tensortrade-org/tensortrade
✨ 开源强化学习框架，专注训练、评估与部署稳健的量化交易智能体
🧭 AI 判断
仅供研究高星强化学习交易框架但半年未更新,实验定位不适合实盘
用强化学习训练交易智能体的开源框架,适合研究RL策略的开发者
- 近2天热度 +15,当日热度在涨
📊 综合评分
📖 工具介绍
一个开源的强化学习(Reinforcement Learning)框架,用于训练、评估和部署交易智能体。它采用模块化设计,支持自定义数据源、奖励函数和执行环境,便于构建稳健的交易策略。适合量化研究人员和开发者用于实验和验证基于 RL 的交易模型。
An open source reinforcement learning framework for training, evaluating, and deploying robust trading agents.
⚖️ 同类对比
🧩 更多同类工具
一款基于 Python 的算法交易回测框架，将机器学习融入量化策略开发流程。它支持训练 ML 模型并进行向量化回测，可高效验证策略表现。适合希望把机器学习应用于交易策略研究与回测的 Python 开发者和量化研究人员。
一个用 Python 实现的限价订单簿(Limit Order Book)库,功能完整且运行速度较快。它支持订单的提交、取消与撮合等核心机制,可用于模拟交易撮合过程。适合量化研究人员和开发者学习订单簿原理,或在高频交易策略回测中搭建撮合模拟环境。
一款基于 Python 的开源回测模拟引擎，提供事件驱动的回测框架，支持组合构建、风险管理、交易成本与滑点模拟等功能。其代码结构清晰、易于扩展，适合量化研究者与开发者进行策略回测验证及二次开发。
一个用于交易与回测的开源环境，支持训练 reinforcement learning agent,也可运行简单的 rule base 策略。它提供交易模拟与回测功能，方便验证算法表现。适合量化研究者与强化学习开发者使用。
Trading Gym 是一个开源项目,面向交易场景的强化学习算法开发。它提供模拟交易环境,支持将市场数据转化为可用于训练的交互式环境,便于研究者测试和迭代 RL 策略。适合从事量化研究、希望将强化学习应用于交易策略开发的开发者和研究人员使用。
一款基于 Java 的技术分析开源库，提供丰富的技术指标计算、K 线数据处理和交易策略回测功能，支持自定义指标与规则组合。适合使用 Java 进行量化开发、需要构建技术分析或策略回测系统的开发者使用。