Framework de Python de código abierto para aplicar deep reinforcement learning al trading automatizado de acciones y a tareas de gestión de portafolios.
FinRL es un framework de Python para crear agentes de trading financiero basados en reinforcement learning. Organiza el trabajo en tres capas: entornos de mercado que simulan tareas de trading, agentes DRL que aprenden políticas de toma de decisiones y aplicaciones financieras, como el trading de acciones y la asignación de portafolios. Un agente interactúa con un entorno de mercado y aprende una política a través de las etapas de entrenamiento, prueba y trading.
El framework incluye algoritmos de DRL como A2C, DDPG, PPO, TD3 y SAC mediante Stable Baselines 3, y admite varias fuentes de datos, entre ellas Yahoo Finance, Alpaca, Binance, CCXT y Tushare. El preprocesamiento integrado añade indicadores técnicos como MACD y RSI, además de VIX y características del índice de turbulencia. Los scripts de ejemplo entrenan agentes con datos de acciones del DOW 30 y comparan los resultados de backtesting con referencias como Mean Variance Optimization y el índice DJIA.
Este repositorio contiene el flujo de trabajo original y clásico de FinRL, orientado a la educación, la experimentación y la creación de prototipos de investigación. Los mantenedores remiten a los usuarios al proyecto independiente FinRL-X / FinRL-Trading para sistemas de trading orientados a producción. El código se distribuye bajo la licencia MIT y se ofrece con fines académicos, no como asesoramiento financiero.
Clona el repositorio
git clone https://github.com/AI4Finance-Foundation/FinRL.gitEntra en la carpeta del proyecto
cd FinRLCrea y activa un entorno virtual
python3 -m venv venv && source venv/bin/activateInstala FinRL
pip install -e .Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Plataforma de inversión cuantitativa orientada a la IA de Microsoft, que abarca datos, entrenamiento de modelos, backtesting y ejecución de órdenes para la investigación cuantitativa.
Terminal de escritorio nativa en C++20 para investigación financiera, con interfaz Qt6, analítica con Python integrado, agentes de IA y más de 100 conectores de datos de mercado.
Lista seleccionada y organizada por categorías de bibliotecas, paquetes y recursos de código abierto para finanzas cuantitativas, desde pricing y backtesting hasta datos y más.
Unity ML-Agents Toolkit permite usar juegos y simulaciones de Unity como entornos para entrenar agentes de IA mediante aprendizaje por refuerzo e imitación.
Plataforma de datos de código abierto en Python que conecta fuentes financieras y de otros tipos y las ofrece a Python, Excel, agentes de IA y API REST.
Motor de trading nativo en Rust y basado en eventos, con un plano de control en Python para backtesting y operativa en vivo en mercados de criptomonedas, FX, acciones, futuros, opciones y apuestas.