tbase

基于强化学习的交易算法Baselines(Pytorch&Tensorflow2实现). 旨在提供一个在中国股市上可复现的算法Baselines.

支持环境： Python 3.5–3.7

安装

设置 tushare token(Tushare token注册申请):

export TUSHARE_TOKEN=YOUR_TOKEN

pip install tbase --upgrade

Example

python3 -m tbase.run --alg ddpg

Features(In progress)

• 可以完美复现训练过程, How?

• 加速

  • 多进程CPU并行: 多进程运行独立的Enviroment进行探索
  • 多进程单GPU并行
  • 多进程多GPU并行
  • 分布式多机多卡并行: 参考 menger

• 支持算法:

  • 单Agent

    • (Double Dueling)DQN
    • DDPG
    • TD3(Twin Delayed Deep Deterministic Policy Gradients)
    • A2C-ACKTR
      • A2C
      • ACKTR
    • PPO
    • PPO2
    • GAIL
    • OPD

  • 多Agent

    • MADDPG

• 自定义Net

  • LSTM-MLP
  • LSTM_Merge_MLP
  • MLP
  • LSTM
  • CNN
  • CNN-MLP

训练

例如 ddpg

python3 -m tbase.run --alg ddpg --num_env 1 --gamma 0.53 --seed 9 --print_action

默认参数:

• scenario: "average", 平均分仓操作
• codes: "000001.SZ", 平安银行
• indexs: "000001.SH,399001.SZ", 000001.SH:沪指, 399001.SZ: 深指
• start: "20190101", 训练开始时间
• end: "201901231", 训练结束时间
• max_iter_num: "500", 训练轮数
• num_env: "1", 并行进程数, 当num_env=1时，不使用多进程方式运行
• seed: "None", 系统随机种子
• print_action: "False", 随机打印action的值，方便查看action分布状况
• reward_fn: "daily_return_with_chl_penalty", env reward function
• run_id: "1", 运行序号, 方便查看相同参数多次运行结果差异
• debug: "False", debug模式，打印具体的交易信息
• eval: "False", 回测评估，为True时，不训练，只加载模型进行回测
• 其他参数

Defalut policy net setting(actor)

Defalut value net setting(critic)

运行tensorboard

tensorboard --logdir=/tmp/tbase/tensorboard

可以在http://localhost:6006中查看训练的loss, reward ,portfolio, time等指标

评估&&回测

• 训练周期内的评估指标
• 回测: 模型在训练周期外(评估周期)的评估指标

  # lookback=10， 若测试从20200101开始, 则eval_start往前推10个交易日
  python -m tbase.run --alg ddpg --eval --eval_start 20191218 --eval_end 20200223 --seed 9
  

• 滑动窗口更新模型, 在评估周期内，每隔一个窗口T，重新训练一次模型，当T>评估周期时，等价于固定模型

评估指标

• 绝对收益率(Absolute Return)

• 额外收益率(Excess Return)

  • 相对于"买入持有"策略
  • 相对于基线策略比如"沪深300"

• 最大回撤: 在选定周期内任一历史时点往后推，净值走到最低点时的收益率回撤幅度的最大值

• 夏普比率: 投资组合每承受一单位总风险，会产生多少的超额报酬

• 年化收益率

TODO

• 考虑到部署到线上的方便性, 增加tensorflow实现
• 参数配置管理: yml
• 使用cpprb作业replay buffer, 提升buffer性能
• 模型分享，评估，部署(wandb)
  • 模型榜单排名
  • performance: 参考评估指标(去除绝对收益率)
• 大规模训练: 参考 menger
  • 分布式, vector evnviroment explorer, 方便无限scale
  • 多个buffer
    • sample
    • model update & inference
  • 监控: explorer, buffer, learner, 吞吐量，以方便定位bottle neck
  • stock embedding

由于计算资源有限，为所有的算法跑完A股中所有的股票，需要花费大量的时间，希望有空闲计算资源的朋友，可以跑一下模型，将实验结果分享出来

线上交流方式

• QQ群: 477860214