Politeknik Nanyang mengeluarkan induk perdagangan kuantitatif TradeMaster, meliputi 15 algoritma pembelajaran pengukuhan

Baru-baru ini, keluarga platform kuantitatif telah mengalu-alukan ahli baharu, platform sumber terbuka berdasarkan pembelajaran pengukuhan: TradeMaster—Master Dagangan.

TradeMaster dibangunkan oleh Universiti Teknologi Nanyang , ialah platform dagangan kuantitatif yang bersatu, hujung ke hujung, mesra pengguna yang meliputi empat pasaran kewangan utama, enam senario dagangan utama, 15 algoritma pembelajaran pengukuhan dan satu siri alat penilaian visual!

Alamat platform: https://github.com/TradeMaster-NTU/TradeMaster

Pengenalan latar belakang

Dalam beberapa tahun kebelakangan ini, teknologi kecerdasan buatan menduduki kedudukan yang semakin penting dalam strategi perdagangan kuantitatif. Disebabkan keupayaan membuat keputusan yang cemerlang dalam persekitaran yang kompleks, terdapat potensi besar dalam menggunakan teknologi pembelajaran pengukuhan untuk tugas dalam perdagangan kuantitatif. Walau bagaimanapun, nisbah isyarat kepada hingar pasaran kewangan yang rendah dan latihan algoritma pembelajaran pengukuhan yang tidak stabil menjadikan pada masa ini mustahil untuk algoritma pembelajaran pengukuhan digunakan secara besar-besaran dalam pasaran kewangan sebenar Cabaran-cabaran khusus adalah seperti berikut:

1. Pembangunan Proses ini kompleks, melibatkan sejumlah besar kejuruteraan dan sukar untuk dilaksanakan
2. Prestasi algoritma sangat bergantung pada keadaan pasaran pada masa ujian, dengan risiko tinggi dan sukar untuk dinilai secara sistematik
3. Reka bentuk algoritma, pengoptimuman dan penyelenggaraan Terdapat ambang teknikal yang tinggi dan sukar untuk digunakan secara besar-besaran.

Pengeluaran TradeMaster menyediakan medan ini dengan alat perisian, penanda aras industri dan antara muka produk gred industri untuk menyelesaikan tiga cabaran yang dinyatakan di atas.

Sumbangan potensi TradeMaster kepada integrasi mendalam industri, akademik, penyelidikan dan aplikasi

TradeMaster Rangka kerja

TradeMaster terdiri daripada enam modul teras , termasuk proses lengkap reka bentuk, pelaksanaan, ujian dan penggunaan pembelajaran pengukuhan algoritma untuk perdagangan kuantitatif , di bawah kami akan memperkenalkannya kepada anda secara terperinci:

Struktur rangka kerja platform TradeMaster

modul data: TradeMaster menyediakan data kewangan berbilang modal jangka panjang (garisan K dan aliran pesanan) pada butiran yang berbeza (tahap minit ke tahap harian), meliputi empat pasaran utama: China, saham AS dan pertukaran asing.

Modul prapemprosesan: TradeMaster menyediakan saluran paip prapemprosesan data siri masa kewangan piawai, termasuk 6 langkah: 1. Pembersihan data 2. Pengisian data 3. Regularisasi 4. Penemuan ciri automatik 5. Pembenam ciri 6. Pemilihan ciri

Modul simulator: TradeMaster menyediakan satu siri simulator pasaran kewangan berkualiti tinggi dipacu data, menyokong 6 tugas dagangan kuantitatif arus perdana: 1 Perdagangan mata wang 2. Pengurusan portfolio 3 . Dagangan intraday 4. Pelaksanaan pesanan 5. Dagangan frekuensi tinggi 6. Membuat pasaran

Modul algoritma: TradeMaster melaksanakan 7 algoritma dagangan berasaskan pembelajaran pengukuhan terkini (DeepScalper, OPD, DeepTrader, SARL , ETTO, Investor-Imitator, EIIE) dan 8 algoritma dipertingkatkan klasik (PPO, A2C, Rainbow, SAC, DDPG, DQN, PG, TD3). Pada masa yang sama, TradeMaster memperkenalkan teknologi pembelajaran mesin automatik untuk membantu pengguna melaraskan hiperparameter algoritma pembelajaran pengukuhan latihan dengan cekap.

Modul penilaian: TradeMaster melaksanakan 17 penunjuk penilaian dan alat visualisasi daripada 6 dimensi: keuntungan, kawalan risiko, kepelbagaian, kebolehtafsiran, keteguhan dan kesejagatan Penilaian sistematik. Berikut ialah dua contoh:

Carta radar yang mewakili keuntungan, kawalan risiko dan kepelbagaian strategi

Penggambaran data siri masa kewangan

Proses menjalankan pseudokod

Berdasarkan idea pengaturcaraan berorientasikan objek, TradeMaster merangkum modul fungsi yang berbeza dan merealisasikan penyahgandingan dan pengkapsulan berfungsi bagi modul yang berbeza Ia mempunyai kebolehskalaan dan kebolehgunaan semula yang baik Proses khusus termasuk 6 langkah berikut :

Keputusan ujian

Berdasarkan Indeks Dow Jones 30 Mengambil tugas klasik portfolio pelaburan sebagai contoh, algoritma EIIE mencapai pulangan positif yang stabil dan nisbah Sharpe yang tinggi pada set ujian:

Tutorial TradeMaster

TradeMaster menyediakan satu siri penyelesaian berbeza untuk pelbagai pasaran kewangan Tutorial algoritma pembelajaran pengukuhan untuk tugas dagangan dibentangkan dalam bentuk Jupyter Notebook untuk memudahkan pengguna bermula dengan cepat:

Untuk butiran , lihat: https://github.com/TradeMaster-NTU/TradeMaster/tree/1.0.0/tutorial

Atas ialah kandungan terperinci Politeknik Nanyang mengeluarkan induk perdagangan kuantitatif TradeMaster, meliputi 15 algoritma pembelajaran pengukuhan. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!