信息安全_数据安全_us-18-Hernandez-Are-You-Trading- 安全防护 安全架构 安全防护 安全建设 安全实践

FIXATDL

PyTrader-python-mt4-mt5-交易api-connector-drag-n-drop-master

与机器学习配对交易 实施了PCA和DBSCAN聚类，以基于相似的因子负荷对SP500股票进行分组 确定集群中的货币对以实施美元中性的布林带对交易策略 成对的投资组合均等加权结果：该投资组合在2018年的夏普比率为2.5，年收益率为25％。 请参阅此处获取数据： :

基于深度学习和强化学习的量化交易系统（基于深度学习和强化学习的定量交易系统） （中文版本在英文版本的下面，请拖动查看） 大纲： 主要结构 仍在努力 结论 主要结构： 该系统包括： 数据处理模块 价格预测模块 强化学习模块基于： 6个动作的设计（卖出，卖空，卖出持有，卖空，卖出，覆盖） 强化学习模块基于： 使用VWAP或BBIBOLL的上下线将价格转换为（-1,1） 分别设计两个增强学习模型，分别用于（买入，卖出持有）和（卖空，覆盖，持有） 设置两个模型的优先级，并决定应输出哪个操作 基于价格预测和RL收益的库存拣货策略 数据处理模块 我从Kaggle获得了数据集，该数据集是美国股票市场的每日价格和数量数据。 数据集包括开盘价，收盘价，高价，低价和数量。 但是，这种数据在深度学习和强化学习的训练中效果不佳。 因此，我创建了数十个技术分析功能以为输入生成更多功能。 通过这种方式

ctp-auto-trading:ctp交易系统

ML交易-第二版 旨在说明ML如何以实用而全面的方式为算法交易策略增加价值。 它涵盖了从线性回归到深度强化学习的各种机器学习技术，并演示了如何建立，回测和评估由模型预测驱动的交易策略。 本书分为四个部分，共23章，另加附录，涵盖800余页： 数据采购，财务功能工程和资产组合管理的重要方面， 基于监督和无监督的机器学习算法的多空策略的设计和评估， 如何从SEC文件，收益电话记录或财务新闻等财务文本数据中提取可交易信号， 使用带有市场和替代数据的CNN和RNN等深度学习模型，如何使用生成的对抗网络生成综合数据，以及使用深度强化学习来训练交易代理 此回购包含150多个笔记本，这些笔记本将书中讨论的概念，算法和用例付诸实践。 他们提供了许多例子，说明 如何处理市场，基本和替代文本和图像数据并从中提取信号， 如何训练和调整可预测不同资产类别和投资范围的回报的模型，包括如何复制最近发表的

自动股票交易的深度强化学习：整体策略 该存储库提供了代码 的Jupiter Notebook重新实现了这种整体策略。 抽象的 股票交易策略在投资中起着至关重要的作用。 但是，在复杂而动态的股票市场中设计一种有利可图的战略是具有挑战性的。 在本文中，我们提出了一种深度集成强化学习方案，该方案可以通过最大化投资回报来自动学习股票交易策略。 我们训练一种深度强化学习代理，并使用三种基于行为者批评的算法来获得整体交易策略：近距离策略优化（PPO），优势参与者批评者（A2C）和深度确定性策略梯度（DDPG）。 集成策略继承并集成了三种算法的最佳功能，从而可以稳健地适应不同的市场条件。 为了避免在具有连续动作空间的训练网络中消耗大量内存，我们采用按需加载方法来处理非常大的数据。 我们在30支具有足够流动性的道琼斯股票上测试了我们的算法。 评估了具有不同强化学习算法的交易代理商的表现，并与道琼斯工业平均

加密交易机器人 一个用于加密货币交易的机器人。

Systematic Trading