基于OpenAI Gym的程序化交易环境模拟器, 旨在为沪深A股基于增强学习的交易算法提供方便使用, 接近真实市场的交易环境
基于tenvs的RL算法baselines repo: tbase
自动从tushare下载数据, 不需要你织组数据,已经下载的数据(默认目录"/tmp/tenvs")不会重复下载
撮合规则:
下单按照A股的规则,买卖按照1手100股为基本交易单位
有拆分时,会根据复权因子对持仓进行相应的倍增, 以保持与真实市场一致
step() 比OpenAI gym多返回一个名为rewards的list, 包含每支股票的reward, 以方便Multi-Agent算法实现
支持: MacOS/Linux/Windows, python 3.5+, 推荐使用 python3.7
安装方式一(直接使用): pip install tenvs
安装方式二(开发者模式)
git clone https://github.com/tradingAI/tenvs
cd tenvs
pip install -e .
设置 tushare token(Tushare token注册申请):
export TUSHARE_TOKEN=YOUR_TOKEN
| 场景 | 实现 | action | observation | reward | 使用例子 |
|---|---|---|---|---|---|
| 单支股票, 全仓操作, 每日先卖再买 | simple.py | [scaled_sell_price, scaled_buy_price | 市场信息+部分账户信息 | 可参数选择 | simple_test.py |
| 多支股票平均分仓, 每日先卖再买 | average.py | [scaled_sell_price, scaled_buy_price] * n | 市场信息+部分账户信息 | 可参数选择 | average_test.py |
| 多支股票, 支持仓位控制, 每日先卖再买 | multi_vol.py | [scaled_sell_price, scaled_sell_volume, scaled_buy_price, scaled_buy_volume] * n | 市场信息+部分账户信息 | 可参数选择 | multi_vol_test.py |
场景:
registry.cn-hangzhou.aliyuncs.com/tradingai/tenvs:latestdocker-compose up可以参考average.py的写法
测试: 提升 unit test 覆盖率(coveralls.io)
场景增加
线上交流方式
Content type
Image
Digest
Size
816.9 MB
Last updated
about 5 years ago
docker pull tradingai/tenvs