golsun/deep-RL-trading
✨ 用深度强化学习模拟理想化交易博弈,适合量化因子研究
🧭 AI 判断
仅供研究理想化交易游戏的DRL实验代码,非实盘框架,维护不明
用深度强化学习在理想化交易博弈中训练策略,适合RL量化研究入门与实验
📊 综合评分
📖 工具介绍
一个基于深度强化学习(deep reinforcement learning)进行交易研究的开源项目，通过让智能体在理想化的交易游戏中反复训练，探索 RL 策略在金融市场中的应用方式。项目代码结构清晰，适合对强化学习量化交易感兴趣的研究者和开发者学习与实验。
playing idealized trading games with deep reinforcement learning
⚖️ 同类对比
| 维度 | deep-RL-trading | vectorbt | qf-lib | FinRL-Library |
|---|---|---|---|---|
| 结论 | 仅供研究 | 推荐 | 值得关注 | 仅供研究 |
| 热度 | 360 | 8.9k | 957 | 16.2k |
| 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 | 多市场 | 多市场 | 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 | 高 | 中 | 高 |
🧩 更多同类工具
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。
一款面向量化金融的 Python 开源库，提供数据管理、回测引擎、组合优化与风险分析等模块，内置多种常用因子和指标计算工具。其文档完善、模块化设计清晰，适合量化研究人员和开发者用于策略研究、回测验证与投资组合分析。
一款基于 Python 的深度强化学习量化交易库，曾发表于 NeurIPS 2020。它提供自动化交易的标准环境、算法与回测流程，支持股票、加密货币等多种市场场景。适合希望将 Deep Reinforcement Learning 应用于量化策略研究与开发的开发者和研究人员。
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。
一款由南洋理工大学团队开源的量化交易平台，以强化学习为核心驱动。它提供数据预处理、因子挖掘、模型训练与回测等完整研究流程，内置多种 RL 算法与金融任务模块。适合量化研究人员和开发者用于策略研究与算法实验。
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。