，从而淹没了微妙的量化线索。
鲁棒性不足： 金融流具有随机性且信噪比低。现有的智能体缺乏显式机制来区分持久的市场趋势与瞬态扰动（例如，微观结构噪声），导致对无关线索过度反应，并在波动剧烈的市场中产生不稳定的决策。

方法论

本文提出了 F2Agent，一种由“金融融合智能体化（Financial Fusion of Agentic Intelligence）”驱动的新型多模态智能体范式。系统架构由三个核心组件组成：

1. 专业化智能体层级

F2Agent 部署了一个专业化智能体层级，用于从异构来源中提取互补的、特定模态的信号，而不是通过单一模型处理所有数据：

市场分析智能体（Market Analysis Agent）： 使用因果 Transformer 编码器对原始 OHLCV（开盘价、最高价、最低价、收盘价、成交量）序列进行编码，以捕捉长程时间依赖性和非线性价量耦合。
技术分析智能体（Technical Analysis Agent）： 使用因果 Transformer 处理基于表达式的 Alpha 因子（如 MACD、RSI），以建模技术指标之间的非线性相互作用。
情绪分析智能体（Sentiment Analysis Agent）： 利用 DeepSeek-R1 结合工具增强型检索，查询外部新闻 API，总结文章，并推断每条新闻的二元情绪标签及其逻辑依据。
新闻分析智能体（News Analysis Agent）： 利用经过微调的 Qwen 系列 LLM（Qwen2.5-7B-Instruct）配合思维链（CoT）提示。它检索并整合新闻证据，生成透明的自然语言推理解释及辅助方向信号（UP/DOWN）。

2. 模态感知自适应融合机制

为了解决简单拼接的局限性，F2Agent 引入了一个协调专业化智能体的融合层：

对齐（Alignment）： 每个智能体的输出都被投影到一个共享的潜在空间。对于基于 LLM 的智能体，使用最后 Token 池化；对于 Transformer 编码器，则利用 [CLS] 表示。
自适应注意力（Adaptive Attention）： 该机制计算特定模态的查询（Query）、键（Key）和值（Value）。它引入了可学习的模态向量 ( $r_m$ ) 注入到键和值中，以编码与实例无关的特定模态偏差，在保留与实例无关的证据的同时，鼓励模态间的多样性。
动态加权（Dynamic Weighting）： 系统能够动态捕捉细粒度的跨模态依赖关系，允许模型根据当前市场背景对不同模态进行加权。

3. 噪声鲁棒一致性正则化

为了增强针对市场噪声和机制转换（Regime Shifts）的稳定性，该框架采用了一致性正则化策略：

扰动（Perturbation）： 在训练期间，随机选择一个模态并对其进行扰动（例如，添加高斯噪声）。
一致性损失（Consistency Loss）： 如果扰动输入产生的预测 Logits 与原始输入产生显著偏差，模型将受到惩罚。
注意力抑制（Attention Suppression）： 一个特定的项会阻碍模型增加对被扰动模态的依赖，迫使其依赖于跨模态的一致性信号。

系统集成

F2Agent 是一个端到端的系统，集成了新闻摘要器（以减少 Token 预算和噪声）、模态处理模块以及回测引擎。它生成交易决策、自然语言解释以及性能指标，并遵循实际的交易约束。

核心贡献

专业化智能体层级： 引入了多智能体框架，从异构来源（市场、技术、新闻、情绪）提取互补信号，而非依赖单一统一模型。
模态感知自适应融合： 一种新型融合机制，能够动态捕捉细粒度的跨模态依赖关系，缓解了由提示词层面拼接导致的模态鸿沟。
噪声鲁棒一致性正则化： 一种旨在提高针对市场噪声和机制转换鲁棒性的正则化技术，从而产生稳定的交易信号。
全面的评估： 实现了一个端到端的多模态智能体交易系统，并通过广泛的实验证明其性能持续优于多种基准模型。

实验结果

作者在六种资产（AAPL, AMZN, GOOG, MSFT, TSLA, 和 BTCUSD）上对 F2Agent 进行了评估，并将其与 16 个竞争基准进行了对比，包括基于规则的策略、机器学习/深度学习模型、强化学习（RL）智能体、通用 LLM 以及专门的金融 LLM。

性能指标： F2Agent 在年化收益率（ARR）、夏普比率（SR）、累计收益率（CR）和最大回撤（MDD）方面持续优于所有基准。
关键成就：
- 在所有测试资产中实现了 1.00 的平均年化收益率排名。
- 在 GOOG 上实现了 120.48% 的 ARR，在 TSLA 上实现了 148.41% 的 ARR。
- 与表现最好的基准相比，年化收益率的平均相对提升超过 20%。
- 展示了卓越的风险调整后性能，即使在 BTCUSD 等高波动性资产上也能保持稳定性，而其他方法在这些资产上表现出严重的逆转。
消融实验： 移除自适应融合模块或鲁棒性正则化器会导致性能显著下降，证实了这两个组件的必要性。
鲁棒性： 随着更多模态的加入，F2Agent 保持了稳定的性能，而包括强力通用 LLM 在内的基准模型在处理冲突的跨模态线索时往往会出现性能退化。
效率： 与依赖单体 LLM 调用来处理所有数据的框架相比，该系统展示了更优的 Token 效率。

意义与主张

论文声称，F2Agent 通过解决多模态融合和鲁棒性方面的关键差距，代表了 AI 驱动金融交易迈出的重要一步。

超越模式提取： 不同于以往侧重于简单模式提取或浅层融合的方法，F2Agent 提供了一种原则性的机制来融合异构模态，从而能够捕捉细微的跨模态依赖关系。
鲁棒决策： 系统表明，通过显式建模模态间的相互作用并针对噪声进行正则化，可以实现在波动市场中产生更可靠的交易信号，避免了孤立模态可能触发的“情绪陷阱”。
可扩展性与泛化性： 该框架被证明可以推广到不同的资产类别（股票和加密货币）及市场环境，表明智能体范式是现实世界中信息丰富的交易环境下的可行路径。

作者总结道，F2Agent 有效地组织了一个专业化智能体层级，以提供对市场动态的全面观察，从而产生对噪声和机制转换具有鲁棒性的连贯交易表示。未来的工作指出，该范式可扩展至面向多模态、风险感知分配的投资组合管理。