神经网络与数字货币量化交易系列(2)

1.介绍
上一篇文章介绍了使用LSTM网络预测比特币价格 https://www.fmz.com/digest-topic/4035 ，正如文章提到的，只是一个练手的小项目，用来熟悉RNN以及pytorch。本文将介绍使用强化学习的方法，直接训练交易策略。强化学习的模型为OpenAI开源的PPO，环境则参考了gym的样式。为了方便理解和测试，LSTM的PPO模型和回测的gym环境都直接编写未使用现成的包。
PPO，全称Proximal Policy Optimization，是对Policy Graident，即策略梯度的一种优化改进。gym也是由OpenAI发布，可以与策略网络交互，反馈目前环境的状态和奖励，就像强化学习的练习用使用LSTM的PPO模型直接根据比特币的行情信息做出买入、卖出或不操作的指令，由回测环境给出反馈，通过训练不断优化模型，达到策略盈利的目的 ( 点击阅读全文 )

→ 免费下载App，立即成为ETF达人