Part 4：多智能体系统
本阶段目标：构建协作架构。 理解为什么需要多个专家 Agent，如何设计它们的分工与协作，以及风控如何拥有一票否决权。
课程列表
| 课程 | 主题 | 交付物 |
|---|---|---|
| 第11课 | 为什么需要多智能体 | 多 Agent 架构设计 |
| 第12课 | 市场状态识别 (Regime Detection) | Regime Agent |
| 第13课 | Regime 误判与系统性崩溃 | 误判诊断清单、降级策略 |
| 第14课 | LLM 在量化中的应用 | LLM 增强层设计 |
| 第15课 | 风险控制与资金管理 | Risk Agent |
| 第16课 | 组合构建与风险暴露管理 | Portfolio Agent、因子监控 |
| 第17课 | 在线学习与策略进化 | Evolution Agent |
背景知识
| 文档 | 说明 | 建议阅读时间 |
|---|---|---|
| 多智能体框架对比 | Shannon vs AutoGen vs CrewAI | 15分钟 |
| 量化开源框架对比 | VectorBT vs Backtrader vs FinRL | 10分钟 |
| 均值方差组合优化 | Markowitz 模型、有效前沿、风险平价 | 20分钟 |
学完本阶段后
你将能够：
- ✅ 设计多 Agent 架构：Meta Agent、专家 Agent、Risk Agent
- ✅ 实现 Regime Detection：识别趋势市、震荡市、危机市
- ✅ 理解 Regime 误判的五种模式和应对策略
- ✅ 理解 LLM 的正确用法（增强而非替代）
- ✅ 构建多层风控系统，实现 Risk Agent 的一票否决权
- ✅ 设计组合层：Position Sizing、因子暴露监控
- ✅ 设计策略的在线学习和淘汰机制
下一阶段
→ Part 5：生产与实战 - 部署到真实环境