RLTrader
v.0.3.3
RL 거래를 위한 프레임워크인 TensorTrade 작업을 위해 이 라이브러리의 개발 속도가 느려졌습니다: https://github.com/notadamking/tensortrade
이 에이전트를 만든 방법에 대해 자세히 알아보려면 Medium 기사를 확인하세요: https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29
나중에 기능 엔지니어링, 통계 모델링 및 베이지안 최적화를 사용하여 이 저장소를 최적화했습니다. https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b에서 확인하세요.
디스코드 서버: https://discord.gg/ZZ7BGWh
데이터 세트: https://www.cryptodatadownload.com/data/northamerican/
리눅스:
sudo lspci | grep -i --color ' vga|3d|2d ' | grep -i nvidia결과가 나타나면 nVIDIA 카드가 있어야 합니다.
시작하기 위해 가장 먼저 해야 할 일은 요구 사항을 설치하는 것입니다. 시스템에 nVIDIA GPU가 있는 경우 다음을 사용하여 시작해야 합니다.
cd " path-of-your-cloned-rl-trader-dir "
pip install -r requirements.txtDocker를 사용하는 동안 GPU를 활용하는 방법에 대한 추가 정보: https://github.com/NVIDIA/nvidia-docker
다른 유형의 GPU가 있거나 단순히 CPU를 사용하려는 경우 다음을 사용하세요.
pip install -r requirements.no-gpu.txt기본적으로 사용되는 현재 정적 파일을 업데이트합니다.
python ./cli.py update-static-data그런 다음 현재 사용 가능한 옵션을 간단히 확인할 수 있습니다.
python ./cli.py --help또는 기본 옵션을 사용하여 프로젝트를 실행하세요.
python ./cli.py optimize트레이더를 실행하려는 표준 구성 세트가 있는 경우 구성을 로드할 구성 파일을 지정할 수 있습니다. config/config.ini.dist의 이름을 config/config.ini로 바꾸고 실행합니다.
python ./cli.py --from-config config/config.ini optimizepython ./cli.py optimize다음을 사용하여 방랑자 상자를 시작하십시오.
vagrant up코드는 /vagrant에 있습니다. 원하는 패키지로 플레이 및/또는 테스트해 보세요. 참고: vagrant를 사용하면 GPU를 최대한 활용할 수 없으므로 주로 테스트 목적으로 사용됩니다.
Docker 컨테이너 내에서 모든 것을 실행하려면 다음을 사용하십시오.
./run-with-docker (cpu | gpu) (yes | no) optimizepython ./ cli.py --params-db-path " postgres://rl_trader:rl_trader@localhost " optimize 데이터베이스와 해당 데이터는 로컬로 data/postgres 에 보관됩니다.
Docker 테스트 환경을 회전하려면 다음을 수행하십시오.
./run-with-docker (cpu | gpu) (yes | no)기존 테스트를 실행하려면 다음을 사용하세요.
./run-tests-with-docker./dev-with-dockerconda create --name rltrader python=3.6.8 pip git conda 활성화 rltrader conda 설치 tensorflow-gpu git clone https://github.com/notadamking/RLTrader pip install -r RLTrader/requirements.txt
에이전트가 기본 PPO2 하이퍼 매개변수를 사용하여 훈련하고 실행하도록 할 수는 있지만 에이전트의 수익성은 그다지 높지 않을 것입니다. stable-baselines 라이브러리는 대부분의 문제 영역에서 작동하는 훌륭한 기본 매개변수 세트를 제공하지만 더 나은 기능이 필요합니다.
이렇게 하려면 optimize.py 실행해야 합니다.
python ./optimize.py 이 작업은 시간이 좀 걸릴 수 있지만(하드웨어 설정에 따라 몇 시간에서 며칠까지) 시간이 지남에 따라 평가판이 완료되면 콘솔에 인쇄됩니다. 평가판이 완료되면 SQLite 데이터베이스인 ./data/params.db 에 저장되며, 여기에서 하이퍼 매개변수를 가져와 에이전트를 교육할 수 있습니다.
거기에서 에이전트는 최상의 하이퍼 매개변수 세트를 사용하여 교육을 받고 나중에 완전히 새로운 데이터에 대해 테스트하여 알고리즘의 일반화를 확인합니다.
궁금한 점은 디스코드에 편하게 물어보세요!
RLTrader를 Google Colab 환경에 로드하려면 첫 번째 셀에 다음 스니펫을 입력하고 실행하세요. 훈련 속도를 높이려면 하드웨어 가속을 GPU로 설정하는 것을 잊지 마세요!
!git init && git remote add origin https://github.com/notadamking/RLTrader.git && git pull origin master
!pip install -r requirements.txt
일반적으로 이는 mpi 모듈이 누락되어 발생합니다. 귀하의 플랫폼에 따라 설치해야 합니다.
기여는 장려되며 가능한 한 빨리 라이브러리에 구현되도록 항상 최선을 다할 것입니다. 이 프로젝트는 주변 커뮤니티가 성장함에 따라 성장하기 위한 것입니다. 앞으로 보고 싶은 부분이나 부족하다고 생각되는 부분이 있으면 알려주세요.
첫 번째 Pull Request 작업을 하고 계시나요? GitHub의 오픈 소스 프로젝트에 기여하는 방법 이 무료 시리즈에서 방법을 배울 수 있습니다.
이 프로젝트에 대한 지지를 표하고 성장을 돕고 싶으십니까?
후속 프레임워크로 이동하세요: https://github.com/notadamking/tensortrade
지지자:
