实验指南 v0.1

初步测试，td3优于ddpg 和a2c， 可以把重点放在调优td3上

算法的训练和评估时间不要使用默认的时间设置, 因为默认的评估周期太短了：https://github.com/tradingAI/tbase/issues/12

建议实验报告的形式:

一，结论

• 一组实验得到的最优参数是什么
• 参数的优劣比较
• 适用于一股票还是多支股票

二，支撑结论的实验数据，图表

• 使用不同的seed跑多次实验，以支撑结论的可靠性
• 运行参数输入
• code 的版本

超参数

• 网络结构
• reward function, 不一定局限于已提供的reward, 也可自定义更复杂或更简单的reward
• gamma
• observation

参考: https://www.jiqizhixin.com/articles/2018-12-10-11