QFinance

QFinance — проект, посвящённый разработке и применению нейросетей для торговли на Московской бирже. В рамках проекта разрабатываются модели на основе алгоритмов обучения с подкреплением для принятия торговых решений.

Проект включает в себя:

• Анализ финансовых данных, включая технические и фундаментальные индикаторы;
• Разработку и тестирование гипотез для улучшения эффективности торговых стратегий;
• Оптимизацию портфелей и ребалансировку на основе реальных рыночных данных.

Цель проекта — исследовать возможности применения искусственного интеллекта в финансовых рынках и разработать оптимальные алгоритмы для принятия решений в условиях неопределенности.

Вдохновлён следующими исследованиями:

• https://arxiv.org/abs/1706.10059
• https://github.com/AI4Finance-Foundation/FinRL

Шаги реализации

• Выгрузка данных Мосбиржи с использованием Tinkoff Invest API
• Расширение котировок техническими индикаторами (см. StockStats)
• Дополнение датасета фундаментальными индикаторами (парсинг Finam)
• Реализация Среды и Агента из статьи
• Доработки Среды под специфику биржи (лотность акций, комиссия)
• Эксперименты с RNN
• Оптимизация гиперпараметров модели
• Бэктест на брокерском счёте-песочнице
• Создание обвязки в виде Телеграмм бота с уведомлениями о сделках

Установка

conda update conda
conda create -n sb3 python=3.12
conda activate sb3
python -m pip install --upgrade pip
pip install -r ./requirements.txt

Загрузка и предобработка данных

1. Добавьте переменную окружения TOKEN со значением токена для песочницы, который можно создать здесь - https://www.tbank.ru/invest/settings/api/
2. Настройте переменные start_date, end_date и time_interval в файле src/data_engine/pipeline.py
3. Выполните python pipeline.py, результаты появятся в директории data/pre

Обучение модели

1. Отредактируйте путь до датасета в src.rl.traint_test.trainer.load_dataset
2. Выполните python trainer.py, результаты появятся в src/rl/traint_test/trained_models