FinWorld
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../FinWorld-recommend.pptx../../FinWorld-recommend.mp4本文目录
- 🚀 什么是 FinWorld？
- ✨ 核心功能一览
- 四大金融任务 · 四大 AI 范式 · 一个平台
- 🛠️ 快速上手：5 分钟跑通示例
- 安装
- 核心代码示例
- 📊 七层架构详解
- 💡 四大任务实战效果
- 任务 1：时间序列预测（TimeXer + DJ30）
- 任务 2：算法交易（RL + TSLA）
- 任务 3：投资组合管理（RL + SP500）
- 任务 4：LLM 金融应用（FinReasoner）
- 用户群体总结
- 🏗️ 高级特性
- 多智能体编排（AgentOrchestra）
- 自动化报告（LaTeX + HTML + GitHub Pages）
- 📈 性能基准与实证
- 时间序列预测（DJ30）
- 算法交易（单资产 RL）
- 投资组合（多资产）
- LLM 应用（FinReasoner）
- 💰 定价方案
- 🎯 总结
📌 核心价值：NTU+Skywork 开源的端到端金融 AI 平台，一个框架同时跑通 ML / DL / RL / LLM 四大范式，覆盖预测、交易、组合、LLM 应用四类任务
金融 AI 研究最大的痛点不是某个算法不行，而是每个任务都要拼一套脚本。FinWorld 把数据获取、特征工程、训练评估、自动报告全装进同一个平台。
🚀 什么是 FinWorld？
FinWorld 是由南洋理工大学（NTU）张文涛团队与 Skywork AI 联合开源的端到端金融 AI 平台，论文已被 KDD '26 接收（arXiv:2508.02292），MIT 协议。它把时间序列预测、算法交易、投资组合管理、LLM 金融应用四类金融任务，用统一的七层分层架构整合到一个代码库里。
核心定位：把"数据→模型→训练→评估→报告"五段流水线装进一个框架，同时支持传统 ML、深度学习、强化学习、大模型四种研究范式
✨ 核心功能一览
四大金融任务 · 四大 AI 范式 · 一个平台
| 范式 | 代表模型 | 应用场景 |
|---|---|---|
| 机器学习 | LightGBM、XGBoost | 因子打分、回归预测 |
| 深度学习 | Transformer、PatchTST、TimeXer | 多步时序预测 |
| 强化学习 | PPO、SAC | 算法交易、投资组合 |
| 大模型 | GPT-4.1、Claude-4-Sonnet、Qwen、FinReasoner | 金融推理、智能体交易 |
8 亿样本的多模态异构数据 + 4 大市场（DJ30/SP500/SSE50/HS300），中美双市场同步支持
🛠️ 快速上手：5 分钟跑通示例
安装
# 1. 创建 Conda 环境
conda create -n finworld python=3.11
conda activate finworld
# 2. 安装基础依赖
git clone https://github.com/DVampire/FinWorld.git
cd FinWorld
make install-base
make install-browser
make install-verl
核心代码示例
示例 1：下载 DJ30 美股数据（日线 + 分钟线）
python scripts/download/download.py \
--config configs/download/dj30/dj30_fmp_price_1day.py
python scripts/download/download.py \
--config configs/download/dj30/dj30_fmp_price_1min.py
示例 2：训练 RL 交易模型（PPO + 单资产）
CUDA_VISIBLE_DEVICES=0 python scripts/rl_trading/train.py \
--config=configs/rl_trading/ppo/AAPL_ppo_trading.py
示例 3：训练投资组合模型（多指数）
CUDA_VISIBLE_DEVICES=0 python scripts/rl_portfolio/train.py \
--config=configs/rl_portfolio/ppo/dj30_ppo_portfolio.py
示例 4：用 Makefile 一键跑完整示例
bash examples/ppo_trading.sh
bash examples/ppo_portfolio.sh
bash examples/download.sh
注意：所有任务只需改 config 文件路径，无需修改源码——这是 FinWorld 配置驱动设计的精髓
📊 七层架构详解
分层设计的工程意义：把"做什么"（任务层）和"怎么做"（模型/训练层）解耦，新算法接入只需注册一个新组件，无需改主线代码。
💡 四大任务实战效果
任务 1：时间序列预测（TimeXer + DJ30）
功能说明：在 DJ30 美股指数 30 只成分股上做多步时序预测，对比 7 种 SOTA 模型。
性能表现：
- TimeXer：MAE 0.0529 / MSE 0.0062（远优于 LightGBM 的 0.1392/0.0235）
- TimeMixer（HS300）：MAE 0.3804
适用场景：指数走势预测、个股多步价格预测、宏观因子预测。
任务 2：算法交易（RL + TSLA）
功能说明：用 SAC / PPO 训练单资产交易策略，支持做多做空、手续费建模、风险约束。
性能表现：
- SAC on TSLA：年化收益率（ARR）101.55%
- PPO on META：夏普比率（SR）2.10
输入要求：OHLCV 价格数据 + 因子特征 输出效果：可导出到实盘经纪商（IB、Alpaca 等）
任务 3：投资组合管理（RL + SP500）
功能说明：在 DJ30/SP500 上做多资产组合优化，支持约束条件（最大持仓、行业中性等）。
性能表现：
- SAC on SP500：年化收益 31.2%，夏普比率 >1.5
- RL 方法一致优于规则基线和 ML 基线
适用场景：指数增强、smart beta、多因子组合优化。
任务 4：LLM 金融应用（FinReasoner）
功能说明：FinReasoner 是项目自带的金融推理 LLM，在 FinQA、FinEval、ConvFinQA、CFLUE 四个基准上 SOTA；同时支持 RL 微调让 LLM 直接做交易决策。
性能表现：
- 金融推理：4 个基准全面领先通用指令微调模型
- 交易能力：所有评估股票上 ARR 优于规则策略
适用场景：研报摘要、财报问答、舆情情感分析、智能体交易决策。
用户群体总结
- ✅ 量化研究员：统一框架，不用为每个任务切换代码库
- ✅ AI Agent 开发者：直接用 FinReasoner 做金融推理或交易
- ✅ 金融机构研究员：可视化对比 + 自动生成 LaTeX 技术报告
- ✅ AI 金融课程教师：完整文档 + 示例脚本，开箱即用
- ❌ 不适合：纯小白用户（需要 Python/CUDA 基础）；超低频日交易（项目更偏研究）
🏗️ 高级特性
多智能体编排（AgentOrchestra）
核心能力：
- 工具调用（Tool Calling）：自动选择 API、FMP、AKShare 数据源
- 推理链路可视化：每一步决策可追溯
- 多角色协作：分析师、风险官、执行员等
自动化报告（LaTeX + HTML + GitHub Pages）
执行完训练 → 自动生成 .tex + .html 报告 → 推到 GitHub Pages
意义：研究员可以把全部精力放在模型调优，报告撰写与归档全自动完成。
📈 性能基准与实证
时间序列预测（DJ30）
| 模型 | MAE | MSE | 备注 |
|---|---|---|---|
| TimeXer | 0.0529 | 0.0062 | SOTA |
| LightGBM | 0.1392 | 0.0235 | ML 基线 |
算法交易（单资产 RL）
| 标的 | 算法 | ARR | 备注 |
|---|---|---|---|
| TSLA | SAC | 101.55% | 年化收益 |
| META | PPO | SR 2.10 | 风险调整 |
投资组合（多资产）
| 指数 | 算法 | ARR | SR |
|---|---|---|---|
| SP500 | SAC | 31.2% | >1.5 |
| DJ30 | PPO | 优于规则 | 优于规则 |
LLM 应用（FinReasoner）
| 基准 | 排名 |
|---|---|
| FinQA | SOTA |
| FinEval | SOTA |
| ConvFinQA | SOTA |
| CFLUE | SOTA |
💰 定价方案
完全免费 + MIT 协议
- ✅ 可商用
- ✅ 可二次开发
- ✅ 可本地部署
- ✅ 无 API 调用费用（部分 LLM 接口需自行配置 Key）
可选依赖：
- 数据源：FMP / Alpaca 需付费 API Key；AKShare / TuShare 免费但需注册
- 大模型：GPT-4.1 / Claude-4-Sonnet 需付费 API；Qwen / 本地模型免费
💡 新用户福利：21/22 个 MCP 工具无需任何 API Key 即可调用，0 成本起步
🎯 总结
FinWorld 把"自然语言 → 策略 → 回测 → 报告"整条链路装进了一个框架，UI 上以统一配置 + 多范式训练 + 自动报告三段式呈现。
它是少数同时做到"完全开源 + 四范式统一 + 跨市场 + 自动报告"的金融 AI 平台，对个人量化研究员和机构研究团队都是难得的"零成本起步 + 一键复现"工具。
推荐指数：⭐⭐⭐⭐⭐（满分 5 星）
适合人群：
- 量化研究员（统一框架，不用为每个任务切换代码库）
- AI Agent 开发者（用 FinReasoner 做金融推理或交易）
- 金融机构研究员（自动报告 + 可视化对比）
- AI 金融课程教师（完整文档 + 示例脚本）
立即体验：
- GitHub 仓库：DVampire/FinWorld
- 论文：arXiv:2508.02292
- 项目网站：dvampire.github.io/FinWorld
数据截至 2026-08-01，最新信息请以 GitHub 为准。
⚠️ 本文仅作技术交流，不构成投资建议。