近日，量化平台大家庭迎来了一位新成员，鉴于加强进修的开源平台: TradeMaster— 买卖大师。
TradeMaster 由南洋理工大学开发，是一个涵盖四大金融市场，六大买卖场景，15 种加强进修算法以及一系列可视化评介工具的统一的，端到端的，用户友好的量化买卖平台！平台地址: https://github.com/TradeMaster-NTU/TradeMaster背景介绍近年来，人工智能手艺在量化买卖策略中正在占据越来越重要的地位。由于具有在复杂环境中突出的决策能力，将加强进修手艺应用于量化买卖中义务存在巨大的潜力。然而金融市场的低信噪比和加强进修算法训练不稳定的特点使得加强进修算法目前还无法大规模布局在真实金融市场中，详细挑战如下: 1. 开发过程复杂，蕴含极大的工程量，难以兑现 2. 算法性能高度依赖于尝试时的市场状态，风险较高，难以系统评介 3. 算法的设想，优化，和维护有存在较高的手艺门槛，难以大规模布局。TradeMaster 的发布为这个领域供应了一款软件工具，一个行业基准和一类工业级产品接口以解决上文中的三个挑战。
TradeMaster 对于产学研用深度融合的潜在贡献TradeMaster 框架TradeMaster 由六个核心模块组成，蕴含了用于量化买卖加强进修算法的设想，兑现，尝试，布局的完整过程，下面我们为大家详细介绍：
TradeMaster 平台的框架结构数据模块：TradeMaster 供应了长周期多模态 (K 线和订单流) 差别粒度 (分钟级到日级) 的金融数据，涵盖四个主要市场：中国，美国股票，加密货币和外汇。预处理模块：TradeMaster 供应了标准化的金融时序数据预处理的 pipeline，蕴含 6 个步骤：1. 数据清洗 2. 数据填充 3. 正则化 4. 自动特征发掘 5. 特征嵌入 6. 特征选择模拟器模块：TradeMaster 供应了一系列的数据驱动的高质量金融市场模拟器，支持 6 个主流量化买卖义务：1. 加密货币买卖 2. 资产组合管理 3. 日内买卖 4. 订单执行 5. 高频买卖 6. 做市算法模块：TradeMaster 兑现了 7 个最新的鉴于加强进修的买卖算法 ( DeepScalper，OPD，DeepTrader，SARL，ETTO，Investor-Imitator，EIIE ) 和 8 个经典加强算法 ( PPO，A2C，Rainbow，SAC，DDPG，DQN，PG，TD3 )。与此同时，TradeMaster 引入了自动化机器进修手艺来帮助用户高效的调整训练加强进修算法的超参数。评介模块：TradeMaster 兑现了 17 个评介指标和可视化工具从收益能力，风险控制，多样性，可解释性，鲁棒性，通用型 6 个维度给出系统化的评介。以下是两个例子：
表示收益能力，风险控制，策略多样性的雷达图
金融时序数据可视化运行过程伪代码TradeMaster 鉴于面向对象的编程思想，对差别功能模块进行封装，兑现了差别模块之前的功能解偶和封装，具有良好的可扩展性和复用性，详细过程蕴含如下 6 个步骤：
尝试结果以道琼斯 30 指数上的投资组合这一经典义务为例，EIIE 算法在尝试集上取得了稳定的正收益和较高的夏普比：
TradeMaster 教程TradeMaster 供应了一系列针对多个金融市场差别买卖义务的加强进修算法教程，通过 Jupyter Notebook 的形式呈现以方便用户快速上手：
详情见：https://github.com/TradeMaster-NTU/TradeMaster/tree/1.0.0/tutorial鉴于 TradeMaster 的大型加强进修量化买卖算法设想比赛将会在今年年内举行，以帮助大家更好的了解和使用 TradeMaster，尽情期待！
原创文章，作者：机器之心，如若转载，请注明出处：https://www.iaiol.com/news/28020
