Framework Python de código aberto para aplicar deep reinforcement learning a tarefas de negociação automatizada de ações e gestão de portfólio.
FinRL é um framework Python para criar agentes de negociação financeira com reinforcement learning. Ele organiza o trabalho em três camadas: ambientes de mercado que simulam tarefas de negociação, agentes DRL que aprendem políticas de tomada de decisão e aplicações financeiras, como negociação de ações e alocação de portfólio. Um agente interage com um ambiente de mercado e aprende uma política nas etapas de treino, teste e negociação.
O framework inclui algoritmos de DRL como A2C, DDPG, PPO, TD3 e SAC via Stable Baselines 3, além de oferecer suporte a várias fontes de dados, incluindo Yahoo Finance, Alpaca, Binance, CCXT e Tushare. O pré-processamento integrado adiciona indicadores técnicos como MACD e RSI, além de recursos do VIX e do índice de turbulência. Os scripts de exemplo treinam agentes com dados de ações do DOW 30 e comparam resultados de backtest com referências como Mean Variance Optimization e o índice DJIA.
Este repositório contém o fluxo de trabalho original e clássico do FinRL, voltado para educação, experimentação e prototipagem de pesquisa. Os mantenedores direcionam usuários ao projeto separado FinRL-X / FinRL-Trading para sistemas de negociação voltados à produção. O código é distribuído sob a licença MIT e fornecido para fins acadêmicos, não como aconselhamento financeiro.
Clone o repositório
git clone https://github.com/AI4Finance-Foundation/FinRL.gitAcesse a pasta do projeto
cd FinRLCrie e ative um ambiente virtual
python3 -m venv venv && source venv/bin/activateInstale o FinRL
pip install -e .Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Plataforma de investimento quantitativo orientada a IA da Microsoft, que abrange dados, treinamento de modelos, backtesting e execução de ordens para pesquisa quantitativa.
Terminal desktop nativo em C++20 para pesquisa financeira, com interface Qt6, analytics em Python integrado, agentes de IA e mais de 100 conectores de dados de mercado.
Lista selecionada e organizada por categorias de bibliotecas, pacotes e recursos open source para finanças quantitativas, de precificação e backtesting a dados e muito mais.
O Unity ML-Agents Toolkit permite usar jogos e simulações Unity como ambientes para treinar agentes de IA com aprendizado por reforço e por imitação.
Plataforma de dados open source em Python que conecta fontes financeiras e outras fontes de dados e as disponibiliza para Python, Excel, agentes de IA e APIs REST.
Motor de trading nativo em Rust e orientado a eventos, com plano de controle em Python para backtesting e trading ao vivo em mercados de cripto, FX, ações, futuros, opções e apostas.