データ駆動型の金融強化学習向けに、複数の市場環境とベンチマークを提供するプラットフォームです。
中辛 の解説
FinRL-Meta は Python で実装された、データ層・環境層・エージェント層の 3 層構造を持つフレームワークです。Akshare・Alpaca・Binance・Tushare など 11 以上のデータソースに対応し、OHLCV データと技術指標の自動処理を行います。ElegantRL・Stable-Baselines3・RLlib などの DRL ライブラリとプラグインで統合でき、訓練→テスト→トレード（本紙取引）というパイプラインで検証できます。難易度は 4 です。すぐに使えるサンプルノートブックが GitHub Colab で利用できます。
こんなリポジトリです
こんなときに便利です
- 異なる DRL アルゴリズムを同じ市場環境で公平に比較・評価したい場合
- リアルタイム API との連携で、バックテストから紙取引・実取引へのスムーズな移行を実現したい場合
- 複数の市場（米国株・仮想通貨・中国株）向けに統一されたデータパイプラインで多数の取引戦略を開発・検証したい場合
主な機能
ほかとの違い
既存の金融 DRL フレームワークと異なり、DataOps 手法を初めて適用して市場環境を「ベンチマーク層」として独立させ、アルゴリズム間の公平な比較を実現するとともに、大規模マルチエージェント市場シミュレータへの拡張を設計しています。
このリポジトリの作り方
はじめてですか？ むずかしくありません — 上から順にたどれば、自分の環境で動かして味見できます。
準備するもの
- Python 3.6 以上
- PyTorch（ElegantRL 使用時）
- 金融データ API キー（Alpaca・Tushare など）
すぐに始める
- Python 3.6 以上の環境を用意します。
- PyPI から FinRL-Meta をインストールします。
pip install finrl_meta
- データソース（例：Alpaca・Tushare など）の API キーまたはアカウント認証情報を設定します。
- Jupyter ノートブックを開き、FinRL-Meta の環境を初期化します（例：株式市場環境の作成）。
- ElegantRL・Stable-Baselines3・RLlib のいずれかの DRL エージェントを選択・導入します。
- 訓練データセットで学習し、テストデータで評価、最終的にバックテストを実行します。 詳細は公式ノートブック「Demo_Plug_and_Play_with_DRL_Libraries.ipynb」を参照してください。
ギット飯トライで味見
入れるのが面倒で少し不安だったなら — 安全スキャンからインストールまで、ターミナル一行で終わります。
ターミナルに貼り付ければ、ギット飯の安全スキャン → 隔離フォルダへ clone → インストール → 実行方法の案内まで自動です。はじめてでも大丈夫 — この一行だけです。
npx gitbap-try AI4Finance-Foundation/FinRL-Meta
Node.js さえあれば、インストールなしで動きます · ギット飯トライとは？ →
スター推移 · 7日
確認日時
使いやすさ · まねしやすいか
- ゆるいライセンス
- テストあり
- サンプル集
- 最近の更新
- AGENTS.md
- llms.txt
- テンプレート
最近の更新あり · 2021 年に作成
「投資・金融」 こういうリポジトリを毎週受け取りませんか？
毎週月曜の朝、選んだ一膳だけ。広告なし · いつでも解除。
自分のリポジトリですか？ README にギット飯バッジを貼る
[](https://www.gitbap.com/r/AI4Finance-Foundation/FinRL-Meta)Claude からそのまま使う — ギット飯のつなぎ方
ギット飯を Claude につなぐと、こうしたリポジトリを Claude・Cursor・Codex から直接さがして試せます。
Claude の設定 → コネクタにこのアドレスを貼り付け。
https://www.gitbap.com/api/mcpプラグインを入れると /gitbap-trending·/gitbap-try のスラッシュコマンドで、その場でリポジトリを試せます。Claude Code で下の 2 行を順に実行してください。
/plugin marketplace add jakeparkcolde/gitbap-cowork/plugin install gitbap-cowork@gitbapAI が README をもとに要約しました · 原文を見る