FinRL-Trading

用强化学习搭量化交易智能体，从数据到回测一站跑通

开源 unknown 行业应用

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 3820

维护状态较活跃

是否开源是

定价模式 unknown

项目预览

项目数据

分类行业应用

开发团队AI4Finance-Foundation

所属国家

官网地址https://ai4finance.org

GitHubhttps://github.com/AI4Finance-Foundation/FinRL-Trading

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型a2c-algorithm,automated-stock-trading,ddpg,deep-reinforcement-learning,ensemble-strategy,finrl,finrl-x,portfolio,portfolio-allocation,ppo,sharpe-ratio,stock-selection,stock-trading,stock-trading-strategy

GitHub 星标★ 3820

30天Star增速

HF 下载量

上线时间2020-07-26 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-17

浏览次数0

项目介绍

FinRL-Trading 是 FinRL-X 系列中面向量化交易的 AI 原生模块化基础设施，用 Python 实现。它把深度强化学习（DRL）与自动化股票交易打通，内置 A2C、DDPG 等算法，并提供组合管理、集成策略等模块，让开发者不必从零搭建训练与回测环境，就能把智能体接入真实或模拟市场。项目解决的核心问题是：量化交易门槛高、数据管道与策略实验割裂、DRL 落地缺乏统一框架。其能力覆盖数据获取与预处理、环境封装、多算法训练、组合权重分配、策略集成与回测评估，并支持从单资产到多资产组合的扩展。适合研究者快速验证想法，也适合工程团队作为交易系统原型底座，把精力集中在策略而非脚手架。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度：入门约 10 分钟部署方式：命令行工具 6 步

环境要求

Python 环境（项目为 Python 实现）
git，用于克隆 GitHub 仓库
pip，用于安装 requirements.txt 依赖
可访问 GitHub 与行情数据源（脚本会自动下载数据）

安装与启动步骤

1克隆项目仓库

把 FinRL-Trading 仓库拉取到本地，README 给出的官方地址就是下面这条。
```
git clone https://github.com/AI4Finance-Foundation/FinRL-Trading.git
```
2进入项目目录

后续所有命令都要在仓库根目录下执行，deploy.sh 和 requirements.txt 都在这里。
```
cd FinRL-Trading
```
3安装 Python 依赖

Option B 手动安装方式的核心步骤，按 requirements.txt 一次性装齐依赖。
```
pip install -r requirements.txt
```
4创建环境变量文件

把示例配置复制成 .env，具体字段 README 未列出，需打开文件按注释填写。
```
cp .env.example .env
```
5一键跑回测

Option A 一键脚本，自动完成依赖检查、数据下载并运行策略，无需先手动装依赖。
```
cd FinRL-Trading
./deploy.sh --strategy adaptive_rotation --mode backtest
```
6指定日期区间回测

在 deploy.sh 后追加 --start 与 --end，日期格式为 YYYY-MM-DD，示例为 2023-01-01 至 2024-12-31。
```
./deploy.sh --strategy adaptive_rotation --mode backtest --start 2023-01-01 --end 2024-12-31
```

如何确认成功

脚本执行完毕且无报错，终端输出该策略的回测结果；数据下载与策略运行由 deploy.sh 一并完成。

常见问题

Q：deploy.sh 报权限不足怎么办？

A：README 未专门说明，一般是脚本缺少可执行权限，可先执行 chmod +x deploy.sh 再运行。

Q：不想用一键脚本，如何手动跑？

A：按 Option B：先 pip install -r requirements.txt，再参考 README 中“Running Strategies via Python”一节的 Python 方式运行策略。

Q：怎么换成别的策略？

A：修改 --strategy 参数即可，README 示例使用的是 adaptive_rotation，其他可用策略名需查看仓库文档。

Q：.env 里要填哪些配置？

A：README 节选只给出 cp .env.example .env，未列出具体键名，请直接打开 .env.example 按其中的注释填写。

Q：能接实盘吗？

A：README 说明该平台支持 live brokerage execution（券商实盘执行），但节选中未给出实盘相关命令，需查阅完整文档。

注意事项

README 节选被截断，venv 创建命令、.env 具体字段、Python 版本要求均未给出，请以仓库完整文档为准。
Option A 的 deploy.sh 会自动处理依赖检查、数据下载和策略执行；Option B 才需要手动 pip install。
回测时间范围通过 --start 和 --end 传入，格式为 YYYY-MM-DD。
切换策略只需改 --strategy 参数值，--mode 用于指定运行模式（如 backtest）。

核心亮点

内置 A2C、DDPG 等 DRL 算法与训练/回测流程，开箱即可跑通智能体实验
模块化设计，数据、环境、策略、组合管理解耦，便于替换和扩展
面向真实交易场景，支持多资产组合与集成策略，不止单股票 demo

不足之处

强化学习交易策略对市场噪声敏感，项目本身不保证实盘盈利
文档与中文资料相对有限，新手理解完整工作流有门槛

适用场景

量化研究员快速验证 DRL 选股与择时策略
个人开发者搭建自动化股票交易原型系统
高校课程或科研中演示深度强化学习在金融中的应用

替代项目

FinRL、QLib、Backtrader

上一篇：Index-Translate

下一篇：worldmonitor