迈向专家投资团队：一种具有细粒度交易任务的多智能体大语言模型系统

针对现有金融交易多智能体系统依赖抽象指令、忽视实际工作流细节的问题，本文提出一种基于大语言模型的多智能体交易框架。该框架将投资分析显式分解为细粒度任务，而非提供粗粒度指令。在日本股票数据上的受控回测表明，细粒度任务分解显著提升了风险调整后收益。分析显示，分析输出与下游决策偏好的对齐是系统性能的关键驱动因素。结合投资组合优化，该系统实现了优于基准的表现，为实际应用中的智能体结构与任务配置提供了重要参考。