Yvictor/TradingGym
✨ 面向强化学习与规则策略的量化交易回测环境，可用于训练交易Agent
🧭 AI 判断
仅供研究强化学习回测实验环境有一定热度但已停更多年,仅适合研究不适合实盘
为强化学习交易代理提供训练与回测环境,适合RL策略研究场景
📊 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)+4(现 1,924 · 断点=当日未采集)
📖 工具介绍
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 and Backtesting environment for training reinforcement learning agent or simple rule base algo.
📚 延伸阅读
站外优质教程,按从入门到进阶排列。内容版权归原作者所有,以下为本站人工摘要,点击标题前往原文阅读。
- TradingGym 使用教程：强化学习交易环境搭建与 PPO 实战
面向量化开发者的环境搭建教程，讲清观测与动作空间设计、奖励函数结构，并附PPO训练实测
⚖️ 同类对比
| 维度 | TradingGym | FinRL | backtrader | PyBroker |
|---|---|---|---|---|
| 结论 | 仅供研究 | 值得关注 | 值得关注 | 值得关注 |
| 热度 | 1.9k | 16.7k | 23.5k | 3.6k |
| 7日增长 | +2 | +85 | +59 | +18 |
| 适合人群 | 开发者 | 开发者 | 开发者 | 开发者 |
| 主要用途 | 回测 / 策略研究 | 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 | 中等 | 中等 | 中等 | 中等 |
| 活跃度 | 中 | 高 | 高 | 中 |
💡 近7日 FinRL 势头最猛(+85)
🧩 更多同类工具
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。
一款基于 Python 的开源回测框架，用于开发和测试交易策略。它支持多数据源、多品种回测，内置常用技术指标与 broker 模拟交易功能，也可对接实盘接口。适合量化研究者与策略开发者使用。
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。
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。