tgym

基于OpenAI Gym的程序化交易环境模拟器, 旨在为沪深A股基于增强学习的交易算法提供方便使用, 接近真实市场的交易环境

Features

• 撮合规则:

  • 基于最高，最低价成交
  • 对交易量不作限制

• 下单按照A股的规则，买卖按照1手100股为基本交易单位

• 有拆分时，会根据复权因子对持仓进行相应的倍增, 以保持与真实市场一致

• gym.step() 比OpenAI gym多返回一个名为rewards的list, 包含每支股票的reward, 以方便Multi-Agent算法实现

安装指南

支持: MacOS/Linux(window未测试), python 2.7, python 3.5+, 推荐使用 python3.7

依赖

tushare, gym

安装

git clone https://github.com/iminders/tgym
cd tgym
pip install -r requirements.txt
pip install -e .

使用

设置 tushare token(token注册链接:https://tushare.pro/register?reg=124861):

export TUSHARE_TOKEN=YOUR_TOKEN

Examples

场景	实现	action	observation	reward	使用例子
单支股票, 全仓操作, 每日先卖再买	simple.py	[v_sell, v_buy]	市场信息+部分账户信息	可参数选择	simple_test.py
多支股票平均分仓, 每日先卖再买	average.py	[v_sell, v_buy] * n	市场信息+部分账户信息	可参数选择	average_test.py
多支股票, 支持仓位控制, 每日先卖再买	multi_vol.py	[v_sell, v_sell_target, v_buy, v_buy_target] * n	市场信息+部分账户信息	可参数选择	multi_vol_test.py

场景:

• 单支股票, 全仓操作
• 多支股票, 均匀分仓操作
• 多支股票，支持仓位控制

reward: 实现

• simple: 盈利=1,否则=-1
• daily_return: 每日的收益率
• daily_return_add_count_rate: 收益率 + 成交统计信息
• daily_return_add_price_bound: 收益率 - 最高最低价与买卖价差MSE
• daily_return_with_chl_penalty: 收益率 - [close,high,low]与买卖价格相应惩罚

扩展Scenario

可以参考average.py的写法

• 定义action
• 定义observation
• 定义reward

TODO List(欢迎一起完善)

• Bazel build

• 更全面的测试用例

• 场景增加

  • 增加更多, 更有效的reward函数
  • 增加observation中信息(因子挖掘)