ดาวน์โหลด RLTrader - ดาวน์โหลดซอร์สโค้ด RLTrader

RLTrader

ซอร์สโค้ดอื่น ๆ

v.0.3.3

ดาวน์โหลด

RLTrader — ผู้บุกเบิกของ TensorTrade

การพัฒนาไลบรารีนี้ชะลอตัวลง เพื่อสนับสนุนการทำงานบน TensorTrade - กรอบการทำงานสำหรับการซื้อขายกับ RL: https://github.com/notadamking/tensortrade

หากคุณต้องการเรียนรู้เพิ่มเติมเกี่ยวกับวิธีที่เราสร้างตัวแทนนี้ โปรดดูบทความสื่อ: https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29

ต่อมา เราได้ปรับ repo นี้ให้เหมาะสมโดยใช้วิศวกรรมฟีเจอร์ การสร้างแบบจำลองทางสถิติ และการเพิ่มประสิทธิภาพแบบ Bayesian ลองดูสิ: https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b

เซิร์ฟเวอร์ Discord: https://discord.gg/ZZ7BGWh

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

การแสดงภาพการซื้อขายสด

เริ่มต้นใช้งาน

จะทราบได้อย่างไรว่าคุณมี nVIDIA GPU?

ลินุกซ์:

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

หากสิ่งนี้ส่งคืน แสดงว่าคุณควรมีการ์ด nVIDIA

การใช้งานขั้นพื้นฐาน

สิ่งแรกที่คุณต้องทำเพื่อเริ่มต้นคือติดตั้งข้อกำหนด หากระบบของคุณมี nVIDIA GPU คุณควรเริ่มต้นด้วยการใช้:

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

ข้อมูลเพิ่มเติมเกี่ยวกับวิธีที่คุณสามารถใช้ประโยชน์จาก GPU ของคุณในขณะที่ใช้นักเทียบท่า: https://github.com/NVIDIA/nvidia-docker

หากคุณมี GPU ประเภทอื่นหรือเพียงต้องการใช้ CPU ให้ใช้:

pip install -r requirements.no-gpu.txt

อัปเดตไฟล์สแตติกปัจจุบันของคุณที่ใช้เป็นค่าเริ่มต้น:

 python ./cli.py update-static-data

หลังจากนั้น คุณจะเห็นตัวเลือกที่มีอยู่ในปัจจุบัน:

python ./cli.py --help

หรือเพียงแค่รันโปรเจ็กต์ด้วยตัวเลือกเริ่มต้น:

python ./cli.py optimize

หากคุณมีชุดการกำหนดค่ามาตรฐานที่คุณต้องการให้ผู้ซื้อขายใช้งาน คุณสามารถระบุไฟล์การกำหนดค่าเพื่อโหลดการกำหนดค่าได้ เปลี่ยนชื่อ config/config.ini.dist เป็น config/config.ini และเรียกใช้

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

python ./cli.py optimize

ทดสอบกับคนเร่ร่อน

เริ่มกล่องคนเร่ร่อนโดยใช้:

vagrant up

โค้ดจะอยู่ที่ /vagrant เล่นและ/หรือทดสอบกับแพ็คเกจใดก็ได้ที่คุณต้องการ หมายเหตุ: สำหรับคนจรจัด คุณจะไม่สามารถใช้ประโยชน์จาก GPU ของคุณได้อย่างเต็มที่ ดังนั้นเพื่อวัตถุประสงค์ในการทดสอบเป็นหลัก

การทดสอบกับนักเทียบท่า

หากคุณต้องการรันทุกอย่างภายในคอนเทนเนอร์นักเทียบท่า ให้ใช้:

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

cpu - เริ่มคอนเทนเนอร์โดยใช้ข้อกำหนดของ CPU
GPU - เริ่มคอนเทนเนอร์โดยใช้ข้อกำหนด GPU
ใช่ | ไม่ - เริ่มต้นหรือไม่ใช้คอนเทนเนอร์ postgres ในเครื่อง หมายเหตุ: ในกรณีที่ใช้ใช่เป็นอาร์กิวเมนต์ที่สอง ให้ใช้

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

ฐานข้อมูลและข้อมูลของมันถูกรบกวนภายใต้ data/postgres ในเครื่อง

หากคุณต้องการหมุนสภาพแวดล้อมการทดสอบนักเทียบท่า:

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

หากคุณต้องการรันการทดสอบที่มีอยู่ ให้ใช้:

./run-tests-with-docker

เปิดสภาพแวดล้อมการพัฒนานักเทียบท่าในพื้นที่

./dev-with-docker

การติดตั้ง Windows 10 ไม่จำเป็นต้องติดตั้ง CUDA

conda สร้าง --name rltrader python=3.6.8 pip git conda เปิดใช้งาน rltrader conda ติดตั้ง tensorflow-gpu git clone https://github.com/notadamking/RLTrader pip ติดตั้ง -r RLTrader/requirements.txt

การเพิ่มประสิทธิภาพ การฝึกอบรม และการทดสอบ

แม้ว่าคุณจะสามารถปล่อยให้ตัวแทนฝึกอบรมและดำเนินการโดยใช้ไฮเปอร์พารามิเตอร์ PPO2 เริ่มต้นได้ แต่ตัวแทนของคุณก็ไม่น่าจะทำกำไรได้มากนัก ไลบรารี stable-baselines มีชุดพารามิเตอร์เริ่มต้นที่ยอดเยี่ยมซึ่งใช้ได้กับโดเมนที่มีปัญหาส่วนใหญ่ แต่เราต้องดีกว่านี้

ในการดำเนินการนี้ คุณจะต้องเรียกใช้ optimize.py

python ./optimize.py

การดำเนินการนี้อาจใช้เวลาสักครู่ (หลายชั่วโมงต่อวันขึ้นอยู่กับการตั้งค่าฮาร์ดแวร์ของคุณ) แต่เมื่อเวลาผ่านไป ระบบจะพิมพ์ไปยังคอนโซลเมื่อการทดลองใช้เสร็จสิ้น เมื่อการทดลองใช้งานเสร็จสิ้น การทดลองนั้นจะถูกจัดเก็บไว้ใน ./data/params.db ซึ่งเป็นฐานข้อมูล SQLite ซึ่งเราสามารถดึงไฮเปอร์พารามิเตอร์มาฝึกตัวแทนของเราได้

จากนั้น เจ้าหน้าที่จะได้รับการฝึกอบรมโดยใช้ชุดไฮเปอร์พารามิเตอร์ที่ดีที่สุด และทดสอบกับข้อมูลใหม่ทั้งหมดในภายหลังเพื่อตรวจสอบลักษณะทั่วไปของอัลกอริทึม

อย่าลังเลที่จะถามคำถามใน Discord!

Google Colab

ป้อนและเรียกใช้ตัวอย่างต่อไปนี้ในเซลล์แรกเพื่อโหลด RLTrader ลงในสภาพแวดล้อมของ Google Colab อย่าลืมตั้งค่าการเร่งด้วยฮาร์ดแวร์เป็น GPU เพื่อเร่งการฝึก!

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

การแก้ไขปัญหาทั่วไป

ไม่พบโมดูลที่ระบุ

โดยปกติสิ่งนี้มีสาเหตุมาจากโมดูล mpi หายไป คุณควรติดตั้งตามแพลตฟอร์มของคุณ

วินโดวส์: https://docs.microsoft.com/en-us/message-passing-interface/microsoft-mpi
ลินุกซ์/MacOS: https://www.mpich.org/downloads/

มีส่วนร่วม

เราสนับสนุนการมีส่วนร่วมและฉันจะพยายามอย่างเต็มที่เพื่อนำไปปรับใช้ในห้องสมุดโดยเร็วที่สุด โครงการนี้มีจุดมุ่งหมายเพื่อเติบโตเมื่อชุมชนรอบข้างเติบโตขึ้น แจ้งให้เราทราบหากมีสิ่งที่คุณต้องการเห็นในอนาคตหรือหากมีสิ่งใดที่คุณรู้สึกว่าขาดหายไป

กำลังดำเนินการ Pull Request ครั้งแรกของคุณหรือไม่? คุณสามารถเรียนรู้วิธีจากซีรีส์ ฟรี นี้เกี่ยวกับวิธีมีส่วนร่วมในโครงการโอเพ่นซอร์สบน GitHub