AI4Finance-Foundation/FinRL-Meta

금융 강화학습 알고리즘을 개발하고 벤치마킹할 수 있는 시장 환경 라이브러리

개발 재료맘대로 써도 됨 · MIT투자·금융난이도

1,890+0이번 주74876Python

중간맛 분석

스택: Python 기반, PyTorch 활용 강화학습(ElegantRL, Stable-Baselines3, RLlib 호환), 12개 이상의 금융 데이터 소스 지원\n난이도: 중상(강화학습 기초 필요)\n바로 쓸 수 있나: 네, Plug-and-Play 방식으로 기존 DRL 라이브러리를 바로 연결 가능\n데모: Colab 데모 노트북 제공(ElegantRL, Stable-Baselines3, RLlib과의 통합 예시)

이런 레포예요

이럴 때 쓰면 좋아요

다양한 거래 알고리즘의 공정한 성능 비교 및 벤치마킹
주식·암호화폐·지수 등 여러 시장에서 DRL 에이전트 훈련 및 평가
수익률·샤프지수 등 금융 지표 기반 전략 최적화

핵심 기능

12개 이상 금융 데이터소스 자동 통합(야후·바이낸스·Tushare 등)Plug-and-Play 방식으로 ElegantRL·Stable-Baselines3·RLlib 라이브러리 직접 연동훈련-테스트-거래 파이프라인으로 정보유출 방지 및 공정한 벤치마킹

대안 대비 차별점

금융 RL에 DataOps 패러다임을 처음 적용하여 자동화된 데이터 파이프라인과 표준화된 벤치마크 환경을 제공, 기존 개별 백테스트 방식의 한계를 극복.

준비물

Python 3.6+
기본 강화학습 이해

별 추이 · 7일

1,890+0 / 7일

활용성 · 따라 만들기 좋은가

따라 하기 좋음샘플 점수 36/100

관대한 라이선스
테스트 있음
예제 디렉토리
최근 활동
AGENTS.md
llms.txt
템플릿

⚪ 최근 활동 정보 없음 · 2021년 생성

AI가 README 기반으로 요약했습니다 · 원문 보기