AI4Finance-Foundation/FinRL-Meta

解決する課題

FinRL-Meta は、標準化された市場環境とベンチマーク層を提供することで、金融取引エージェントの開発と評価における困難を解決します。これは、過去のバックテストが実際のパフォーマンスを予測できない「シミュレーションと現実のギャップ」を減らし、クオンツ研究者のデータ前処理の負担を軽減することを目的としています。

仕組み

このプロジェクトは、懸念事項を分離するために3層アーキテクチャを使用しています：

1. データ層 (Data Layer)：DataOps パイプラインを実装し、さまざまなソース（例：Yahoo Finance, Binance, Alpaca）からの金融データのアクセス、クリーニング、特徴量抽出を自動化します。
2. 環境層 (Environment Layer)：同じデータセットを使用してエージェントを公平にテストおよび比較できる仮想市場環境を作成します。
3. エージェント層 (Agent Layer)：研究者がさまざまな深層強化学習 (DRL) ライブラリを統合できるプラグアンドプレイのインターフェースを提供します。

「トレーニング-テスト-取引」(Training-Testing-Trading) パイプラインに従い、トレーニング、ハイパーパラメータ調整、ライブ取引に使用される期間を厳密に分離することで、情報の漏洩を防ぎます。

対象ユーザー

信頼性の高いベンチマークと自動化されたデータパイプラインを必要とする、データ駆動型の金融強化学習エージェントを構築するクオンツ研究者および開発者向けに設計されています。

ハイライト

• プラグアンドプレイの互換性: ElegantRL, Stable-Baselines3, RLlib を含む主要な DRL ライブラリをサポート。
• 広範なデータ統合: 米国および中国の証券や暗号資産にわたる多数のデータソースを組み込みでサポート。
• 自動化された DataOps: 生の OHLCV データから処理済みのテクニカル指標（例：MACD, RSI）までのパイプラインを効率化。
• Sim-to-Real への注力: 過去のシミュレーションと実際の市場実行との間のギャップを埋めるために特別に設計されています。