加密貨幣
交易輔助平台
開發者：李皓文 李彥儒 黃佑嘉 温立行
指導教授：邱嘉豪 助理教授
東吳大學資料科學系 114 學年度專題（第 11 組）
指導教授：邱嘉豪 助理教授
東吳大學資料科學系 114 學年度專題（第 11 組）
專案介紹
加密貨幣市場具備全天候交易特性與高度波動性，使投資者常面臨「資訊過載」與「決策碎片化」的雙重挑戰。傳統交易輔助工具多偏向單一技術指標分析，缺乏對非結構化市場輿情的解讀能力，且往往淪為無法解釋推論過程的「黑盒子」。
本專案建構一套整合技術指標與市場情緒之比特幣交易輔助系統，採用雲端原生（Cloud Native）與微服務設計，透過大語言模型（LLM）驅動的「多智能體協作（Multi-Agent Collaboration）」架構，建立自動化資料管線以整合異質資料來源，實現全自動化的市場監測與決策支援。
系統部署兩大類分析代理人：「消息面代理」負責分析新聞情緒、KOL 影響力、宏觀經濟及市場信任度等非結構化文本；「技術面代理」專注於量價趨勢與風險因子的結構化數據分析。第二層的「整合代理」進行元分析（Meta-analysis），透過權重評估與邏輯合成解決子代理之間的訊號衝突。所有 Agent 在輸出漲跌判斷時，皆同步提供「信心機率」與「推論理由」，將決策過程轉化為透明的「白盒子」。
本專案建構一套整合技術指標與市場情緒之比特幣交易輔助系統，採用雲端原生（Cloud Native）與微服務設計，透過大語言模型（LLM）驅動的「多智能體協作（Multi-Agent Collaboration）」架構，建立自動化資料管線以整合異質資料來源，實現全自動化的市場監測與決策支援。
系統部署兩大類分析代理人：「消息面代理」負責分析新聞情緒、KOL 影響力、宏觀經濟及市場信任度等非結構化文本；「技術面代理」專注於量價趨勢與風險因子的結構化數據分析。第二層的「整合代理」進行元分析（Meta-analysis），透過權重評估與邏輯合成解決子代理之間的訊號衝突。所有 Agent 在輸出漲跌判斷時，皆同步提供「信心機率」與「推論理由」，將決策過程轉化為透明的「白盒子」。
主要功能
📰 消息面多代理分析
由情緒判斷、KOL 人物影響力、宏觀經濟、市場信任度等四個 LLM Agent 從不同維度解構市場情緒，並由消息面整合代理融合非線性訊號。
📊 技術面量化分析
以 CoinDesk 的 OHLCV 為基礎，由量價趨勢代理結合 MA / RSI / MACD 等指標，再透過風險評估代理綜合 MOM、波動度、成交量比等因子。
🧩 三層式決策整合
以消息面整合 → 技術面整合 → 最終整合 Agent 的三層架構，融合質化輿情與量化指標。最終 Agent 輸出走勢判斷、新聞摘要與短線投資建議。
🔍 可解釋性與人機協作
所有 Agent 同步輸出「信心機率」與「推論理由」，避免黑盒子決策，協助交易者進行二次驗證與風險控管，體現增強智能（Augmented Intelligence）。
☁️ 雲端原生微服務架構
以 Docker + Google Cloud Run 將爬蟲、AI Agent 與後端 API 各自獨立部署；以 Cloud Scheduler 每小時觸發新聞爬蟲、每 8 小時更新行情，Supabase 作為核心資料庫。
🖥 沉浸式前端介面
以 React + TypeScript + Framer 打造深色系玻璃擬態 UI；整合 CoinGecko 即時行情與 TradingView 圖表，並支援桌機 / 行動的響應式佈局。
實驗成效
58.04%
消息面整合
樣本準確率
樣本準確率
69.59%
技術面整合
樣本準確率
樣本準確率
64.59%
最終整合 Agent
總體準確率
總體準確率
7+
獨立 AI Agents
（含三層整合）
（含三層整合）
三層整合架構：子代理 vs 整合代理的提升幅度
透過 Meta-analysis 整合多代理訊號 — 消息面提升 +5.54 pp、技術面提升 +10.93 pp
子代理（第一層）均值
整合代理（第二層）
最終整合（第三層）
隨機猜測 50%
Meta-analysis 證據：上層整合代理對「子代理均值」均有顯著提升，技術面提升最大（+10.93 pp）；單一最終 Agent 達 64.59%
完整 Agent 準確率排行（樣本準確率）
8 個可量測準確率的代理人；KOL Agent 採影響力係數（1.0–2.0）不列入此圖
子代理（第一層）
整合代理（第二層）
最終整合（第三層）★
| Agent 模組 | 角色 | 準確率 |
|---|---|---|
| 情緒判斷 Emotion Agent | 判讀新聞利多／利空對下週幣價影響 | 51.56% |
| KOL Agent | 量化 Elon Musk、Michael Saylor 等關鍵人物影響力 | 影響力係數 1.0–2.0 |
| 宏觀經濟 Macro Agent | 分析利率、通膨、就業、政策對短期幣價影響 | 52.39% |
| 市場信任度 Trust Agent | 評估駭客事件、機構採用對體系信任的影響 | 53.55% |
| 量價趨勢 OHLCV Agent | 結合 MA / RSI / MACD 分析買賣壓動能 | 62.16% |
| 風險評估 Risk Agent | 綜合動能、MA 比率、波動度判斷市場風險屬性 | 55.16% |
| 消息面整合 News Aggregate | 融合四個消息面 Agent 訊號（Recall 70.50%） | 58.04% |
| 技術面整合 Technical Aggregate | 區分「高風險上漲（誘多）」與「穩健上漲」 | 69.59% |
| 最終整合 Final Agent | 輸出走勢、新聞摘要與短線投資建議 | 64.59% |
技術架構圖
多智能體三層整合架構（Multi-Agent Collaboration）
資料流（Data Flow）
代理協作（Agent Collaboration）
決策輸出（Decision Output）
採三層式 Multi-Agent 架構：6 個子代理（4 消息面 + 2 技術面）→ 2 個整合代理 → 1 個最終 Agent；所有 Agent 同步輸出信心機率與推論理由，避免黑盒子決策。完整海報（含原始系統設計圖）可於下方下載。
