TradeMaster
v1.0.0
Trademaster هي منصة أول من نوعها ، أفضل المصدر في فئتها للتداول الكمي (QT) تم تمكينها من خلال التعلم التعزيز (RL) ، والذي يغطي خط الأنابيب الكامل لتصميم وتقييم ونشر الخوارزميات المستندة إلى RL.
| تحديث | حالة |
|---|---|
| أضف Finagent و Termmor | ؟ تم تحديثه في 29 أكتوبر 2024 |
| تحديث موقع Trademaster (Market Simualtor) | ؟ تم تحديثه في 21 سبتمبر 2023 |
| تحديث موقع Trademaster (أداة نمذجة ديناميات السوق) | ؟ تم تحديثه في 7 يوليو 2023 |
| دعم توليد الميزات التلقائية واختيارها | ؟ تحديث البرنامج التعليمي في 11 مايو 2023 |
| إصدار حزمة Python Trademaster | ؟ تم تحديثه في 11 مايو 2023 |
| بناء موقع Trademaster | ؟ متوفر في هنا في 23 أبريل |
| اكتب وثائق برنامج Trademaster | تم تحديثه في 11 أبريل 2023 |
| إطلاق نسخة كولاب | تم تحديثه في 29 مارس 2023 |
| incldue HK Stock و stutelets future | ؟ تم تحديث #131 #132 في 27 مارس 2023 |
| دعم alpha158 | ؟ تحديث #123 #124 في 20 مارس 2023 |
| إطلاق Trademaster 1.0.0 | تم إصدار V1.0.0 في 5 مارس 2023 |
يتكون Trademaster من 6 وحدات رئيسية: 1) بيانات سوق متعددة الوسائط من أصول مالية مختلفة في التفاصيل المتعددة ؛ 2) خط أنابيب المعالجة المسبقة للبيانات. 3) سلسلة من أجهزة محاكاة السوق التي تعتمد على البيانات عالية الدقة لمهام كيو تي السائدة ؛ 4) تطبيقات فعالة لأكثر من 13 خوارزميات تداول قائمة على RL ؛ 5) مجموعات أدوات التقييم المنهجية مع 6 محاور و 17 مقاييس ؛ 6) واجهات مختلفة للمستخدمين متعدد التخصصات.
فيما يلي البرامج التعليمية للتثبيت لأنظمة التشغيل المختلفة و Docker:
نحن نقدم البرامج التعليمية التي تغطي الميزات الأساسية لـ Trademaster للمستخدمين للبدء بها.
| خوارزمية | مجموعة البيانات | سوق | مهمة | رابط الرمز |
|---|---|---|---|---|
| eiie | DJ 30 | الأسهم الأمريكية | إدارة المحافظ | درس تعليمي |
| عميق | BTC | تشفير | تداول داخل اليوم | درس تعليمي |
| سارل | DJ 30 | الأسهم الأمريكية | إدارة المحافظ | درس تعليمي |
| PPO | SSE 50 | سهم الصين | إدارة المحافظ | درس تعليمي |
| إيتو | بيتكوين | تشفير | تنفيذ الطلب | درس تعليمي |
| مزدوج DQN | بيتكوين | تشفير | تداول التردد العالي | درس تعليمي |
نقدم أيضًا نسخة كولاب من هذه البرامج التعليمية التي يمكن تشغيلها مباشرة. (تعليمي كولاب)
| مجموعة البيانات | مصدر البيانات | يكتب | النطاق والتردد | البيانات الخام | ورقة البيانات |
|---|---|---|---|---|---|
| S & P500 | ياهو | الأسهم الأمريكية | 2000/01/01-2022/01/01 ، 1 يوم | OHLCV | SP500 |
| DJ30 | ياهو | الأسهم الأمريكية | 2012/01/01-2021/12/13 ، 1 يوم | OHLCV | DJ30 |
| BTC | kaggle | العملات الأجنبية | 2000/01/01-2019/21/13 ، 1 يوم | OHLCV | FX |
| تشفير | kaggle | تشفير | 2013/04/29-2021/07/06 ، 1 يوم | OHLCV | تشفير |
| SSE50 | ياهو | سهم الصين | 2009/01/02-2021/01/01 ، 1 يوم | OHLCV | SSE50 |
| بيتكوين | binance | تشفير | 2021/04/07-2021/04/19 ، 1min | رفع الكرة | binance |
| مستقبل | أكشير | مستقبل | 2023/03/07-2023/03/8 ، 5min | OHLCV | مستقبل |
| HS30 | أكشير | هونج كونج | 1988/12/30-2023/03/77 ، 1 يوم | OHLCV | HS30 |
التواريخ بتنسيق YY/MM/DD.
OHLCV: الأسعار المفتوحة ، المرتفعة ، المنخفضة ، وقريبة ؛ المجلد: حجم التداول المقابل ؛ LOB: LIMIT ORDER BOOK.
يمكن للمستخدمين تنزيل بيانات مجموعات البيانات أعلاه من Google Drive أو Baidu Cloud (رمز الاستخراج: x24b)
يوفر Trademaster تطبيقات فعالة للخوارزميات التالية:
DeepScalper على أساس Pytorch (Shuo Sun et al ، Cikm 22)
OPD استنادًا إلى Pytorch (Fang et al ، AAAI 21)
Deepstrader على أساس Pytorch (Wang et al ، AAAI 21)
Sarl على أساس Pytorch (Yunan Ye et al ، Aaai 20)
eteo على أساس pytorch (Lin et al ، 20)
محيط المستثمر على أساس Pytorch (Yi Ding et al ، KDD 18)
eiie على أساس Pytorch (Jiang et al ، 17)
RL Classic على أساس Pytorch و Ray: PPO A2C Rainbow SAC DDPG DQN PG TD3
يوفر Trademaster العديد من مجموعات أدوات التصور للتقييم المنهجي لطرق التداول الكمية المستندة إلى RL. يرجى التحقق من هذه الورقة والمستودع للحصول على التفاصيل. بعض الأمثلة على النحو التالي:
Pride-Star عبارة عن مؤامرة نجم تحتوي على درجة طبيعية من 8 تدابير مالية رئيسية مثل إجمالي العائد (TR) ونسبة Sharpe (SR) لتقييم الربحية ، والسيطرة على المخاطر والتنوع:
 |  |  |  |
| TradeMaster
| ├── configs
| ├── data
| │ ├── algorithmic_trading
| │ ├── high_frequency_trading
| │ ├── order_excution
| │ └── porfolio_management
| ├── deploy
| │ ├── backend_client.py
| │ ├── backend_client_test.py
| │ └── backend_service.py
| │ ├── backend_service_test.py
| ├── docs
| ├── figure
| ├── installation
| │ ├── docker.md
| │ ├── requirements.md
| ├── tools
| │ ├── algorithmic_trading
| │ ├── data_preprocessor
| │ ├── high_frequency_trading
| │ ├── market_dynamics_labeling
| │ ├── missing_value_imputation
| │ ├── order_excution
| │ ├── porfolio_management
| │ ├── __init__.py
| ├── tradmaster
| │ ├── agents
| │ ├── datasets
| │ ├── enviornments
| │ ├── evaluation
| │ ├── imputation
| │ ├── losses
| │ ├── nets
| │ ├── preprocessor
| │ ├── optimizers
| │ ├── pretrained
| │ ├── trainers
| │ ├── transition
| │ ├── utils
| │ └── __init__.py
| ├── unit_testing
| ├── Dockerfile
| ├── LICENSE
| ├── README.md
| ├── pyproject.toml
| └── requirements.txt
Prudex-Compass: نحو التقييم المنهجي للتعلم التعزيز في الأسواق المالية (المعاملات على أبحاث التعلم الآلي 2023)
التعلم التعزيز للتداول الكمي (المسح) (معاملات ACM على الأنظمة الذكية والتكنولوجيا 2023)
تعلم التعزيز العميق للتداول الكمي: التحديات والفرص (IEEE الذكية الأنظمة 2022)
DEERSSCALPER: إطار تعلم التعزيز المعروف بالمخاطر لالتقاط فرص التداول خلال اليوم (CIKM 2022)
رسوم العمولة ليست كافية: إطار عمل معزّن هرمي لإدارة المحافظ (AAAI 21)
كأس Trademaster 2022
إذا كان لديك أي أسئلة أخرى في هذا المشروع ، فيرجى الاتصال بـ [email protected]
