自動交易程式探索

我選擇這個題目，主要是因為我對投資和深度學習的興趣相結合。工作之餘，我經常接觸股票和加密貨幣，交易時習慣使用傳統的技術指標，如趨勢線、斐波那契、均線、MACD 等，來分析市場並決定交易時機。然而，我意識到這種基於規則的方法與下圍棋相似，都依賴記憶和規則的組合來解析複雜的局勢。既然人工智慧在圍棋領域已經超越了人類，我開始思考是否應該將交易決策的工作交給電腦。

作為一名深度學習領域的軟體工程師，雖然我在 FinTech 是新手，但我希望透過這個機會，在工作之餘能夠抽出時間，將我的專業背景與投資興趣結合起來。找到合適的工具和方法對我來說至關重要。

經過初步調研後，我計劃嘗試使用深度強化學習(DRL)來訓練股票交易策略，並透過 IG 交易所的 API，自動買賣美股。在此過程中，我將以 FinRL 作為學習的起點：這個專案能幫助新手快速進入 DRL 的世界，從數據獲取、訓練 DRL、回測到模擬交易，都包裝得簡單易用。

如果時間允許，我還希望使用深度學習預測標的在未來數日內的投資回報率，將預測結果作為額外特徵輸入強化學習模型，輔助其學習，以期獲得更佳的交易回報。

詳細計劃：

• 第一週：

  • 熟悉 FinRL 和深度強化學習的基本概念。
  • 運行示例程式，了解整體流程和模型架構。

• 第二週：

  • 深入研究 DRL 模型，調整參數以優化交易策略。
  • 進行初步的回測分析，評估模型性能。

• 第三週：

  • 開發與 IG 交易所 API 的對接程式，實現美股的自動掛單功能。
  • 在模擬環境中測試自動交易流程，確保系統穩定性。

• 第四週：

  • 整合深度學習的價格預測模型，預測未來數日的投資回報率。
  • 將預測結果作為特徵輸入 DRL 模型，進行進一步的回測和結果分析。

預期成果：

• 建立一個基本的 DRL 交易策略，能夠在模擬環境中穩定運行。
• 實現與 IG 交易所的 API 對接，完成自動化的美股交易流程。
• 透過整合價格預測模型，提升交易策略的回報率和穩定性。