ucaiado/rl_trading
✨ 面向高频交易场景的强化学习智能体训练环境，量化研究者的开箱即用沙盒
🧭 AI 判断
仅供研究强化学习高频交易实验环境,多年未维护,属研究示例,不适合实盘
用强化学习训练高频交易Agent的自研环境,适合RL做市策略研究
📊 综合评分
📖 工具介绍
一个基于强化学习的高频交易 agent 实验环境，提供模拟市场数据与交易接口，方便训练和评估 RL 策略。项目代码开源、结构清晰，适合量化研究者与开发者学习强化学习在交易场景中的应用或进行策略原型验证。
An environment to high-frequency trading agents under reinforcement learning
⚖️ 同类对比
| 维度 | rl_trading | TrendFollowingSystems | vectorbt | qf-lib |
|---|---|---|---|---|
| 结论 | 仅供研究 | 仅供研究 | 推荐 | 值得关注 |
| 热度 | 288 | 25 | 8.9k | 957 |
| 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 | 期货 / 多市场 | 期货 / 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 | 低 | 高 | 中 |
🧩 更多同类工具
一款基于 Python 的趋势跟踪策略研究工具，提供闭式解计算的预期收益、Sharpe 比率与偏度分析，并附完整实现代码和跨越数十年的期货回测数据。适合量化研究者与策略开发者学习和验证趋势跟踪系统。
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。