TradeMaster
v1.0.0
Trademaster adalah platform open-source yang pertama dari kelas pertama untuk perdagangan kuantitatif (QT) yang diberdayakan oleh penguatan pembelajaran (RL) , yang mencakup pipa lengkap untuk desain, implementasi, evaluasi, dan penyebaran algoritma berbasis RL.
| Memperbarui | Status |
|---|---|
| Tambahkan Finagent dan Earnmore | ? Diperbarui pada 29 Okt 2024 |
| Perbarui Situs Web Trademaster (Market Simualtor) | ? Diperbarui pada 21 Sep 2023 |
| Perbarui Situs Web Trademaster (Alat Pemodelan Dinamika Pasar) | ? Diperbarui pada 7 Juli 2023 |
| Mendukung pembuatan fitur otomatis dan seleksi | ? Perbarui tutorial pada 11 Mei 2023 |
| Rilis Paket Python Trademaster | ? Diperbarui pada 11 Mei 2023 |
| Bangun Situs Web Trademaster | ? Tersedia di sini pada tanggal 23 April |
| Tulis Dokumentasi Perangkat Lunak Trademaster | Diperbarui pada 11 April 2023 |
| Rilis Colab Version | Diperbarui pada 29 Maret 2023 |
| Saham HK yang insldue dan dataset masa depan | ? Diperbarui #131 #132 pada 27 Maret 2023 |
| Dukung Alpha158 | ? Diperbarui #123 #124 pada 20 Maret 2023 |
| Rilis Trademaster 1.0.0 | Dirilis v1.0.0 pada 5 Maret 2023 |
Trademaster terdiri dari 6 modul utama: 1) data pasar multi-modalitas dari berbagai aset keuangan di beberapa granularitas; 2) seluruh pipa preprocessing data; 3) serangkaian simulator pasar yang digerakkan oleh data kesetiaan tinggi untuk tugas-tugas QT arus utama; 4) Implementasi yang efisien dari lebih dari 13 algoritma perdagangan berbasis RL baru; 5) toolkit evaluasi sistematis dengan 6 sumbu dan 17 langkah; 6) Antarmuka yang berbeda untuk pengguna interdisipliner.
Berikut adalah tutorial instalasi untuk berbagai sistem operasi dan docker:
Kami menyediakan tutorial yang mencakup fitur inti dari pedagang untuk pengguna untuk memulai.
| Algoritma | Dataset | Pasar | Tugas | Tautan kode |
|---|---|---|---|---|
| Eiie | DJ 30 | Saham AS | Manajemen Portofolio | tutorial |
| Deepscalper | BTC | Crypto | Perdagangan intraday | tutorial |
| Sarl | DJ 30 | Saham AS | Manajemen Portofolio | tutorial |
| PPO | SSE 50 | Stok Cina | Manajemen Portofolio | tutorial |
| Eteo | Bitcoin | Crypto | Eksekusi Pesanan | tutorial |
| DQN ganda | Bitcoin | Crypto | Perdagangan frekuensi tinggi | tutorial |
Kami juga menyediakan versi Colab dari tutorial ini yang dapat dijalankan secara langsung. (Tutorial Colab)
| Dataset | Sumber data | Jenis | Rentang dan frekuensi | Data mentah | Lembar data |
|---|---|---|---|---|---|
| S & P500 | Yahoo | Saham AS | 2000/01/01-2022/01/01, 1day | Ohlcv | SP500 |
| DJ30 | Yahoo | Saham AS | 2012/01/01-2021/12/11, 1day | Ohlcv | DJ30 |
| BTC | Kaggle | Devisa | 2000/01/01-2019/12/11, 1day | Ohlcv | Fx |
| Crypto | Kaggle | Crypto | 2013/04/29-2021/07/06, 1day | Ohlcv | Crypto |
| SSE50 | Yahoo | Stok Cina | 2009/01/02-2021/01/01, 1day | Ohlcv | SSE50 |
| Bitcoin | Binance | Crypto | 2021/04/07-2021/04/19, 1 menit | Lob | Binance |
| Masa depan | Akshare | Masa depan | 2023/03/07-2023/03/28, 5 menit | Ohlcv | Masa depan |
| HS30 | Akshare | Stok HK | 1988/12/30-2023/03/27, 1day | Ohlcv | HS30 |
Tanggal berada dalam format YY/mm/DD.
OHLCV: harga terbuka, tinggi, rendah, dan ketat; Volume: volume perdagangan yang sesuai; LOB: Batas Buku Pesanan.
Pengguna dapat mengunduh data dari set data di atas dari Google Drive atau Baidu Cloud (Kode Ekstraksi: X24B)
Trademaster menyediakan implementasi yang efisien dari algoritma berikut:
Deepscalper Berdasarkan Pytorch (Shuo Sun et al, Cikm 22)
OPD Berdasarkan Pytorch (Fang et al, Aaai 21)
DeepTrader Berdasarkan Pytorch (Wang et al, Aaai 21)
SARL Berdasarkan Pytorch (Yunan Ye et al, Aaai 20)
Eteo berdasarkan Pytorch (Lin et al, 20)
Investor-Imitator Berdasarkan Pytorch (Yi Ding et al, KDD 18)
EIIE Berdasarkan Pytorch (Jiang et al, 17)
Klasik RL Berdasarkan Pytorch dan Ray: PPO A2C Rainbow Sac Ddpg Dqn Pg Td3
Trademaster menyediakan banyak toolkit visualisasi untuk evaluasi sistematis metode perdagangan kuantitatif berbasis RL. Silakan periksa kertas dan repositori ini untuk detailnya. Beberapa contoh adalah sebagai berikut:
Pride-Star adalah plot bintang yang mengandung skor dinormalisasi dari 8 tindakan keuangan utama seperti total pengembalian (TR) dan rasio Sharpe (SR) untuk mengevaluasi profitabilitas, kontrol risiko dan keanekaragaman:
 |  |  |  |
| 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: Menuju Evaluasi Sistematis Pembelajaran Penguatan di Pasar Keuangan (Transaksi Penelitian Pembelajaran Mesin 2023)
Pembelajaran Penguatan untuk Perdagangan Kuantitatif (Survei) (Transaksi ACM pada Sistem Cerdas dan Teknologi 2023)
Pembelajaran Penguatan mendalam untuk Perdagangan Kuantitatif: Tantangan dan Peluang (IEEE Intelligent Systems 2022)
Deepscalper: Kerangka belajar penguatan yang sadar risiko untuk menangkap peluang perdagangan intraday yang cepat (Cikm 2022)
Biaya komisi tidak cukup: kerangka kerja yang diperkuat hierarkis untuk manajemen portofolio (AAAI 21)
Piala Trademaster 2022
Jika Anda memiliki pertanyaan lebih lanjut dari proyek ini, silakan hubungi [email protected]
