finRL源解读

• required = { ‘yfinance’, ‘pandas’, ‘matplotlib’, ‘stockstats’, ‘stable-baselines’, ‘gym’}

数据处理

• 获取股票日价格以及加入各种指标作为state，如果是多只股票，排列方式为根据每日每只股票排列。index累加。
• 分成训练集和测试集

建模

• state_space：

      state_space = (
              1
              + 2 * stock_dimension
              + len(config.TECHNICAL_INDICATORS_LIST) * stock_dimension
      )
  

• 建环境

• 建agent，依赖于环境

  agent = DRLAgent(env=env_train)
  

• 定义state和action

  action = Box(-1.0, 1.0, (2,), float32)
  state = Box(-inf, inf, (21,), float32)
  

• 构造数据
  env.step

选策略

• 加载子policy，有很多可选，底层已封装好，一般选择MlpPolicy，policy有一个step，返回值底层已经算好。用来生成数据，然后在env里跑。

  _policy_registry = {
      ActorCriticPolicy: {
          "CnnPolicy": CnnPolicy,
          "CnnLstmPolicy": CnnLstmPolicy,
          "CnnLnLstmPolicy": CnnLnLstmPolicy,
          "MlpPolicy": MlpPolicy,
          "MlpLstmPolicy": MlpLstmPolicy,
          "MlpLnLstmPolicy": MlpLnLstmPolicy,
      }
  }
  初始化：
  super(MlpPolicy, self).__init__(sess, ob_space, ac_space, n_env, n_steps, n_batch, reuse,
  								feature_extraction="mlp", **_kwargs)
  

• 加载策略模型，agent加载，模型使用的是stable_baselines3原装，可以自定义参数送进去。

    model_ppo = agent.get_model("ppo")
  

  在加载时模型进行初始化：
  input初始化
  model初始化

  # 构建actor函数
  self.deterministic_action, policy_out, logp_pi = self.policy_tf.make_actor(self.processed_obs_ph)
  # 构建critics函数，这是使用双Q
  qf1, qf2, value_fn = self.policy_tf.make_critics(self.processed_obs_ph, self.actions_ph, create_qf=True, create_vf=True)
  
  qf1_pi, qf2_pi, _ =  self.policy_tf.make_critics(self.processed_obs_ph,
  

policy_out,create_qf=True,create_vf=False,reuse=True)
```
target初始化
loss初始化

• 训练模型，agent训练，使用的是stable_baselines3原装训练

• 风控：turbulence_threshold