evgps/a3c_trading
✨ 用循环Actor-Critic强化学习做交易策略研究，适合量化因子探索
🧭 AI 判断
仅供研究A3C强化学习交易研究代码,多年未维护,上手门槛高,仅具论文复现价值
用A3C强化学习做交易策略研究的经典实现,适合RL量化入门复现
📊 综合评分
📈 热度走势
GitHub star / HF 下载量每日快照 · 自 2026-09-17(上限 30 天)0(现 437 · 断点=当日未采集)
📖 工具介绍
一款基于 A3C(Asynchronous Advantage Actor-Critic)强化学习算法的交易研究项目，采用 recurrent actor-critic 架构处理时序市场数据，实现自动化交易策略的学习与回测。适合对深度强化学习在量化交易中应用感兴趣的研究者和开发者参考使用。
Trading with recurrent actor-critic reinforcement learning
⚖️ 同类对比
| 维度 | a3c_trading | hftbacktest | vectorbt | Qlib |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 推荐 | 推荐 |
| 热度 | 437 | 4.9k | 9.4k | 49.4k |
| 7日增长 | 0 | +33 | +91 | +166 |
| 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 | 加密货币 / 多市场 | 加密货币 / 多市场 | 多市场 | A股 / 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 |
🧩 更多同类工具
一款基于 Python 的高频交易与做市回测工具,能够模拟限价单、排队位置和延迟等因素,并利用完整的逐笔成交与订单簿数据进行回测。它适合量化研究者和高频、做市策略开发者使用。
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。