TradeMaster
v1.0.0
Trademaster es la primera plataforma de código abierto amable y mejor de su clase para el comercio cuantitativo (QT) capacitado por Refforcerment Learning (RL) , que cubre la tubería completa para el diseño, implementación, evaluación y implementación de algoritmos basados en RL.
| Actualizar | Estado |
|---|---|
| Agregue Finagent y Gannmore | ? Actualizado el 29 de octubre de 2024 |
| Actualizar el sitio web de Trademaster (Market Simualtor) | ? Actualizado el 21 de septiembre de 2023 |
| Actualizar el sitio web de Trademaster (herramienta de modelado de dinámica de mercado) | ? Actualizado el 7 de julio de 2023 |
| Admite la generación y selección de características automáticas | ? Tutorial de actualización el 11 de mayo de 2023 |
| Lanzamiento de Trademaster Python Package | ? Actualizado el 11 de mayo de 2023 |
| Sitio web de construir Trademaster | ? Disponible en aquí el 23 de abril |
| Escribir documentación de software Trademaster | Actualizado el 11 de abril de 2023 |
| Versión de Colab de lanzamiento | Actualizado el 29 de marzo de 2023 |
| Incldue HK stock y futuros conjuntos de datos | ? Actualizado #131 #132 el 27 de marzo de 2023 |
| Soporte Alpha58 | ? Actualizado #123 #124 el 20 de marzo de 2023 |
| Release Trademaster 1.0.0 | Lanzado V1.0.0 el 5 de marzo de 2023 |
Trademaster está compuesto por 6 módulos clave: 1) datos del mercado de modales multimodalidad de diferentes activos financieros en granularidad múltiple; 2) tubería de preprocesamiento de datos completos; 3) una serie de simuladores de mercado basados en datos de alta fidelidad para tareas QT convencionales; 4) implementaciones eficientes de más de 13 nuevos algoritmos de comercio basados en RL; 5) Kits de herramientas de evaluación sistemática con 6 ejes y 17 medidas; 6) Diferentes interfaces para usuarios interdisciplinarios.
Aquí están los tutoriales de instalación para diferentes sistemas operativos y Docker:
Proporcionamos tutoriales que cubren características principales de Trademaster para que los usuarios comenzaran.
| Algoritmo | Conjunto de datos | Mercado | Tarea | Enlace de código |
|---|---|---|---|---|
| Eiie | DJ 30 | Stock estadounidense | Gestión de cartera | tutorial |
| Profundo | BTC | Cripto | Comercio intradía | tutorial |
| Sarl | DJ 30 | Stock estadounidense | Gestión de cartera | tutorial |
| PPO | SSE 50 | Stock de porcelana | Gestión de cartera | tutorial |
| Eteo | Bitcoin | Cripto | Ejecución de la orden | tutorial |
| Doble dqn | Bitcoin | Cripto | Comercio de alta frecuencia | tutorial |
También proporcionamos una versión Colab de estos tutoriales que se pueden ejecutar directamente. (Tutorial de Colab)
| Conjunto de datos | Fuente de datos | Tipo | Rango y frecuencia | Datos sin procesar | Ficha de datos |
|---|---|---|---|---|---|
| S & P500 | Yahoo | Stock estadounidense | 2000/01/01-2022/01/01, 1 día | Ohlcv | SP500 |
| DJ30 | Yahoo | Stock estadounidense | 2012/01/01-2021/12/11, 1 día | Ohlcv | DJ30 |
| BTC | Kaggle | Divisas | 2000/01/01-2019/12/11, 1 día | Ohlcv | FX |
| Cripto | Kaggle | Cripto | 2013/04/29-2021/07/06, 1 día | Ohlcv | Cripto |
| SSE50 | Yahoo | Stock de porcelana | 2009/01/02-2021/01/01, 1 día | Ohlcv | SSE50 |
| Bitcoin | Binance | Cripto | 2021/04/07-2021/04/19, 1min | LOB | Binance |
| Futuro | Akshare | Futuro | 2023/03/07-2023/03/28, 5min | Ohlcv | Futuro |
| HS30 | Akshare | Stock de HK | 1988/12/30-2023/03/27, 1 día | Ohlcv | HS30 |
Las fechas están en formato YY/MM/DD.
OHLCV: Precios abiertos, altos, bajos y cerrados; Volumen: Volumen comercial correspondiente; LOB: Límite de pedido.
Los usuarios pueden descargar datos de los conjuntos de datos anteriores de Google Drive o Baidu Cloud (código de extracción: x24b)
Trademaster proporciona implementaciones eficientes de los siguientes algoritmos:
Deepscalper basado en Pytorch (Shuo Sun et al, CIKM 22)
OPD basado en Pytorch (Fang et al, AAAI 21)
DeepTrader basado en Pytorch (Wang et al, AAAI 21)
Sarl basado en Pytorch (Yunan Ye et al, AAAI 20)
Eteo basado en Pytorch (Lin et al, 20)
Investor-Imitator basado en Pytorch (Yi Ding et al, KDD 18)
EIIE basado en Pytorch (Jiang et al, 17)
RL clásico basado en Pytorch y Ray: PPO A2C Rainbow Sac DDPG DQN PG TD3
Trademaster proporciona muchos kits de herramientas de visualización para una evaluación sistemática de los métodos de comercio cuantitativos basados en RL. Consulte este documento y repositorio para más detalles. Algunos ejemplos son los siguientes:
Pride-Star es una parcela de estrella que contiene una puntuación normalizada de 8 medidas financieras clave como la relación de retorno total (TR) y el Sharpe (SR) para evaluar la rentabilidad, el control de riesgos y la diversidad:
 |  |  |  |
| 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: Hacia la evaluación sistemática del aprendizaje de refuerzo en los mercados financieros (Transacciones en la investigación del aprendizaje automático 2023)
Aprendizaje de refuerzo para el comercio cuantitativo (encuesta) (transacciones ACM en sistemas inteligentes y tecnología 2023)
Aprendizaje de refuerzo profundo para el comercio cuantitativo: desafíos y oportunidades (IEEE Intelligent Systems 2022)
Deepscalper: un marco de aprendizaje de refuerzo de refuerzo de riesgo para capturar oportunidades de comercio intradía fugaz (CIKM 2022)
La tarifa de la comisión no es suficiente: un marco jerárquico reforzado para la gestión de cartera (AAAI 21)
Trademaster Copa 2022
Si tiene más preguntas sobre este proyecto, comuníquese con [email protected]
