sadighian/crypto-rl
✨ 加密货币限价订单簿录制回放加DDQN训练,深度强化学习交易研究一站式工具
🧭 AI 判断
仅供研究限价簿DDQN研究工具包,多年未维护,上手门槛高,仅具实验参考价值
用DDQN深度强化学习在限价订单簿数据上训练加密货币交易智能体
📊 综合评分
📖 工具介绍
一款面向加密货币市场的深度强化学习工具包，支持对 limit order book 数据进行录制与回放，并可用于训练 DDQN 智能体。它将数据采集与强化学习训练流程整合在一起，适合从事量化交易研究、对深度强化学习在订单簿场景应用感兴趣的开发者和研究者使用。
Deep Reinforcement Learning toolkit: record and replay cryptocurrency limit order book data & train a DDQN agent
⚖️ 同类对比
| 维度 | crypto-rl | cl-lp-rotation-scanner | freqtrade-gym | hftbacktest |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 仅供研究 | 值得关注 |
| 热度 | 966 | — | 231 | 4.6k |
| 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 | 加密货币 | 加密货币 | 加密货币 / 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 | 中 | — | 低 | 中 |
🧩 更多同类工具
一款基于 Python 的集中流动性做市分析工具，可估算可对冲波动性资产池的 fees 与 impermanent loss,并回测在多个池子间轮动资金是否优于固定留守单一池子。适合研究 CLMM LP 策略、需要评估轮动收益的量化交易者使用。
一个基于 OpenAI Gym 接口封装的加密货币强化学习训练环境，与 freqtrade 生态对接。它将行情数据与交易模拟封装为标准 gym 环境，便于训练和对比不同 RL 算法。适合想用强化学习方法研究加密货币交易策略的开发者和量化研究人员。
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。
开源的 AI「Vibe Investing」量化研究项目,覆盖纳斯达克、标普500 与加密货币市场。核心功能包括基于 LLM 的量化交易工具、multi-agent 回测框架,以及数据驱动的市场专栏(如 mNAV 套利、BTC 与纳斯达克联动性、Alpha Arena 等)。适合对 AI 辅助投资研究感兴趣的开发者和量化爱好者参考使用。
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。