AI4Finance-Foundation/FinRL

금융 거래를 위한 심화학습 에이전트를 교육·연구·프로토타이핑할 수 있는 오픈소스 프레임워크

개발 재료맘대로 써도 됨 · MIT투자·금융난이도
15,442+0이번 주3,381285Jupyter Notebook
데모·홈페이지 열기ai4finance.org
중간맛 분석

스택: PyTorch + Stable-Baselines3 기반, 14개 데이터 프로세서 포함 (Yahoo Finance, Alpaca, Binance, CCXT 등). 구조: 시장 환경(Market ) → DRL 에이전트(A2C/DDPG/PPO/TD3/SAC) → 금융 애플리케이션(주식/암호화폐/포트폴리오)의 3층 파이프라인. 난이도: 중상(강화학습 기초 필요). 바로 쓸 수 있나: Yes - 예제 스크립트로 데이터 다운로드→에이전트 학습→백테스트를 한 번에 실행 가능. 데모: DOW 30 데이터로 5개 DRL 에이전트를 학습하고 MVO·DJIA 인덱스와 성과 비교.

이런 레포예요

이럴 때 쓰면 좋아요

  • 대학원 연구: 금융 강화학습 알고리즘 개발 및 검증
  • 퀀트 백테스트: 자신의 거래 전략을 과거 데이터로 시뮬레이션 및 성과 비교
  • 초급 AI 개발자: 실제 금융 데이터로 DRL 에이전트 학습하기

핵심 기능

14개 데이터 소스 통합 (Yahoo Finance, Binance, Alpaca 등)5가지 DRL 알고리즘 (A2C, DDPG, PPO, TD3, SAC) 내장데이터 다운로드·전처리·에이전트 학습·백테스트 완전 자동화

대안 대비 차별점

금융 거래 특화 기술지표(MACD, RSI, Bollinger Band)와 시장 스트레스 지수(VIX, 난기도)를 자동으로 처리하며, 단일 프레임워크에서 여러 DRL 알고리즘과 데이터 소스를 비교 실험할 수 있는 교육·연구용 표준 플랫폼입니다.

준비물
  • Python 3.6+
  • PyTorch 또는 TensorFlow 2.0
  • 기본 강화학습 지식
바로 시작하기
  1. 저장소 클론
git clone https://github.com/AI4Finance-Foundation/FinRL.git
cd FinRL
  1. 가상 환경 생성 및 활성화
python3 -m venv venv
source venv/bin/activate
  1. FinRL 설치
pip install -e .
  1. 데이터 다운로드 및 전처리
python examples/FinRL_StockTrading_2026_1_data.py
  1. DRL 에이전트 학습
python examples/FinRL_StockTrading_2026_2_train.py
  1. 백테스트 실행
python examples/FinRL_StockTrading_2026_3_Backtest.py
별 추이 · 7일
15,442+0 / 7일
활용성 · 따라 만들기 좋은가
따라 하기 좋음샘플 점수 44/100
  • 관대한 라이선스
  • 테스트 있음
  • 예제 디렉토리
  • 최근 활동
  • AGENTS.md
  • llms.txt
  • 템플릿

⚪ 최근 활동 정보 없음 · 2020년 생성

AI가 README 기반으로 요약했습니다 · 원문 보기