RLTrader

RLTrader — Pendahulu TensorTrade

Pengembangan perpustakaan ini melambat, mendukung pengerjaan TensorTrade - kerangka kerja untuk berdagang dengan RL: https://github.com/notadamking/tensortrade

Jika Anda ingin mempelajari lebih lanjut tentang cara kami membuat agen ini, lihat artikel Medium: https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29

Nanti, kami mengoptimalkan repo ini menggunakan rekayasa fitur, pemodelan statistik, dan pengoptimalan Bayesian, lihat: https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b

Server perselisihan: https://discord.gg/ZZ7BGWh

Kumpulan data: https://www.cryptodatadownload.com/data/northamerican/

Memulai

Bagaimana cara mengetahui apakah Anda memiliki GPU nVIDIA?

Linux:

sudo lspci | grep -i --color ' vga|3d|2d ' | grep -i nvidia

Jika ini menghasilkan sesuatu, maka Anda harus memiliki kartu nVIDIA.

Penggunaan dasar

Hal pertama yang perlu Anda lakukan untuk memulai adalah menginstal persyaratannya. Jika sistem Anda memiliki GPU nVIDIA, Anda harus memulai dengan menggunakan:

 cd " path-of-your-cloned-rl-trader-dir "
pip install -r requirements.txt

Informasi lebih lanjut mengenai bagaimana Anda dapat memanfaatkan GPU Anda saat menggunakan buruh pelabuhan: https://github.com/NVIDIA/nvidia-docker

Jika Anda memiliki GPU jenis lain atau hanya ingin menggunakan CPU, gunakan:

pip install -r requirements.no-gpu.txt

Perbarui file statis Anda saat ini, yang digunakan secara default:

 python ./cli.py update-static-data

Setelah itu Anda cukup melihat opsi yang tersedia saat ini:

python ./cli.py --help

atau cukup jalankan proyek dengan opsi default:

python ./cli.py optimize

Jika Anda memiliki serangkaian konfigurasi standar yang ingin digunakan oleh trader, Anda dapat menentukan file konfigurasi untuk memuat konfigurasi. Ganti nama config/config.ini.dist menjadi config/config.ini dan jalankan

python ./cli.py --from-config config/config.ini optimize

python ./cli.py optimize

Menguji dengan gelandangan

Mulai kotak gelandangan menggunakan:

vagrant up

Kode akan berlokasi di /vagrant. Mainkan dan/atau uji dengan paket apa pun yang Anda inginkan. Catatan: Dengan vagrant Anda tidak dapat memanfaatkan GPU Anda sepenuhnya, jadi ini terutama untuk tujuan pengujian

Menguji dengan buruh pelabuhan

Jika Anda ingin menjalankan semuanya dalam wadah buruh pelabuhan, gunakan saja:

./run-with-docker (cpu | gpu) (yes | no) optimize

• cpu - memulai wadah menggunakan persyaratan CPU
• gpu - memulai penampung menggunakan persyaratan GPU
• ya | tidak - memulai atau tidak wadah postgres lokal Catatan: jika menggunakan ya sebagai argumen kedua, gunakan

python ./ cli.py --params-db-path " postgres://rl_trader:rl_trader@localhost " optimize

Basis data dan datanya disimpan di bawah data/postgres secara lokal.

Jika Anda ingin memutar lingkungan pengujian buruh pelabuhan:

./run-with-docker (cpu | gpu) (yes | no)

Jika Anda ingin menjalankan tes yang ada, gunakan saja:

./run-tests-with-docker

Jalankan lingkungan pengembang buruh pelabuhan lokal

./dev-with-docker

Instalasi Windows 10, tidak diperlukan instalasi CUDA

conda create --name rltrader python=3.6.8 pip git conda aktifkan rltrader conda install tensorflow-gpu git clone https://github.com/notadamking/RLTrader pip install -r RLTrader/requirements.txt

Optimalisasi, Pelatihan, dan Pengujian

Meskipun Anda dapat membiarkan agen berlatih dan menjalankan dengan hyper-parameter PPO2 default, kemungkinan besar agen Anda tidak akan terlalu menguntungkan. Pustaka stable-baselines menyediakan serangkaian parameter default yang berfungsi untuk sebagian besar domain bermasalah, namun kita perlu memperbaikinya.

Untuk melakukan ini, Anda perlu menjalankan optimize.py .

python ./optimize.py

Proses ini dapat memakan waktu cukup lama (berjam-jam hingga berhari-hari tergantung pada pengaturan perangkat keras Anda), namun seiring berjalannya waktu, proses ini akan dicetak ke konsol saat uji coba selesai. Setelah uji coba selesai, uji coba tersebut akan disimpan di ./data/params.db , database SQLite, tempat kami dapat menarik hyper-parameter untuk melatih agen kami.

Dari sana, agen akan dilatih menggunakan kumpulan hyper-parameter terbaik, dan kemudian diuji pada data yang benar-benar baru untuk memverifikasi generalisasi algoritme.

Jangan ragu untuk mengajukan pertanyaan apa pun di Discord!

Google Kolab

Masukkan dan jalankan cuplikan berikut di sel pertama untuk memuat RLTrader ke lingkungan Google Colab. Jangan lupa setel akselerasi perangkat keras ke GPU untuk mempercepat pelatihan!

 !git init && git remote add origin https://github.com/notadamking/RLTrader.git && git pull origin master
!pip install -r requirements.txt

Pemecahan masalah umum

Modul yang ditentukan tidak dapat ditemukan.

Biasanya ini disebabkan oleh hilangnya modul mpi. Anda harus menginstalnya sesuai platform Anda.

• Windows: https://docs.microsoft.com/en-us/message-passing-interface/microsoft-mpi
• Linux/MacOS: https://www.mpich.org/downloads/

Berkontribusi

Kontribusi sangat dianjurkan dan saya akan selalu melakukan yang terbaik untuk menerapkannya ke perpustakaan secepatnya. Proyek ini dimaksudkan untuk tumbuh seiring dengan berkembangnya komunitas di sekitarnya. Beri tahu saya jika ada sesuatu yang ingin Anda lihat di masa depan atau jika ada sesuatu yang Anda rasa kurang.

Sedang mengerjakan Permintaan Tarik pertama Anda? Anda dapat mempelajari caranya dari seri gratis ini Cara Berkontribusi pada Proyek Sumber Terbuka di GitHub

Mendukung

Ingin menunjukkan dukungan Anda untuk proyek ini dan membantunya berkembang?

Buka kerangka penerus: https://github.com/notadamking/tensortrade

Pendukung:

• Ap9944
• MEMBUNUH
• Berikutnya