强化学习交易应用相关

 

FinRL尝试

这是第一个开源的金融强化学习框架，FinRL已经发展成为一个包含丰富资源的生态系统，为金融强化学习的研究和应用提供了强大的支持。

项目地址：https://github.com/AI4Finance-Foundation/FinRL

个人使用体验：可能因为维护不及时，示例代码无法顺利运行，需要各种修补才能勉强运行，体验较差。

交易环境构建

环境构建一般用到openai的gym库，一个为强化学习设计的API标准，它包含了多种不同的参考环境，以便于进行算法的测试和评估。以下为gym官网上跟交易相关的环境（https://gymnasium.farama.org/environments/third_party_environments/）：

• gym-anytrading：外汇和股票的金融交易环境

  AnyTrading 是 Gym 环境的集合，用于基于强化学习的交易算法，非常注重简单性、灵活性和全面性。

• gym-mtsim：MetaTrader 5 平台的金融交易

  MtSim 是MetaTrader 5交易平台的基于强化学习的交易算法的模拟器。

• gym-trading-env: 交易环境

  Gym Trading Env 根据历史数据模拟股票（或加密货币）市场。它设计得快速且易于定制。

使用体验：gym-anytrading对初学者更友好一些，可以作为入门库。其他库还有待研究。

强化学习算法

强化学习算法如DDPG、TD3、SAC、PPO、DQN等算法，可以使用pytorch自己写，也可以使用现成的强化学习算法库，常见的强化学习库如下：

Stable-Baselines3

ElegantRL

使用体验：Stable-Baselines3社区更活跃，ElegantRL与FinRL同属一个组织。