RLTrader
v.0.3.3
该库的开发速度已经放缓，有利于 TensorTrade 的开发——一个 RL 交易框架：https://github.com/notadamking/tensortrade
如果您想了解有关我们如何创建此代理的更多信息，请查看 Medium 文章：https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29
后来，我们使用特征工程、统计建模和贝叶斯优化来优化这个存储库，请查看：https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit-b69d0e8f583b
不和谐服务器：https://discord.gg/ZZ7BGWh
数据集：https://www.cryptodatadownload.com/data/northamerican/
Linux：
sudo lspci | grep -i --color ' vga|3d|2d ' | grep -i nvidia如果返回任何内容，则您应该拥有一张 nVIDIA 卡。
开始之前您需要做的第一件事是安装要求。如果您的系统有 nVIDIA GPU，您应该首先使用：
cd " path-of-your-cloned-rl-trader-dir "
pip install -r requirements.txt有关如何在使用 docker 时利用 GPU 的更多信息：https://github.com/NVIDIA/nvidia-docker
如果您有其他类型的 GPU 或者您只想使用 CPU，请使用：
pip install -r requirements.no-gpu.txt更新默认使用的当前静态文件：
python ./cli.py update-static-data之后您可以简单地查看当前可用的选项：
python ./cli.py --help或者只是使用默认选项运行项目：
python ./cli.py optimize如果您有一组标准配置想要运行交易程序，则可以指定一个配置文件来加载配置。将 config/config.ini.dist 重命名为 config/config.ini 并运行
python ./cli.py --from-config config/config.ini optimizepython ./cli.py optimize使用以下命令启动 vagrant box：
vagrant up代码将位于/vagrant。使用您想要的任何包进行播放和/或测试。注意：使用 vagrant 您无法充分利用 GPU，因此主要用于测试目的
如果你想在 docker 容器中运行所有内容，那么只需使用：
./run-with-docker (cpu | gpu) (yes | no) optimizepython ./ cli.py --params-db-path " postgres://rl_trader:rl_trader@localhost " optimize数据库及其数据保存在本地的data/postgres下。
如果你想启动 docker 测试环境：
./run-with-docker (cpu | gpu) (yes | no)如果你想运行现有的测试，那么只需使用：
./run-tests-with-docker./dev-with-dockerconda create --name rltrader python=3.6.8 pip git conda 激活 rltrader conda 安装 tensorflow-gpu git 克隆 https://github.com/notadamking/RLTrader pip install -r RLTrader/requirements.txt
虽然您可以让代理使用默认的 PPO2 超参数进行训练和运行，但您的代理可能不会非常有利可图。 stable-baselines库提供了一组适用于大多数问题域的默认参数，但我们需要做得更好。
为此，您需要运行optimize.py 。
python ./optimize.py这可能需要一段时间（几小时到几天，具体取决于您的硬件设置），但随着时间的推移，它会在试验完成时打印到控制台。试验完成后，它将存储在./data/params.db （一个 SQLite 数据库）中，我们可以从中提取超参数来训练我们的代理。
从那里，代理将使用最佳的超参数集进行训练，然后在全新的数据上进行测试以验证算法的泛化性。
如有任何问题，请随时在 Discord 中提问！
在第一个单元格中输入并运行以下代码片段，将 RLTrader 加载到 Google Colab 环境中。不要忘记将硬件加速设置为 GPU 以加快训练速度！
!git init && git remote add origin https://github.com/notadamking/RLTrader.git && git pull origin master
!pip install -r requirements.txt
通常这是由于缺少 mpi 模块造成的。您应该根据您的平台安装它。
我们鼓励大家做出贡献，我将尽我最大努力尽快将它们实施到图书馆中。该项目旨在随着周围社区的发展而发展。如果您将来想看到什么，或者您觉得缺少什么，请告诉我。
正在处理您的第一个 Pull 请求吗？您可以通过这个免费系列了解如何为 GitHub 上的开源项目做出贡献
想要表达您对该项目的支持并帮助其发展吗？
前往后继框架：https://github.com/notadamking/tensortrade
支持者：
