تنزيل deep trading agent - تنزيل رمز مصدر deep trading agent

deep trading agent

كود الذكاء الاصطناعي

1.0.0

تنزيل

وكيل التداول العميق

وكيل تداول قائم على التعلم المعزز العميق للبيتكوين باستخدام شبكة DeepSense لتقريب دالة Q.

نموذج
للحصول على تفاصيل كاملة عن مجموعة البيانات والمعالجة المسبقة وبنية الشبكة والتنفيذ، راجع Wiki الخاص بهذا المستودع.

متطلبات

بايثون 2.7
Tensorflow
الباندا (للمعالجة المسبقة لسلسلة أسعار البيتكوين)
tqdm (لعرض تقدم التدريب)

لإعداد جهاز أوبونتو الظاهري مع كافة التبعيات لتشغيل التعليمات البرمجية، راجع assets/vm .

تشغيل مع دوكر

اسحب صورة عامل الإرساء المعدة مسبقًا مباشرة من مركز الإرساء وقم بتشغيلها كـ

docker pull samre12/deep-trading-agent:latest
docker run -p 6006:6006 -it samre12/deep-trading-agent:latest

أو

أنشئ صورة عامل الإرساء محليًا عن طريق تنفيذ الأمر وتشغيل الصورة باسم

docker build -t deep-trading-agent .
docker run -p 6006:6006 -it deep-trading-agent

سيؤدي هذا إلى إعداد المستودع لتدريب الوكيل و

قم بتثبيت الدليل الحالي في /deep-trading-agent في الحاوية
أثناء إنشاء الصورة، يتم سحب أحدث سجل للمعاملات من البورصة وأخذ عينات منه لإنشاء مجموعة بيانات مقياس لكل دقيقة لأسعار البيتكوين. يتم وضع مجموعة البيانات هذه في /deep-trading-agent/data/btc.csv
لبدء تدريب الوكيل، حدد المعلمات المناسبة في ملف التكوين (يتوفر مثال لملف التكوين في /deep-trading-agent/code/config/config.cfg ) وقم بتشغيل التعليمات البرمجية باستخدام /deep-trading-agent/code/main.py
يدعم التدريب التسجيل والمراقبة من خلال Tensorboard
يتم تثبيت vim و screen في الحاوية لتحرير ملفات التكوين وتشغيل tensorboard
قم بربط المنفذ 6006 للحاوية بـ 6006 للجهاز المضيف لمراقبة التدريب باستخدام Tensorboard

يدعم

يرجى إعطاء هذا المستودع لدعم المشروع؟.

المهام

دعم عامل الميناء

أضف دعم Docker لبداية سريعة وسهلة للمشروع

تحسين أداء النموذج

قم باستخراج أعلى وأدنى الأسعار وحجم تداول عملة البيتكوين خلال فترة زمنية معينة في Preprocessor
استخدم أسعار الإغلاق والأعلى والأدنى وحجم التداول كقنوات إدخال للنموذج (قم بإزالة الميزات المحسوبة باستخدام أسعار الإغلاق فقط)
قم بتطبيع موترات السعر باستخدام سعر الخطوة الزمنية السابقة
للحصول على تمثيل كامل للحالة، أدخل العدد المتبقي من الصفقات في النموذج
استخدم كتل أسعار مختلفة لحساب الربح والخسارة غير المحققة
استخدم الربح والخسارة غير المحققة والمرجحة بشكل كبير كدالة مكافأة لدمج الحالة الحالية للاستثمار وتحقيق الاستقرار في تعلم الوكيل

نموذج التداول

مستوحاة من Deep Q-Trading حيث تقوم بحل مشكلة تداول مبسطة لأصل واحد.
بالنسبة لكل وحدة تداول، يُسمح فقط بإجراء واحد من الإجراءات الثلاثة: محايد (1)، طويل (2) وقصير (3) ويتم الحصول على مكافأة اعتمادًا على المركز الحالي للوكيل. يتم تدريب وكيل Deep Q-Learning لتعظيم إجمالي المكافآت المتراكمة.
تم تعديل نموذج Deep Q-Trading الحالي باستخدام بنية Deep Sense لتقريب دالة Q.

مجموعة البيانات

يتم الحصول على سلسلة Bitcoin في الدقيقة عن طريق تعديل الإجراء المذكور في هذا المستودع. يتم أخذ عينات من المعاملات في بورصة Coinbase لإنشاء سلسلة أسعار البيتكوين.
ارجع إلى assets/dataset لتنزيل مجموعة البيانات.

المعالجة المسبقة

المعالجة الأساسية
تجاهل القيم المفقودة تمامًا وقم بإزالتها من مجموعة البيانات وقم بتجميع كتل من القيم المستمرة باستخدام الطوابع الزمنية للأسعار.
يتم بعد ذلك تصفية جميع الكتل المتراكمة ذات عدد الطوابع الزمنية الأقل من طول التاريخ المدمج للحالة وأفق الوكيل، حيث لا يمكن استخدامها لتدريب الوكيل.
في التنفيذ الحالي، يتم استخدام أسعار البيتكوين خلال الثلاث ساعات الماضية (180 دقيقة) في الدقيقة لإنشاء تمثيل للحالة الحالية للوكيل.
مع مجموعة البيانات الموجودة (في وقت كتابة هذا التقرير)، فيما يلي السجلات التي تم إنشاؤها أثناء المعالجة المسبقة لمجموعة البيانات:

 INFO:root:Number of blocks of continuous prices found are 58863
INFO:root:Number of usable blocks obtained from the dataset are 887
INFO:root:Number of distinct episodes for the current configuration are 558471

المعالجة المسبقة المتقدمة
قم بمعالجة القيم المفقودة وتسلسل الكتل الأصغر لزيادة أحجام كتل الأسعار المستمرة.
التقنية القياسية في الأدبيات لملء القيم المفقودة بطريقة لا تؤثر كثيرًا على أداء النموذج هي استخدام التعبئة الأسية دون أي تسوس.
(جاري التنفيذ)