AI4Finance-Foundation/FinRL
FinRL®: Financial Reinforcement Learning. 🔥
解决的问题
FinRL 提供了一个开源框架，用于使用深度强化学习（DRL）自动化量化交易。它简化了开发、训练和测试交易代理的过程，这些代理能够在金融市场中制定序贯决策策略。
工作原理
该框架分为三个核心层：
- 市场环境：模拟金融市场，供代理与之交互。
- DRL 代理：实现多种算法（如 A2C、DDPG、PPO、TD3 和 SAC）以学习最优交易策略。
- 金融应用：将学习到的策略应用于特定任务，如股票交易、加密货币交易和投资组合配置。
它遵循 训练-测试-交易 流程：下载和预处理数据（包括技术指标，如 MACD 和 RSI），使用 Stable Baselines 3 等库训练代理，并针对 DJIA 指数等基准进行性能回测。
适用人群
该仓库主要面向希望尝试金融强化学习并创建研究原型的学习者、开发者和研究人员。
亮点
- 广泛的数据支持：集成了众多数据源，包括 Yahoo Finance、Alpaca、Binance 和 WRDS。
- 编码流水线：提供从数据获取到回测的完整端到端工作流。
- 算法多样性：通过 Stable Baselines 3、ElegantRL 和 RLlib 支持多种 DRL 代理。
- 教育导向：包含股票交易工作流的教程和示例。
相关
- 项目
Tencent-Hunyuan/UniRLUniRL 是一个 Apache‑2.0 Python 框架，将单一的强化学习循环应用于许多多模态生成模型（扩散、视频、LLM、VLM 和统一的 AR+扩散）。它提供可组合的训练器、多种 rollout 后端（vLLM‑Omni、SGLang）、标准和新型 RL 算法（GRPO、Flow‑DPPO、DRPO、CPPO），以及数十种最先进模型的即用型配方。用户通过 Hydra 配置启动训练，系统处理分布式 rollout、评分、优势计算和权重同步。
- Dispatch
- 项目
AI4Finance-Foundation/FinRobotFinRobot 是一个面向高风险金融分析的开源多代理AI平台。它将确定性Python基础估值（DCF、LBO等）与LLM生成的叙述分离，协调专业代理（数据、分析、建模、综合、报告，以及辩论代理），并提供三个版本：生产级桌面应用（V2）、自托管Web报告生成器（V1）和教育用AutoGen库（V0）。系统整合多个市场数据源，提供56个分析师剧本，可通过CLI、浏览器UI或原生Tauri桌面客户端在本地运行。
- 项目
- 项目
alibaba/ROLLROLL 是一个开源库，用于大规模强化学习训练大型语言模型。它提供基于 Ray 的分布式执行，支持多种 RL 算法（PPO、GRPO、Reinforce++ 等），可与 Megatron‑Core、vLLM、SGLang 和 LoRA 搭配使用，并提供 RL 微调（RLVR）和多轮代理 RL 的管道。项目包含详尽的文档、硬件无关的支持（NVIDIA、AMD、Ascend）以及内置的可观测性。