Skip to content

GUIDE.md

Latest commit

 

History

History
executable file
·
118 lines (95 loc) · 3.98 KB

GUIDE.md

File metadata and controls

executable file
·
118 lines (95 loc) · 3.98 KB
Raw

项目名称

FinRL® (Financial Reinforcement Learning) - 金融强化学习框架

系统功能

FinRL是第一个开源的金融强化学习框架，主要功能包括：

  • 多数据源支持：支持15+个数据源，包括Yahoo Finance、Alpaca、Binance、Tushare等
  • 强化学习算法集成：集成多种DRL算法（A2C、PPO、DDPG、TD3、SAC等）
  • 多种金融应用：股票交易、加密货币交易、投资组合优化、高频交易等
  • 技术指标计算：支持MACD、RSI、布林带等多种技术指标
  • 回测与实盘交易：提供完整的训练-测试-交易流水线
  • 风险管理：包含波动率指标(VIX)和湍流度指标

系统架构

采用三层架构设计：

  1. 应用层 (Applications)：具体的金融任务实现
  2. 智能体层 (Agents)：强化学习算法实现
  3. 环境层 (Meta)：市场环境和数据处理

核心流水线：Train → Test → Trade

业务模块

1. 数据处理模块 (meta/data_processors/)

  • 支持多个数据源的统一接口
  • 数据清洗和预处理
  • 技术指标计算

2. 环境模块 (meta/env_*/)

  • 股票交易环境：标准股票交易、现金惩罚、止损等
  • 加密货币交易环境：比特币和多币种交易
  • 投资组合环境：资产配置和优化

3. 智能体模块 (agents/)

  • ElegantRL：高性能DRL算法库
  • Stable Baselines3：经典强化学习算法
  • RLlib：分布式强化学习
  • 投资组合优化：专门的投资组合算法

4. 应用模块 (applications/)

  • Stock_NeurIPS2018：经典股票交易案例
  • 加密货币交易：数字货币交易策略
  • 高频交易：高频交易算法
  • 模仿学习：基于专家策略的学习
  • 投资组合分配：资产配置策略

层次结构

FinRL/
├── finrl/                    # 核心框架
│   ├── applications/         # 应用层
│   ├── agents/              # 智能体层
│   ├── meta/                # 环境和数据层
│   ├── config.py            # 全局配置
│   ├── main.py              # 主入口
│   ├── train.py             # 训练模块
│   ├── test.py              # 测试模块
│   └── trade.py             # 交易模块
├── examples/                # 示例和教程
├── docs/                    # 文档
├── unit_tests/              # 单元测试
└── requirements.txt         # 依赖配置

使用方法

1. 安装依赖

pip install -r requirements.txt
# 或使用 Poetry
poetry install

2. 基本使用流程

数据下载和处理：

from finrl.meta.data_processor import DataProcessor
dp = DataProcessor(data_source="yahoofinance")
data = dp.download_data(ticker_list, start_date, end_date, time_interval)

模型训练：

from finrl.train import train
train(start_date, end_date, ticker_list, data_source, 
      time_interval, technical_indicator_list, drl_lib, env, model_name)

回测和交易：

  • 使用 test.py 进行策略回测
  • 使用 trade.py 进行实盘交易

3. 配置参数

  • 时间配置：训练、测试、交易时间段
  • 技术指标：MACD、RSI、布林带等
  • 模型参数：各种DRL算法的超参数
  • API配置：各数据源的API密钥

4. 运行模式

python -m finrl.main --mode train      # 训练模式
python -m finrl.main --mode backtest   # 回测模式
python -m finrl.main --mode download_data  # 数据下载

技术栈

  • 核心框架：Python 3.7+
  • 机器学习：Stable Baselines3、ElegantRL、Ray RLlib
  • 数据处理：Pandas、NumPy、Stockstats
  • 可视化：Matplotlib、TensorBoard
  • 金融数据：yfinance、alpaca-trade-api、ccxt
  • 依赖管理：Poetry

FinRL提供了一个完整的金融强化学习生态系统，从数据获取到模型训练再到实盘交易，为量化交易研究和应用提供了强大的工具支持。