TradeMaster
v1.0.0
商人是由增强学习（RL）授权的定量交易（QT）的首个，一流的开源平台，该平台涵盖了基于RL的算法的设计，实施，评估和部署的完整管道。
| 更新 | 地位 |
|---|---|
| 添加Finagent和Earnmore | ？于2024年10月29日更新 |
| 更新商人网站（Market Simultor） | ？更新于2023年9月21日 |
| 更新商人网站（市场动态建模工具） | ？于2023年7月7日更新 |
| 支持自动功能生成和选择 | ？ 2023年5月11日更新教程 |
| 发行商标Python软件包 | ？ 2023年5月11日更新 |
| 构建商人网站 | ？ 4月23日这里可用 |
| 写商业软件文档 | 于2023年4月11日更新 |
| 释放Colab版本 | 于2023年3月29日更新 |
| Inldue HK库存和未来数据集 | ？ 2023年3月27日更新了＃131＃132 |
| 支持alpha158 | ？ 2023年3月20日更新了＃123＃124 |
| 发行商人1.0.0 | 于2023年3月5日发布v1.0.0 |
商人由6个关键模块组成：1）多种金融资产的多模式市场数据多粒度； 2）全数据预处理管道； 3）一系列用于主流QT任务的高保真数据驱动的市场模拟器； 4）有效实施13种新型基于RL的交易算法； 5）具有6个轴和17个措施的系统评估工具包； 6）跨学科用户的不同接口。
这是针对不同操作系统和Docker的安装教程：
我们提供涵盖商标核心功能的教程，供用户开始。
| 算法 | 数据集 | 市场 | 任务 | 代码链接 |
|---|---|---|---|---|
| Eiie | DJ 30 | 美国股票 | 投资组合管理 | 教程 |
| DeepScalper | BTC | 加密 | 盘中交易 | 教程 |
| 萨尔 | DJ 30 | 美国股票 | 投资组合管理 | 教程 |
| PPO | SSE 50 | 中国股票 | 投资组合管理 | 教程 |
| Eteo | 比特币 | 加密 | 订单执行 | 教程 |
| 双DQN | 比特币 | 加密 | 高频交易 | 教程 |
我们还提供了可以直接运行的这些教程的COLAB版本。 （COLAB教程）
| 数据集 | 数据源 | 类型 | 范围和频率 | 原始数据 | 数据表 |
|---|---|---|---|---|---|
| 标普500 | 雅虎 | 美国股票 | 2000/01/01-2022/01/01，1day | OHLCV | SP500 |
| DJ30 | 雅虎 | 美国股票 | 2012/01/01-2021/12/31，1day | OHLCV | DJ30 |
| BTC | Kaggle | 外汇 | 2000/01/01-2019/12/31，1day | OHLCV | fx |
| 加密 | Kaggle | 加密 | 2013/04/29-2021/07/06，1day | OHLCV | 加密 |
| SSE50 | 雅虎 | 中国股票 | 2009/01/02-2021/01/01，1DAY | OHLCV | SSE50 |
| 比特币 | binance | 加密 | 2021/04/07-2021/04/19，1分钟 | 高球 | binance |
| 未来 | Akshare | 未来 | 2023/03/07-2023/03/28，5分钟 | OHLCV | 未来 |
| HS30 | Akshare | 香港股票 | 1988/12/30-2023/03/27，1day | OHLCV | HS30 |
日期为yy/mm/dd格式。
OHLCV：开放，高，低和封闭价格；卷：相应的交易量； LOB：限制订单书。
用户可以从Google Drive或Baidu Cloud下载上述数据集的数据（提取代码：X24B）
商人提供了以下算法的有效实现：
基于Pytorch的DeepScalper（Shuo Sun等，CIKM 22）
OPD基于Pytorch（Fang等，AAAI 21）
基于Pytorch的DeepTrader（Wang等，AAAI 21）
SARL基于Pytorch（Yunan Ye等，AAAI 20）
基于Pytorch的Eteo（Lin等，20）
基于Pytorch（Yi ding等人，KDD 18）的投资者Imitator
EIIE基于Pytorch（Jiang等，17）
经典RL基于Pytorch和Ray：PPO A2C Rainbow Sac DDPG DQN PG TD3
商人提供许多可视化工具包，用于对基于RL的定量交易方法进行系统评估。请检查本文和存储库以获取详细信息。一些示例如下：
Pride-Star是一个明星情节，其中包含8个关键财务指标的归一化评分，例如总回报（TR）和Sharpe比率（SR），以评估盈利能力，风险控制和多样性：
 |  |  |  |
| 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：朝着金融市场中的强化学习系统评估（机器学习研究研究2023）
定量交易的强化学习（调查） （智能系统和技术的ACM交易2023）
量化交易的深入加强学习：挑战和机遇（IEEE智能系统2022）
DeepScalper：一种风险感知的增强学习框架，以捕获短暂的盘中交易机会（CIKM 2022）
佣金还不够：用于投资组合管理的分层增强框架（AAAI 21）
商业杯2022
如果您对该项目还有其他问题，请联系[email protected]
