AdityaaXD/Multi-Agent_Reinforcement_Learning_Trading_System_Models
✨ 基于深度强化学习(DQN)的股票交易系统模型,适合量化金融与多智能体研究
🧭 AI 判断
仅供研究HF上下载量极低的DRL实验模型,无维护信息,属研究性质不适合实盘
多智能体深度强化学习(DQN)股票交易模型,适合RL策略研究复现
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-16(上限 30 天)+125(现 167 · 断点=当日未采集)
📖 工具介绍
托管在 Hugging Face 上的多智能体强化学习交易系统模型集合，基于 reinforcement-learning 与 deep reinforcement learning 方法构建，涉及 DQN 等算法并使用 stable-baselines3 框架，面向股票交易场景。适合量化研究者与 RL 爱好者参考、复现或在此基础上开发自己的交易策略模型。
reinforcement-learning · stable-baselines3, reinforcement-learning, finance, stock-trading, deep-reinforcement-learning, dqn
⚖️ 同类对比
| 维度 | Multi-Agent_Reinforcement_Learning_Trading_System_Models | zipline-reloaded | zipline | vectorbt |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 仅供研究 | 推荐 |
| 热度 | 167 | 2k | 20.2k | 9.4k |
| 7日增长 | +13 | +4 | +15 | +83 |
| 适合人群 | 专业量化 | 专业量化 | 专业量化 | 专业量化 |
| 主要用途 | 策略研究 / 回测 | 回测 / 策略研究 | 回测 / 策略研究 | 回测 / 策略研究 |
| 支持市场 | 美股 / 多市场 | 美股 / 多市场 | 美股 / 多市场 | 多市场 |
| 技术栈 | Python | Python | Python | Python |
| 上手难度 | 较高 | 较高 | 较高 | 较高 |
| 活跃度 | 低 | 中 | 高 | 高 |
💡 近7日 vectorbt 势头最猛(+83)
🧩 更多同类工具
一款基于 Python 的开源算法交易回测框架，是 Quantopian 旗下 Zipline 项目的社区维护版本。它支持事件驱动的回测流程，可处理历史数据加载、订单执行模拟与绩效分析，并兼容较新的 Python 版本。适合量化研究者与策略开发者进行策略验证和研究。
一款由 Quantopian 开源的 Python 量化回测框架，提供事件驱动的回测引擎，支持自定义交易策略编写、历史数据加载与绩效分析。其 API 风格贴近 Python 习惯用法，便于与 NumPy、pandas 等库结合使用，适合希望用 Python 开发和验证量化策略的开发者与研究人员。
一款基于 Python 的开源回测与量化研究框架，提供高性能的向量化计算能力，支持策略回测、参数优化、算法交易与研究分析。适合需要快速批量测试大量策略参数组合的量化研究员和交易者。
一款由微软开源的 AI 导向量化投资平台，基于 Python 构建。它提供从数据处理、模型训练到回测的完整机器学习流水线，覆盖 Alpha 挖掘、风险分析等量化投资全链条。适合希望将 AI/ML 方法应用于量化研究的开发者和研究者使用。
一个开源的高频交易研究框架，用于支撑论文《A reinforcement learning approach to improve the performance of the Avellaneda-Stoikov market-making algorithm》的研究。它将强化学习与经典的 Avellaneda-Stoikov 做市模型相结合，可用于策略回测与实验验证。适合从事做市策略、强化学习量化研究的开发者和研究人员使用。
一款基于 Python 的量化研究质量把关工具，为回测和因子证据提供 fail-closed 的质量门控检查。核心功能包括 DSR、PBO、haircut、MinTRL 检验，并附带概率校准的伴随门控。适合需要对因子策略和回测结果做严格统计验证的量化研究员与开发者。