在開始工作後,我時常會拿閒錢投資買賣股票。交易時習慣使用容易理解的技術指標,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,我發現這種基於規則的方法與下圍棋類似,都依賴記憶和規則組合來解析複雜局勢。既然人工智慧在圍棋領域已超越人類,我也應該將交易決策交給電腦,由它分析數據並給出訊號。
因此,我計劃在接下來的三十天,從金融市場基礎和機器學習原理開始,重點關注使用深度強化學習來開發自動化交易策略。同時,我也會加入使用 Transformer 模型進行價格預測,將其作為強化學習的特徵輸入,輔助機器在交易環境中學習和決策。
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...
經過這兩天的調研,確定會透過學習FinRL專案的範例來做入門;FinRL對於抓取數據、訓練DRL、Backtest這幾個不可或缺的流程上,都提供了非常方便使用的...
數據的取得非常重要,在正式開始學習FinRL教學範例之前,先直接調用Yahoo Finance,嘗試獲取之後可以用於訓練的股票價格資料。 使用 yfinance...
依據文檔建議, 入門先看 Stock_NeurIPS2018 系列教學參考資料 Stock_NeurIPS2018_1_Data.ipynb 直接透過Fin...
參考資料 Stock_NeurIPS2018_2_Train.ipynb 在這篇教學文章中,介紹了如何使用 FinRL 庫來訓練深度強化學習 (Deep R...
參考資料:Stock_NeurIPS2018_3_Backtest.ipynb Mean Variance Optimization(MVO) 1. MVO...
創建交易的 Gym 環境 stock_dimension = len(trade.tic.unique()) state_space = 1 + 2 * sto...
參考資料 FinRL_PortfolioAllocation_NeurIPS_2020.ipynbFinRL_PortfolioAllocation_Neu...
參考資料FinRL_PortfolioAllocation_NeurIPS_2020.ipynbFinRL_PortfolioAllocation_NeurI...
今天花了不少時間在更正Portfolio Allocation中的內容,主要是講解的部分有一些錯誤,今天重新理解了以後修正了前兩天的文章。 在Portfolio...