RLTrader

RLTrader — TensorTrade の前身

このライブラリの開発は、RL で取引するためのフレームワークである TensorTrade の開発に優先して減速しました: https://github.com/notadamking/tensortrade

このエージェントの作成方法について詳しく知りたい場合は、Medium の記事をご覧ください: https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29

その後、特徴エンジニアリング、統計モデリング、ベイジアン最適化を使用してこのリポジトリを最適化しました。確認してください: https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b

Discordサーバー：https://discord.gg/ZZ7BGWh

データセット: https://www.cryptodatadownload.com/data/northamerican/

はじめる

nVIDIA GPU を搭載しているかどうかを確認するにはどうすればよいですか?

Linux:

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

これで何かが返された場合は、nVIDIA カードを持っているはずです。

基本的な使い方

始めるために最初に行う必要があるのは、要件をインストールすることです。システムに nVIDIA GPU が搭載されている場合は、以下を使用して起動する必要があります。

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

Docker の使用中に GPU を活用する方法の詳細: https://github.com/NVIDIA/nvidia-docker

別のタイプの GPU がある場合、または単に CPU を使用したい場合は、次を使用します。

pip install -r requirements.no-gpu.txt

デフォルトで使用される現在の静的ファイルを更新します。

 python ./cli.py update-static-data

その後、現在利用可能なオプションを簡単に確認できます。

python ./cli.py --help

または、単にデフォルトのオプションを使用してプロジェクトを実行します。

python ./cli.py optimize

トレーダーを実行する標準の構成セットがある場合は、構成をロードする構成ファイルを指定できます。 config/config.ini.dist の名前を config/config.ini に変更して実行します

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

python ./cli.py optimize

vagrant でテストする

以下を使用して vagrant ボックスを開始します。

vagrant up

コードは /vagrant にあります。好きなパッケージでプレイしたりテストしたりできます。注: vagrant では GPU を最大限に活用できないため、主にテスト目的で使用されます。

Docker を使用したテスト

Docker コンテナ内ですべてを実行したい場合は、次のように使用します。

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

• cpu - CPU要件を使用してコンテナを起動します
• GPU - GPU 要件を使用してコンテナを起動します
• はい | no - ローカルの postgres コンテナを開始するかどうか 注: 2 番目の引数として yes を使用する場合は、次を使用します。

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

データベースとそのデータはローカルのdata/postgresの下に保存されます。

Docker テスト環境をスピンしたい場合:

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

既存のテストを実行したい場合は、次のようにしてください。

./run-tests-with-docker

ローカルの Docker 開発環境を起動する

./dev-with-docker

Windows 10 のインストール、CUDA のインストールは不要

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

最適化、トレーニング、テスト

デフォルトの PPO2 ハイパーパラメータを使用してエージェントをトレーニングおよび実行させることもできますが、エージェントの収益はそれほど高くない可能性があります。 stable-baselinesライブラリは、ほとんどの問題領域で機能する優れたデフォルト パラメーターのセットを提供しますが、改善する必要があります。

これを行うには、 optimize.py実行する必要があります。

python ./optimize.py

これにはしばらく時間がかかる場合があります (ハードウェアの設定に応じて数時間から数日) が、時間の経過とともにトライアルが完了するとコンソールに出力されます。トライアルが完了すると、それは SQLite データベースである./data/params.dbに保存され、そこからハイパーパラメータを取得してエージェントをトレーニングできます。

そこから、エージェントは最適なハイパーパラメータのセットを使用してトレーニングされ、その後、アルゴリズムの一般化を検証するためにまったく新しいデータでテストされます。

質問などはDiscordでお気軽にどうぞ！

Googleコラボ

最初のセルに次のスニペットを入力して実行し、RLTrader を Google Colab 環境にロードします。トレーニングを高速化するために、ハードウェア アクセラレーションを GPU に設定することを忘れないでください。

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

一般的なトラブルシューティング

指定されたモジュールが見つかりませんでした。

通常、これは mpi モジュールが欠落していることが原因で発生します。プラットフォームに応じてインストールする必要があります。

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

貢献する

貢献は奨励されており、できるだけ早くライブラリに実装できるよう常に最善を尽くします。このプロジェクトは、周囲のコミュニティの成長に合わせて成長することを目的としています。今後期待していることや、足りないと感じていることがあれば教えてください。

最初のプル リクエストに取り組んでいますか?この無料シリーズ「GitHub のオープンソース プロジェクトに貢献する方法」からその方法を学ぶことができます。

サポート

このプロジェクトへのサポートを示し、プロジェクトの成長を助けてみませんか?

後継フレームワークに移動します: https://github.com/notadamking/tensortrade

サポーター:

• AP9944
• キルス
• ネックス