RL-Stock
RL-Stock copied to clipboard
wangshub
📈 如何用深度强化学习自动炒股
将工程移植到baselines3，并调试运行成功，用sh.600036当日一个月前的所有数据训练，用最近一个月的数据测试，并尝试修改其回报修正策略，测试的结果是收益随价格运动而运动，收益曲线与价格曲线波动一致，不知问题在哪里？
Bumps [pygments](https://github.com/pygments/pygments) from 2.6.1 to 2.7.4. Release notes Sourced from pygments's releases. 2.7.4 Updated lexers: Apache configurations: Improve handling of malformed tags (#1656) CSS: Add support for variables (#1633, #1666)...
![dependabot[bot] avatar](https://avatars.githubusercontent.com/in/29110?v=4 "dependabot[bot] avatar"){kind=avatar}
https://github.com/wangshub/RL-Stock/blob/22d2cbf88f627750562c27462817f9bb9f492cee/rlenv/StockTradingEnv0.py#L28 " self.reward_range = (0, MAX_ACCOUNT_BALANCE) " is wrong, as https://github.com/wangshub/RL-Stock/blob/22d2cbf88f627750562c27462817f9bb9f492cee/rlenv/StockTradingEnv0.py#L113 "reward = 1 if reward > 0 else -100" which means reward could be -100 with is below 0.
框架上的问题
机器之心上看到该 proj ，过来扫了一眼。类似的工作，我两年前做过。指出一个比较严重的问题。 每个 episode 应该是随机取一个时间段跨度。为了便于对比 reward ，这个跨度的时间长度可以是相同的。现在这种划分 train-set 和 validation-set 的思考角度是错误的。想象一下，你的 simulate trade (game env) 没有随机性，RL Model 在多次迭代后，记住的是状态路径，不具备好的泛化能力。 另：推荐使用 tushare ， 数据更加全面一些。
看似结果不错，但是换到跌的时间段，结果会很糟糕 
