RLTrader

RLTrader — TensorTrade 的前身

該庫的開發速度已經放緩，有利於 TensorTrade 的開發——一個 RL 交易框架：https://github.com/notadamking/tensortrade

如果您想了解有關我們如何創建此代理的更多信息，請查看 Medium 文章：https://towardsdatascience.com/creating-bitcoin-trading-bots-that-dont-lose-money-2e7165fb0b29

後來，我們使用特徵工程、統計建模和貝葉斯優化來優化這個儲存庫，請查看：https://towardsdatascience.com/using-reinforcement-learning-to-trade-bitcoin-for-massive-profit- b69d0e8f583b

不和諧伺服器：https://discord.gg/ZZ7BGWh

資料集：https://www.cryptodatadownload.com/data/northamerican/

入門

如何確定您是否有 nVIDIA GPU？

Linux：

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

如果返回任何內容，則您應該擁有一張 nVIDIA 卡。

基本用法

開始之前您需要做的第一件事是安裝要求。如果您的系統有 nVIDIA GPU，您應該先使用：

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

有關如何在使用 docker 時利用 GPU 的更多資訊：https://github.com/NVIDIA/nvidia-docker

如果您有其他類型的 GPU 或只想使用 CPU，請使用：

pip install -r requirements.no-gpu.txt

更新預設使用的目前靜態檔案：

 python ./cli.py update-static-data

之後您可以簡單地查看目前可用的選項：

python ./cli.py --help

或者只是使用預設選項運行項目：

python ./cli.py optimize

如果您有一組標準配置想要執行交易程序，則可以指定一個設定檔來載入設定。將 config/config.ini.dist 重新命名為 config/config.ini 並執行

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

python ./cli.py optimize

使用流浪者進行測試

使用以下指令啟動 vagrant box：

vagrant up

代碼將位於/vagrant。使用您想要的任何包進行播放和/或測試。注意：使用 vagrant 您無法充分利用 GPU，因此主要用於測試目的

使用碼頭工人測試

如果你想在 docker 容器中運行所有內容，那麼只需使用：

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

• cpu - 使用 CPU 要求啟動容器
• gpu - 使用 GPU 要求啟動容器
• 是的 | no - 啟動或不啟動本機 postgres 容器 注意：如果使用 yes 作為第二個參數，請使用

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

資料庫及其資料保存在本地的data/postgres下。

如果你想啟動 docker 測試環境：

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

如果你想執行現有的測試，那麼只需使用：

./run-tests-with-docker

啟動本機 docker 開發環境

./dev-with-docker

Windows 10安裝，無須安裝CUDA

conda create --name rltrader python=3.6.8 pip git conda 激活 rltrader conda 安裝 tensorflow-gpu git 克隆 https://github.com/notadamking/RLTrader pip install -r txtTrader/requirements.RL

優化、培訓和測試

雖然您可以讓代理程式使用預設的 PPO2 超參數進行訓練和運行，但您的代理可能不會非常有利可圖。 stable-baselines庫提供了一組適用於大多數問題域的預設參數，但我們需要做得更好。

為此，您需要執行optimize.py 。

python ./optimize.py

這可能需要一段時間（幾小時到幾天，取決於您的硬體設定），但隨著時間的推移，它會在試驗完成時列印到控制台。試驗完成後，它將儲存在./data/params.db （一個 SQLite 資料庫）中，我們可以從中提取超參數來訓練我們的代理。

從那裡，代理將使用最佳的超參數集進行訓練，然後在全新的資料上進行測試以驗證演算法的泛化性。

如有任何問題，請隨時在 Discord 中提問！

Google合作實驗室

在第一個儲存格中輸入並執行以下程式碼片段，將 RLTrader 載入到 Google Colab 環境中。不要忘記將硬體加速設定為 GPU 以加快訓練速度！

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

常見故障排除

找不到指定的模組。

通常這是由於缺少 mpi 模組造成的。您應該根據您的平台安裝它。

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

貢獻

我們鼓勵大家做出貢獻，我將盡我最大努力盡快將它們實施到圖書館中。該項目旨在隨著周圍社區的發展而發展。如果您將來想看到什麼，或者您覺得缺少什麼，請告訴我。

正在處理您的第一個 Pull 請求嗎？您可以透過這個免費系列了解如何為 GitHub 上的開源專案做出貢獻

支援

想要表達您對該專案的支持並幫助其發展嗎？

前往後繼框架：https://github.com/notadamking/tensortrade

支持者：

• Ap9944
• 殺戮
• 內克斯