[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-TradeMaster-NTU--TradeMaster":3,"tool-TradeMaster-NTU--TradeMaster":61},[4,18,26,36,44,53],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",145895,2,"2026-04-08T11:32:59",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":32,"last_commit_at":42,"category_tags":43,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108111,"2026-04-08T11:23:26",[14,15,13],{"id":45,"name":46,"github_repo":47,"description_zh":48,"stars":49,"difficulty_score":32,"last_commit_at":50,"category_tags":51,"status":17},4721,"markitdown","microsoft\u002Fmarkitdown","MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具，专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片（含 OCR）、音频（含语音转录）、HTML 乃至 YouTube 链接等多种格式的解析，能够精准提取文档中的标题、列表、表格和链接等关键结构信息。\n\n在人工智能应用日益普及的今天，大语言模型（LLM）虽擅长处理文本，却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点，它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式，成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外，它还提供了 MCP（模型上下文协议）服务器，可无缝集成到 Claude Desktop 等 LLM 应用中。\n\n这款工具特别适合开发者、数据科学家及 AI 研究人员使用，尤其是那些需要构建文档检索增强生成（RAG）系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性，但其核心优势在于为机器",93400,"2026-04-06T19:52:38",[52,14],"插件",{"id":54,"name":55,"github_repo":56,"description_zh":57,"stars":58,"difficulty_score":10,"last_commit_at":59,"category_tags":60,"status":17},4487,"LLMs-from-scratch","rasbt\u002FLLMs-from-scratch","LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目，旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型（LLM）。它不仅是同名技术著作的官方代码库，更提供了一套完整的实践方案，涵盖模型开发、预训练及微调的全过程。\n\n该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型，却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码，用户能够透彻掌握 Transformer 架构、注意力机制等关键原理，从而真正理解大模型是如何“思考”的。此外，项目还包含了加载大型预训练权重进行微调的代码，帮助用户将理论知识延伸至实际应用。\n\nLLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API，而是渴望探究模型构建细节的技术人员而言，这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计：将复杂的系统工程拆解为清晰的步骤，配合详细的图表与示例，让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础，还是为未来研发更大规模的模型做准备",90106,"2026-04-06T11:19:32",[35,15,13,14],{"id":62,"github_repo":63,"name":64,"description_en":65,"description_zh":66,"ai_summary_zh":66,"readme_en":67,"readme_zh":68,"quickstart_zh":69,"use_case_zh":70,"hero_image_url":71,"owner_login":72,"owner_name":72,"owner_avatar_url":73,"owner_bio":74,"owner_company":75,"owner_location":75,"owner_email":75,"owner_twitter":75,"owner_website":75,"owner_url":76,"languages":77,"stars":93,"forks":94,"last_commit_at":95,"license":96,"difficulty_score":10,"env_os":97,"env_gpu":98,"env_ram":98,"env_deps":99,"category_tags":103,"github_topics":104,"view_count":32,"oss_zip_url":75,"oss_zip_packed_at":75,"status":17,"created_at":116,"updated_at":117,"faqs":118,"releases":153},5581,"TradeMaster-NTU\u002FTradeMaster","TradeMaster","TradeMaster is an open-source platform for quantitative trading empowered by reinforcement learning :fire: :zap: :rainbow:","TradeMaster 是一个专为量化交易打造的开源平台，核心优势在于深度融合了强化学习技术。它致力于解决传统量化策略开发中流程割裂、算法验证困难以及部署复杂等痛点，为用户提供从策略设计、代码实现、效果评估到最终部署的一站式全流程支持。\n\n这款工具特别适合金融科技领域的研究人员、算法开发者以及对人工智能交易感兴趣的高校师生使用。通过 TradeMaster，用户无需从零搭建底层架构，即可快速复现前沿论文算法，或在统一框架下测试自定义的交易策略。其独特的技术亮点包括支持自动化的特征生成与筛选，大幅降低人工提取因子的门槛；同时集成了如 Market-GAN 等先进的市场动态建模工具，能够模拟更真实的交易环境以提升策略鲁棒性。作为一个持续迭代的项目，TradeMaster 不仅提供了丰富的预置模型，还保持了活跃的社区更新，是探索下一代智能交易系统的理想实验田。","# TradeMaster: An RL Platform for Trading\r\n\r\n\u003Cdiv align=\"center\">\r\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Ffigure\u002FLogo.png width=\"25%\"\u002F> \r\n\r\n\u003Cdiv> \u003C\u002Fdiv>\r\n\r\n[![Python 3.9](https:\u002F\u002Fshields.io\u002Fbadge\u002Fpython-3.9-blue.svg)](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002Frelease\u002Fpython-3916\u002F)\r\n[![Platform](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-linux%20%7C%20windows%20%7C%20macos-lightgrey)](Platform)\r\n[![License](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FTradeMaster-NTU\u002FTradeMaster)](License)\r\n[![Document](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-red)](https:\u002F\u002Ftrademaster.readthedocs.io\u002Fen\u002Flatest\u002F)\r\n[![GitHub stars](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FTradeMaster-NTU\u002FTradeMaster?color=orange)](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fstargazers)\r\n\r\n\u003C\u002Fdiv>\r\n\r\n***\r\nTradeMaster is a first-of-its kind, best-in-class __open-source platform__ for __quantitative trading (QT)__ empowered by __reinforcement learning (RL)__, which covers the __full pipeline__ for the design, implementation, evaluation and deployment of RL-based algorithms.\r\n\r\n:octocat: __Hiring__: multiple fully-funded PhD and RA positions are available under the supervision of Dr. [Sun Shuo](https:\u002F\u002Fsunshuo01.github.io\u002F) (first author of TradeMaster paper) at HKUST(GZ). Please send him an email if you are interested!\r\n\r\n## :star: **What's NEW!**   :alarm_clock: \r\n\r\n| Update                                                                                                                                                                                                                                                     | Status                                                                                                                                                             |\r\n|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------|\r\n| Add [EarnHFT](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FEarnHFT), [Market-GAN](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FMarket-GAN) and [MacroHFT](https:\u002F\u002Fgithub.com\u002FZONG0004\u002FMacroHFT)                                                                                                                                              | :hammer: Updated on 25 Feb 2025    \r\n| Add [FinAgent](https:\u002F\u002Fgithub.com\u002FDVampire\u002FFinAgent) and [EarnMore](https:\u002F\u002Fgithub.com\u002FDVampire\u002FEarnMore)                                                                                                                                              | :hammer: Updated on 29 Oct 2024                                                                                                                                    |\r\n| Update [TradeMaster Website (Market Simualtor)](http:\u002F\u002Ftrademaster.cpolar.io\u002FMarketGAN)                                                                                                                                                                    | :hammer: Updated on 21 Sep 2023                                                                                                                                    |\r\n| Update [TradeMaster Website (Market Dynamics Modeling Tool)](http:\u002F\u002Ftrademaster.cpolar.io\u002Fevaluation-toolbox)                                                                                                                                              | :wrench: Updated on 7 July 2023                                                                                                                                    |\r\n| Support [automatic feature generation and selection](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.12507)                                                                                                                                                                     | :hammer: Update [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial9_Feature_Generation.ipynb) on 11 May 2023                   |\r\n| Release TradeMaster [Python package](https:\u002F\u002Fpypi.org\u002Fproject\u002Ftrademasterntu\u002F)                                                                                                                                                                             | :whale: Updated on 11 May 2023                                                                                                                                     | \r\n| Build TradeMaster [website](https:\u002F\u002Ftrademaster.ai)                                                                                                                                                                                                        | :whale: Available at [here](https:\u002F\u002Ftrademaster.ai) on 23 April                                                                                                    \r\n| Write TradeMaster [software documentation](https:\u002F\u002Ftrademaster.readthedocs.io\u002Fen\u002Flatest\u002F)                                                                                                                                                                  | :speech_balloon: Updated on 11 April 2023                                                                                                                          |\r\n| Release [Colab](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F10M3F6qF8qJ31eQkBR7B6OHhYCR1ZUlrp#scrollTo=4TKpEroeFdT4) version                                                                                                                                   | :speech_balloon: [Updated](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F133) on 29 March 2023                                                               |\r\n| Incldue [HK Stock](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002Fhstech30\u002FHSTech30.pdf) and [Future](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002FFuture\u002Ffuture.pdf) datasets | :compass: Updated [#131](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F131) [#132](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F132) on 27 March 2023 |\r\n| Support [Alpha158](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial8_Train_with_more_technical_indicators.ipynb)                                                                                                                | :hammer: Updated [#123](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F123) [#124](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F124) on 20 March 2023  |\r\n| Release TradeMaster 1.0.0                                                                                                                                                                                                                                  | :octocat: [Released v1.0.0](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Freleases\u002Ftag\u002Fv1.0.0) on 5 March 2023                                                    |\r\n\r\n## Outline\r\n\r\n- [TradeMaster: An RL Platform for Trading](#trademaster-an-rl-platform-for-trading)\r\n  - [:star: **What's NEW!**   :alarm\\_clock:](#star-whats-new---alarm_clock)\r\n  - [Outline](#outline)\r\n  - [Overview](#overview)\r\n  - [Installation](#installation)\r\n  - [Tutorial](#tutorial)\r\n  - [Useful Script](#useful-script)\r\n  - [TradeMaster Sandbox](#trademaster-sandbox)\r\n  - [Dataset](#dataset)\r\n  - [Model Zoo](#model-zoo)\r\n  - [Visualization Toolkit](#visualization-toolkit)\r\n  - [File Structure](#file-structure)\r\n  - [Publications](#publications)\r\n  - [News](#news)\r\n  - [Team](#team)\r\n  - [Competition](#competition)\r\n  - [Contact Us](#contact-us)\r\n\r\n## Overview\r\n\u003Cdiv align=\"center\">\r\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Farchitecture.jpg width=\"97%\"\u002F>\r\n\u003C\u002Fdiv>\r\n\u003Cbr>\r\n\r\n__TradeMaster__ is composed of 6 key modules: 1) multi-modality market data of different financial assets at multiple granularity; 2) whole data preprocessing pipeline; 3) a series of high-fidelity data-driven market simulators for mainstream QT tasks; 4) efficient implementations of over 13 novel RL-based trading algorithms; 5) systematic evaluation toolkits with 6 axes and 17 measures; 6) different interfaces for interdisciplinary users.\r\n\r\n\r\n## Installation\r\nHere are the installation tutorials for different operating systems and docker:\r\n- [Installation on Linux\u002FWindows\u002FMacOS](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Ftree\u002F1.0.0\u002Finstallation\u002Frequirements.md)\r\n- [Installation with Docker](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Ftree\u002F1.0.0\u002Finstallation\u002Fdocker.md)\r\n\r\n## Tutorial\r\nWe provide tutorials covering core features of TradeMaster for users to get start with.\r\n|  Algorithm  | Dataset |   Market |                                                  Task                                                 |                     Code Link                      |\r\n| :---------: | :-----: | :-----: | :---------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |\r\n| EIIE | DJ 30 | US Stock | Portfolio Management | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial1_EIIE.ipynb)|\r\n| DeepScalper  |   BTC | Crypto | Intraday Trading | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial2_DeepScalper.ipynb) | \r\n| SARL | DJ 30 | US Stock | Portfolio Management | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial3_SARL.ipynb)| \r\n| PPO  |  SSE 50  | China Stock | Portfolio Management | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial4_PPO.ipynb)|\r\n| ETEO | Bitcoin | Crypto | Order Execution | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial5_ETEO.ipynb)|\r\n| Double DQN | Bitcoin | Crypto | High Frequency Trading | [tutorial](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial6_DDQN.ipynb)|\r\n\r\nWe also provide a colab version of these tutorials that can be run directly. ([colab tutorial](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F10M3F6qF8qJ31eQkBR7B6OHhYCR1ZUlrp#scrollTo=4TKpEroeFdT4))\r\n\r\n\r\n## Useful Script\r\n- [Automatic hyperparameter tuning](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial7_auto_tuning.ipynb)\r\n- [Automatic feature generation](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial9_Feature_Generation.ipynb)\r\n- [Financial data imputation with diffusion models](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftools\u002Fmissing_value_imputation\u002Frun.py)\r\n- [Train RL agents with Alpha158 technical indicators](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial8_Train_with_more_technical_indicators.ipynb)\r\n\r\n## TradeMaster Sandbox\r\n- [White paper](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdocs\u002Fsource\u002Ftool\u002FTradeMaster_Sandbox_whitepaper.pdf) \r\n- [Market dynamics modeling](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdocs\u002Fsource\u002Ftool\u002FEvaluationSandbox_MDM.md)\r\n- [Website API](http:\u002F\u002Ftrademaster.ai\u002F) \r\n  1. Agent training Demo\r\n  2. Market dynamics modeling tool\r\n  3. [Market simulator](https:\u002F\u002Farxiv.org\u002Fabs\u002F2309.07708) web service\r\n\r\n\r\n## Dataset\r\n| Dataset |                    Data Source                     |     Type      |           Range and Frequency            | Raw Data |                                                 Datasheet                                                 |\r\n|:-------:| :------------------------------------------------: | :-----------: | :--------------------------------------: | :------: | :-------------------------------------------------------------------------------------------------------: |\r\n| S&P500  | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) |   US Stock    |       2000\u002F01\u002F01-2022\u002F01\u002F01, 1day        |  OHLCV   |         [SP500]()          |\r\n|  DJ30   | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) |   US Stock    |       2012\u002F01\u002F01-2021\u002F12\u002F31, 1day        |  OHLCV   |         [DJ30](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fdj30\u002FDJ30.pdf)          |\r\n|   BTC   |    [Kaggle](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F)    |      Foreign Exchange       |     2000\u002F01\u002F01-2019\u002F12\u002F31, 1day        |  OHLCV   |         [FX](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fexchange\u002FFX.pdf)          |\r\n| Crypto  |    [Kaggle](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F)    |    Crypto     |       2013\u002F04\u002F29-2021\u002F07\u002F06, 1day        |  OHLCV   |        [Crypto](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002FBTC\u002FCrypto.pdf)        |\r\n|  SSE50  | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) | China Stock |       2009\u002F01\u002F02-2021\u002F01\u002F01, 1day        |  OHLCV   |         [SSE50](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fsz50\u002FSZ50.pdf)          |\r\n| Bitcoin |                     [Binance](https:\u002F\u002Fwww.binance.com\u002F)                     |    Crypto     | 2021\u002F04\u002F07-2021\u002F04\u002F19, 1min |   LOB    | [Binance](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002FOE_BTC\u002Flimit_order_book.pdf) |\r\n| Future |                     [AKshare](https:\u002F\u002Fakshare.xyz\u002F)                     |    Future     | 2023\u002F03\u002F07-2023\u002F03\u002F28, 5min |   OHLCV    | [Future](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002FFuture\u002Ffuture.pdf) |\r\n| HS30 |                     [AKShare](https:\u002F\u002Fakshare.xyz\u002F)                     |    HK Stock     | 1988\u002F12\u002F30-2023\u002F03\u002F27, 1day |   OHLCV    | [HS30](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002Fhstech30\u002FHSTech30.pdf) |\r\n\r\n\r\nDates are in YY\u002FMM\u002FDD format.\r\n\r\n\r\nOHLCV: open, high, low, and close prices; volume: corresponding trading volume; LOB: Limit order book.\r\n\r\nUsers can download data of the above datasets from [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F19Tk5ifPz1y8i_pJVwZFxaSueTLjz6qo3?usp=sharing) or [Baidu Cloud](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1njghvez53hD5v3WpLgCg0w) (extraction code:x24b)\r\n## Model Zoo\r\nTradeMaster provides efficient implementations of the following algorithms:\r\n\r\n[DeepScalper based on Pytorch (Shuo Sun et al, CIKM 22)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2201.09058)\r\n\r\n[OPD based on Pytorch (Fang et al, AAAI 21)](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16083)\r\n\r\n[DeepTrader based on Pytorch (Wang et al, AAAI 21)](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16144) \r\n\r\n[SARL based on Pytorch (Yunan Ye et al, AAAI 20)](https:\u002F\u002Farxiv.org\u002Fabs\u002F2002.05780)\r\n\r\n[ETEO based on Pytorch (Lin et al, 20)](https:\u002F\u002Fwww.ijcai.org\u002FProceedings\u002F2020\u002F627?msclkid=a2b6ad5db7ca11ecb537627a9ca1d4f6)\r\n\r\n[Investor-Imitator based on Pytorch (Yi Ding et al, KDD 18)](https:\u002F\u002Fwww.kdd.org\u002Fkdd2018\u002Faccepted-papers\u002Fview\u002Finvestor-imitator-a-framework-for-trading-knowledge-extraction)\r\n\r\n[EIIE based on Pytorch (Jiang et al, 17)](https:\u002F\u002Farxiv.org\u002Fabs\u002F1706.10059)\r\n\r\n\r\nClassic RL based on Pytorch and Ray: \r\n[PPO](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ppo) [A2C](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#a3c) [Rainbow](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Freleases-1.13.0\u002Frllib\u002Frllib-algorithms.html#dqn) [SAC](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#sac) [DDPG](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ddpg) [DQN](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#dqn) [PG](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#pg) [TD3](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ddpg)\r\n\r\n## Visualization Toolkit\r\nTradeMaster provides many visualization toolkits for a systematic evaluation of RL-based quantitative trading methods. Please check this [paper](https:\u002F\u002Fopenreview.net\u002Fforum?id=JjbsIYOuNi) and [repository](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FPRUDEX-Compass) for details. Some examples are as follows:\r\n\r\n**PRIDE-Star** is a star plot containing normalized score of 8 key financial measures such total return (TR) and Sharpe ratio (SR) to evaluate profitability,risk-control and diversity:\r\n\u003Ctable align=\"center\">\r\n    \u003Ctr>\r\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_d29e131e51f5.jpg\" width=\"95%\" \u002F>   \u003C\u002Fcenter>\u003C\u002Ftd>\r\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_3b94b6e39fbf.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\r\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_5a8888384cee.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\r\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_5495e4be1041.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\r\n    \u003C\u002Ftr>\r\n\u003C\u002Ftable>\r\n\r\n\u003Cdiv align=\"left\">\r\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Fvisualization\u002Fplot1.jpg width=\"100%\"\u002F>\r\n\u003C\u002Fdiv>\r\n\u003Cbr>\r\n\r\n\u003Cdiv align=\"left\">\r\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Fvisualization\u002Fplot2.jpg width=\"100%\"\u002F>\r\n\u003C\u002Fdiv>\r\n\u003Cbr>\r\n\r\n\r\n## File Structure\r\n\r\n```\r\n| TradeMaster\r\n| ├── configs\r\n| ├── data\r\n| │   ├── algorithmic_trading \r\n| │   ├── high_frequency_trading  \r\n| │   ├── order_excution          \r\n| │   └── porfolio_management\r\n| ├── deploy\r\n| │   ├── backend_client.py\r\n| │   ├── backend_client_test.py \r\n| │   └── backend_service.py        \r\n| │   ├── backend_service_test.py  \r\n| ├── docs\r\n| ├── figure\r\n| ├── installation\r\n| │   ├── docker.md\r\n| │   ├── requirements.md\r\n| ├── tools\r\n| │   ├── algorithmic_trading          \r\n| │   ├── data_preprocessor\r\n| │   ├── high_frequency_trading\r\n| │   ├── market_dynamics_labeling\r\n| │   ├── missing_value_imputation  \r\n| │   ├── order_excution  \r\n| │   ├── porfolio_management  \r\n| │   ├── __init__.py      \r\n| ├── tradmaster       \r\n| │   ├── agents   \r\n| │   ├── datasets \r\n| │   ├── enviornments \r\n| │   ├── evaluation \r\n| │   ├── imputation \r\n| │   ├── losses\r\n| │   ├── nets\r\n| │   ├── preprocessor\r\n| │   ├── optimizers\r\n| │   ├── pretrained\r\n| │   ├── trainers\r\n| │   ├── transition\r\n| │   ├── utils\r\n| │   └── __init__.py     \r\n| ├── unit_testing\r\n| ├── Dockerfile\r\n| ├── LICENSE\r\n| ├── README.md\r\n| ├── pyproject.toml\r\n| └── requirements.txt\r\n```\r\n\r\n## Publications\r\n[A multimodal foundation agent for financial trading: Tool-augmented, diversified, and generalist](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD24_FinAgent.pdf) *(KDD 2024)*\r\n\r\n[MacroHFT: Memory augmented context-aware reinforcement learning on high frequency trading](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD24_MacroHFT.pdf) *(KDD 2024)*\r\n\r\n[Reinforcement learning with maskable stock representation for portfolio management in customizable stock pools](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FWWW24_EarnMore.pdf) *(WWW 2024)*\r\n\r\n[EarnHFT: Efficient hierarchical reinforcement learning for high frequency trading](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FAAAI24_EarnHFT.pdf) *(AAAI 2024)*\r\n\r\n[Market-GAN: Adding control to financial market data generation with semantic context](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FAAAI24_MarketGAN.pdf) *(AAAI 2024)*\r\n\r\n[TradeMaster: A holistic quantitative trading platform empowered by reinforcement learning](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FNeurIPS_23_TradeMaster.pdf)  *(NeurIPS 2023)*\r\n\r\n[Mastering stock markets with efficient mixture of diversified trading experts](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD23_Stock.pdf) *(KDD 2023)*\r\n\r\n[PRUDEX-Compass: Towards Systematic Evaluation of Reinforcement Learning in Financial Markets](https:\u002F\u002Fopenreview.net\u002Fforum?id=JjbsIYOuNi) *(Transactions on Machine learning Research 2023)*\r\n\r\n[Reinforcement Learning for Quantitative Trading (Survey)](https:\u002F\u002Fdl.acm.org\u002Fdoi\u002F10.1145\u002F3582560) *(ACM Transactions on Intelligent Systems and Technology 2023)*\r\n\r\n[Deep Reinforcement Learning for Quantitative Trading: Challenges and Opportunities](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9779600) *(IEEE Intelligent Systems 2022)*\r\n\r\n[DeepScalper: A Risk-Aware Reinforcement Learning Framework to Capture Fleeting Intraday Trading Opportunities](https:\u002F\u002Farxiv.org\u002Fabs\u002F2201.09058) *(CIKM 2022)*\r\n\r\n[Commission Fee is not Enough: A Hierarchical Reinforced Framework for Portfolio Management](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16142) *(AAAI 21)*\r\n\r\n## News\r\n- [AI科技评论][TradeMaster最新发布沙盒工具箱，探索量化交易的全新维度](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FWqU2t_hPH0t_1__VRPlz8g)\r\n- [AAAI Summer Syposium][Call for participation on RL4Fintech syposium in Singapore](https:\u002F\u002Fsites.google.com\u002Fview\u002Faaai23-ai4fintech)\r\n- [知乎][用强化学习在金融市场上赚钱？南洋理工发布全新基于强化学习的量化交易平台TradeMaster](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614855780?utm_medium=social&utm_oi=798261254362927104&utm_psn=1620381293060993024&utm_source=wechat_session&wechatShare=1&s_r=0)\r\n- [机器之心][南洋理工发布量化交易大师TradeMaster，涵盖15种强化学习算法](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FMTUOksGGgaWX6GkXZT6wwA)\r\n- [运筹OR帷幄][量化交易大师TradeMaster](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FbAuvKD5QD3Lz8ZC60WWJLQ)\r\n- [Medium][Introduction on TradeMaster](https:\u002F\u002Fmedium.com\u002F@trademaster.ntu\u002Fintroduction-to-trademaster-a-new-standard-of-reinforcement-learning-framework-for-quantitative-67f7133485e2)\r\n- [AAAI-23 Bridge Program][Host a tutorial on reinforcement learning for quantitative trading with TradeMaster](https:\u002F\u002Fsites.google.com\u002Fview\u002Faaai-ai-fin\u002Fhome)\r\n\r\n\r\n## Team\r\n- This repository is developed and maintained by [AMI](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002F) group at [Nanyang Technological University](https:\u002F\u002Fwww.ntu.edu.sg\u002F).\r\n- We have positions for software engineer, research associate and postdoc. If you are interested in working at the intersection of RL and quantitative trading, feel free to send us an email with your CV.\r\n\r\n## Competition\r\n[TradeMaster Cup 2022](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F8440?secret_key=51d5952f-d68d-47d9-baef-6032445dea01)\r\n\r\n## Contact Us\r\nIf you have any further questions of this project, please contact [TradeMaster.NTU@gmail.com](TradeMaster.NTU@gmail.com)\r\n","# TradeMaster：面向交易的强化学习平台\n\n\u003Cdiv align=\"center\">\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Ffigure\u002FLogo.png width=\"25%\"\u002F> \n\n\u003Cdiv> \u003C\u002Fdiv>\n\n[![Python 3.9](https:\u002F\u002Fshields.io\u002Fbadge\u002Fpython-3.9-blue.svg)](https:\u002F\u002Fwww.python.org\u002Fdownloads\u002Frelease\u002Fpython-3916\u002F)\n[![平台](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fplatform-linux%20%7C%20windows%20%7C%20macos-lightgrey)](Platform)\n[![许可证](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002FTradeMaster-NTU\u002FTradeMaster)](License)\n[![文档](https:\u002F\u002Fimg.shields.io\u002Fbadge\u002Fdocs-latest-red)](https:\u002F\u002Ftrademaster.readthedocs.io\u002Fen\u002Flatest\u002F)\n[![GitHub 星标](https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Fstars\u002FTradeMaster-NTU\u002FTradeMaster?color=orange)](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fstargazers)\n\n\u003C\u002Fdiv>\n\n***\nTradeMaster 是首个、也是同类最佳的 __开源平台__，专为基于 __强化学习（RL）__ 的 __量化交易（QT）__ 而设计，覆盖从 RL 算法的设计、实现、评估到部署的 __完整流程__。\n\n:octocat: __招聘__: 香港科技大学（广州）在孙硕博士（TradeMaster 论文的第一作者）的指导下，开放多个全额资助的博士和研究助理职位。如有兴趣，请发送邮件至他！\n\n## :star: **最新动态！**   :alarm_clock: \n\n| 更新内容                                                                                                                                                                                                                                                     | 状态                                                                                                                                                             |\n|------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|--------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| 新增 [EarnHFT](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FEarnHFT)、[Market-GAN](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FMarket-GAN) 和 [MacroHFT](https:\u002F\u002Fgithub.com\u002FZONG0004\u002FMacroHFT)                                                                                                                                              | :hammer: 2025年2月25日更新    \n| 新增 [FinAgent](https:\u002F\u002Fgithub.com\u002FDVampire\u002FFinAgent) 和 [EarnMore](https:\u002F\u002Fgithub.com\u002FDVampire\u002FEarnMore)                                                                                                                                              | :hammer: 2024年10月29日更新                                                                                                                                    |\n| 更新 [TradeMaster 网站（市场模拟器）](http:\u002F\u002Ftrademaster.cpolar.io\u002FMarketGAN)                                                                                                                                                                    | :hammer: 2023年9月21日更新                                                                                                                                    |\n| 更新 [TradeMaster 网站（市场动态建模工具）](http:\u002F\u002Ftrademaster.cpolar.io\u002Fevaluation-toolbox)                                                                                                                                              | :wrench: 2023年7月7日更新                                                                                                                                    |\n| 支持 [自动特征生成与选择](https:\u002F\u002Farxiv.org\u002Fabs\u002F2211.12507)                                                                                                                                                                     | :hammer: 于2023年5月11日更新了 [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial9_Feature_Generation.ipynb)                   |\n| 发布 TradeMaster [Python 包](https:\u002F\u002Fpypi.org\u002Fproject\u002Ftrademasterntu\u002F)                                                                                                                                                                             | :whale: 2023年5月11日更新                                                                                                                                     | \n| 搭建 TradeMaster [网站](https:\u002F\u002Ftrademaster.ai)                                                                                                                                                                                                        | :whale: 于4月23日可在 [此处](https:\u002F\u002Ftrademaster.ai) 访问                                                                                                    \n| 编写 TradeMaster [软件文档](https:\u002F\u002Ftrademaster.readthedocs.io\u002Fen\u002Flatest\u002F)                                                                                                                                                                  | :speech_balloon: 2023年4月11日更新                                                                                                                          |\n| 发布 [Colab](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F10M3F6qF8qJ31eQkBR7B6OHhYCR1ZUlrp#scrollTo=4TKpEroeFdT4) 版本                                                                                                                                   | :speech_balloon: 于2023年3月29日进行了 [更新](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F133)                                                               |\n| 增加 [香港股票](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002Fhstech30\u002FHSTech30.pdf) 和 [期货](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002FFuture\u002Ffuture.pdf) 数据集 | :compass: 于2023年3月27日更新了 [#131](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F131) 和 [#132](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F132) |\n| 支持 [Alpha158](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial8_Train_with_more_technical_indicators.ipynb)                                                                                                                | :hammer: 于2023年3月20日更新了 [#123](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F123) 和 [#124](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fpull\u002F124)  |\n| 发布 TradeMaster 1.0.0                                                                                                                                                                                                                                  | :octocat: 于2023年3月5日 [发布了 v1.0.0](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Freleases\u002Ftag\u002Fv1.0.0)                                                    |\n\n## 大纲\n\n- [TradeMaster：用于交易的强化学习平台](#trademaster-an-rl-platform-for-trading)\n  - [:star: **最新动态！**   :alarm\\_clock:](#star-whats-new---alarm_clock)\n  - [大纲](#outline)\n  - [概述](#overview)\n  - [安装](#installation)\n  - [教程](#tutorial)\n  - [实用脚本](#useful-script)\n  - [TradeMaster Sandbox](#trademaster-sandbox)\n  - [数据集](#dataset)\n  - [模型库](#model-zoo)\n  - [可视化工具包](#visualization-toolkit)\n  - [文件结构](#file-structure)\n  - [出版物](#publications)\n  - [新闻](#news)\n  - [团队](#team)\n  - [竞赛](#competition)\n  - [联系我们](#contact-us)\n\n## 概述\r\n\u003Cdiv align=\"center\">\r\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Farchitecture.jpg width=\"97%\"\u002F>\r\n\u003C\u002Fdiv>\r\n\u003Cbr>\r\n\r\n__TradeMaster__ 由 6 个关键模块组成：1) 多粒度、多资产类别的多模态市场数据；2) 全流程数据预处理管道；3) 一系列用于主流量化交易任务的高保真数据驱动型市场模拟器；4) 超过 13 种基于强化学习的新型交易算法的高效实现；5) 包含 6 个维度和 17 项指标的系统性评估工具集；6) 面向跨学科用户的多种接口。\r\n\r\n\r\n## 安装\r\n以下是针对不同操作系统和 Docker 的安装教程：\n- [Linux\u002FWindows\u002FMacOS 上的安装](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Ftree\u002F1.0.0\u002Finstallation\u002Frequirements.md)\n- [使用 Docker 安装](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Ftree\u002F1.0.0\u002Finstallation\u002Fdocker.md)\n\n## 教程\r\n我们提供了涵盖 TradeMaster 核心功能的教程，帮助用户快速入门。\n| 算法 | 数据集 | 市场 | 任务 | 代码链接 |\n| :---------: | :-----: | :-----: | :---------------------------------------------------------------------------------------------------------------: | :--------------------------------------------------: |\n| EIIE | DJ 30 | 美国股票 | 投资组合管理 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial1_EIIE.ipynb)|\n| DeepScalper  |   BTC | 加密货币 | 日内交易 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial2_DeepScalper.ipynb) | \n| SARL | DJ 30 | 美国股票 | 投资组合管理 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial3_SARL.ipynb)| \n| PPO  |  SSE 50  | 中国股票 | 投资组合管理 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial4_PPO.ipynb)|\n| ETEO | 比特币 | 加密货币 | 订单执行 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial5_ETEO.ipynb)|\n| Double DQN | 比特币 | 加密货币 | 高频交易 | [教程](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial6_DDQN.ipynb)|\n\n我们还提供了这些教程的 Colab 版本，可以直接运行。（[Colab 教程](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F10M3F6qF8qJ31eQkBR7B6OHhYCR1ZUlrp#scrollTo=4TKpEroeFdT4)）\n\n\n## 实用脚本\n- [自动超参数调优](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial7_auto_tuning.ipynb)\n- [自动特征生成](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial9_Feature_Generation.ipynb)\n- [基于扩散模型的金融数据插补](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftools\u002Fmissing_value_imputation\u002Frun.py)\n- [使用 Alpha158 技术指标训练强化学习智能体](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ftutorial\u002FTutorial8_Train_with_more_technical_indicators.ipynb)\n\n## TradeMaster Sandbox\n- [白皮书](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdocs\u002Fsource\u002Ftool\u002FTradeMaster_Sandbox_whitepaper.pdf) \n- [市场动态建模](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdocs\u002Fsource\u002Ftool\u002FEvaluationSandbox_MDM.md)\n- [网站 API](http:\u002F\u002Ftrademaster.ai\u002F) \n  1. 智能体训练演示\n  2. 市场动态建模工具\n  3. [市场模拟器](https:\u002F\u002Farxiv.org\u002Fabs\u002F2309.07708) 网络服务\n\n\n## 数据集\n| 数据集 |                    数据来源                     |     类型      |           范围与频率            | 原始数据 |                                                 数据表                                                 |\n|:-------:| :------------------------------------------------: | :-----------: | :--------------------------------------: | :------: | :-------------------------------------------------------------------------------------------------------: |\n| S&P500  | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) |   美国股票    |       2000\u002F01\u002F01-2022\u002F01\u002F01, 1天        |  OHLCV   |         [SP500]()          |\n|  DJ30   | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) |   美国股票    |       2012\u002F01\u002F01-2021\u002F12\u002F31, 1天        |  OHLCV   |         [DJ30](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fdj30\u002FDJ30.pdf)          |\n|   BTC   |    [Kaggle](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F)    |      外汇       |     2000\u002F01\u002F01-2019\u002F12\u002F31, 1天        |  OHLCV   |         [FX](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fexchange\u002FFX.pdf)          |\n| Crypto  |    [Kaggle](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F)    |    加密货币     |       2013\u002F04\u002F29-2021\u002F07\u002F06, 1天        |  OHLCV   |        [Crypto](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002FBTC\u002FCrypto.pdf)        |\n|  SSE50  | [Yahoo](https:\u002F\u002Fpypi.org\u002Fproject\u002Fyfinance\u002F) | 中国股票 |       2009\u002F01\u002F02-2021\u002F01\u002F01, 1天        |  OHLCV   |         [SSE50](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002Fsz50\u002FSZ50.pdf)          |\n| 比特币 |                     [Binance](https:\u002F\u002Fwww.binance.com\u002F)                     |    加密货币     | 2021\u002F04\u002F07-2021\u002F04\u002F19, 1分钟 |   LOB    | [Binance](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002Fmain\u002Fdata\u002Fdata\u002FOE_BTC\u002Flimit_order_book.pdf) |\n| 期货 |                     [AKshare](https:\u002F\u002Fakshare.xyz\u002F)                     |    期货     | 2023\u002F03\u002F07-2023\u002F03\u002F28, 5分钟 |   OHLCV    | [期货](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002FFuture\u002Ffuture.pdf) |\n| HS30 |                     [AKShare](https:\u002F\u002Fakshare.xyz\u002F)                     |    香港股票     | 1988\u002F12\u002F30-2023\u002F03\u002F27, 1天 |   OHLCV    | [HS30](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Fdata\u002Fportfolio_management\u002Fhstech30\u002FHSTech30.pdf) |\n\n\n日期格式为 YY\u002FMM\u002FDD。\n\n\nOHLCV：开盘价、最高价、最低价和收盘价；volume：对应成交量；LOB：限价订单簿。\n\n用户可以从 [Google Drive](https:\u002F\u002Fdrive.google.com\u002Fdrive\u002Ffolders\u002F19Tk5ifPz1y8i_pJVwZFxaSueTLjz6qo3?usp=sharing) 或 [百度网盘](https:\u002F\u002Fpan.baidu.com\u002Fs\u002F1njghvez53hD5v3WpLgCg0w)（提取码：x24b）下载上述数据集的数据。\n\n## 模型动物园\nTradeMaster 提供了以下算法的高效实现：\n\n[基于 PyTorch 的 DeepScalper（Shuo Sun 等人，CIKM 22）](https:\u002F\u002Farxiv.org\u002Fabs\u002F2201.09058)\n\n[基于 PyTorch 的 OPD（Fang 等人，AAAI 21）](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16083)\n\n[基于 PyTorch 的 DeepTrader（Wang 等人，AAAI 21）](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16144)\n\n[基于 PyTorch 的 SARL（Yunan Ye 等人，AAAI 20）](https:\u002F\u002Farxiv.org\u002Fabs\u002F2002.05780)\n\n[基于 PyTorch 的 ETEO（Lin 等人，20 年）](https:\u002F\u002Fwww.ijcai.org\u002FProceedings\u002F2020\u002F627?msclkid=a2b6ad5db7ca11ecb537627a9ca1d4f6)\n\n[基于 PyTorch 的 Investor-Imitator（Yi Ding 等人，KDD 18）](https:\u002F\u002Fwww.kdd.org\u002Fkdd2018\u002Faccepted-papers\u002Fview\u002Finvestor-imitator-a-framework-for-trading-knowledge-extraction)\n\n[基于 PyTorch 的 EIIE（Jiang 等人，17 年）](https:\u002F\u002Farxiv.org\u002Fabs\u002F1706.10059)\n\n\n经典强化学习算法（基于 PyTorch 和 Ray）：\n[PPO](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ppo) [A2C](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#a3c) [Rainbow](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Freleases-1.13.0\u002Frllib\u002Frllib-algorithms.html#dqn) [SAC](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#sac) [DDPG](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ddpg) [DQN](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#dqn) [PG](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#pg) [TD3](https:\u002F\u002Fdocs.ray.io\u002Fen\u002Flatest\u002Frllib\u002Frllib-algorithms.html#ddpg)\n\n## 可视化工具包\nTradeMaster 提供了多种可视化工具，用于系统地评估基于强化学习的量化交易方法。详情请参阅这篇 [论文](https:\u002F\u002Fopenreview.net\u002Fforum?id=JjbsIYOuNi) 和这个 [仓库](https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FPRUDEX-Compass)。以下是一些示例：\n\n**PRIDE-Star** 是一种星形图，包含总回报（TR）、夏普比率（SR）等 8 项关键财务指标的归一化得分，用于评估盈利能力、风险控制和多样性：\n\u003Ctable align=\"center\">\n    \u003Ctr>\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_d29e131e51f5.jpg\" width=\"95%\" \u002F>   \u003C\u002Fcenter>\u003C\u002Ftd>\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_3b94b6e39fbf.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_5a8888384cee.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\n        \u003Ctd >\u003Ccenter>\u003Cimg src=\"https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_readme_5495e4be1041.jpg\" width=\"95%\" \u002F> \u003C\u002Fcenter>\u003C\u002Ftd>\n    \u003C\u002Ftr>\n\u003C\u002Ftable>\n\n\u003Cdiv align=\"left\">\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Fvisualization\u002Fplot1.jpg width=\"100%\"\u002F>\n\u003C\u002Fdiv>\n\u003Cbr>\n\n\u003Cdiv align=\"left\">\n\u003Cimg align=\"center\" src=https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Ffigure\u002Fvisualization\u002Fplot2.jpg width=\"100%\"\u002F>\n\u003C\u002Fdiv>\n\u003Cbr>\n\n\n## 文件结构\n\n```\n| TradeMaster\n| ├── configs\n| ├── data\n| │   ├── algorithmic_trading \n| │   ├── high_frequency_trading  \n| │   ├── order_excution          \n| │   └── porfolio_management\n| ├── deploy\n| │   ├── backend_client.py\n| │   ├── backend_client_test.py \n| │   └── backend_service.py        \n| │   ├── backend_service_test.py  \n| ├── docs\n| ├── figure\n| ├── installation\n| │   ├── docker.md\n| │   ├── requirements.md\n| ├── tools\n| │   ├── algorithmic_trading          \n| │   ├── data_preprocessor\n| │   ├── high_frequency_trading\n| │   ├── market_dynamics_labeling\n| │   ├── missing_value_imputation  \n| │   ├── order_excution  \n| │   ├── porfolio_management  \n| │   ├── __init__.py      \n| ├── tradmaster       \n| │   ├── agents   \n| │   ├── datasets \n| │   ├── enviornments \n| │   ├── evaluation \n| │   ├── imputation \n| │   ├── losses\n| │   ├── nets\n| │   ├── preprocessor\n| │   ├── optimizers\n| │   ├── pretrained\n| │   ├── trainers\n| │   ├── transition\n| │   ├── utils\n| │   └── __init__.py     \n| ├── unit_testing\n| ├── Dockerfile\n| ├── LICENSE\n| ├── README.md\n| ├── pyproject.toml\n| └── requirements.txt\n```\n\n\n## 出版物\n[面向金融交易的多模态基础智能体：工具增强、多样化且通用](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD24_FinAgent.pdf) *(KDD 2024)*\n\n[MacroHFT：面向高频交易的记忆增强型上下文感知强化学习](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD24_MacroHFT.pdf) *(KDD 2024)*\n\n[基于可定制股票池的掩码式股票表示的强化学习在投资组合管理中的应用](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FWWW24_EarnMore.pdf) *(WWW 2024)*\n\n[EarnHFT：面向高频交易的高效分层强化学习](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FAAAI24_EarnHFT.pdf) *(AAAI 2024)*\n\n[Market-GAN：通过语义上下文为金融市场数据生成增添可控性](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FAAAI24_MarketGAN.pdf) *(AAAI 2024)*\n\n[TradeMaster：一个由强化学习赋能的综合性量化交易平台](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FNeurIPS_23_TradeMaster.pdf) *(NeurIPS 2023)*\n\n[利用高效的多样化交易专家混合模型掌握股票市场](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002Fpapers\u002FKDD23_Stock.pdf) *(KDD 2023)*\n\n[PRUDEX-Compass：迈向金融市场中强化学习的系统性评估](https:\u002F\u002Fopenreview.net\u002Fforum?id=JjbsIYOuNi) *(Transactions on Machine learning Research 2023)*\n\n[量化交易中的强化学习（综述）](https:\u002F\u002Fdl.acm.org\u002Fdoi\u002F10.1145\u002F3582560) *(ACM Transactions on Intelligent Systems and Technology 2023)*\n\n[量化交易中的深度强化学习：挑战与机遇](https:\u002F\u002Fieeexplore.ieee.org\u002Fabstract\u002Fdocument\u002F9779600) *(IEEE Intelligent Systems 2022)*\n\n[DeepScalper：一种风险感知的强化学习框架，用于捕捉短暂的日内交易机会](https:\u002F\u002Farxiv.org\u002Fabs\u002F2201.09058) *(CIKM 2022)*\n\n[仅靠佣金费用还不够：一种用于投资组合管理的分层强化框架](https:\u002F\u002Fojs.aaai.org\u002Findex.php\u002FAAAI\u002Farticle\u002Fview\u002F16142) *(AAAI 21)*\n\n## 新闻\n- [AI科技评论][TradeMaster最新发布沙盒工具箱，探索量化交易的全新维度](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FWqU2t_hPH0t_1__VRPlz8g)\n- [AAAI夏季研讨会][新加坡RL4Fintech研讨会征稿通知](https:\u002F\u002Fsites.google.com\u002Fview\u002Faaai23-ai4fintech)\n- [知乎][用强化学习在金融市场上赚钱？南洋理工发布全新基于强化学习的量化交易平台TradeMaster](https:\u002F\u002Fzhuanlan.zhihu.com\u002Fp\u002F614855780?utm_medium=social&utm_oi=798261254362927104&utm_psn=1620381293060993024&utm_source=wechat_session&wechatShare=1&s_r=0)\n- [机器之心][南洋理工发布量化交易大师TradeMaster，涵盖15种强化学习算法](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FMTUOksGGgaWX6GkXZT6wwA)\n- [运筹OR帷幄][量化交易大师TradeMaster](https:\u002F\u002Fmp.weixin.qq.com\u002Fs\u002FbAuvKD5QD3Lz8ZC60WWJLQ)\n- [Medium][TradeMaster简介](https:\u002F\u002Fmedium.com\u002F@trademaster.ntu\u002Fintroduction-to-trademaster-a-new-standard-of-reinforcement-learning-framework-for-quantitative-67f7133485e2)\n- [AAAI-23桥梁项目][使用TradeMaster举办量化交易强化学习教程](https:\u002F\u002Fsites.google.com\u002Fview\u002Faaai-ai-fin\u002Fhome)\n\n\n## 团队\n- 本仓库由[南洋理工大学](https:\u002F\u002Fwww.ntu.edu.sg\u002F)的[AMI](https:\u002F\u002Fpersonal.ntu.edu.sg\u002Fboan\u002F)课题组开发并维护。\n- 我们现招聘软件工程师、研究助理及博士后。如果您对强化学习与量化交易交叉领域的研究感兴趣，欢迎随时发送简历至我们的邮箱。\n\n## 竞赛\n[TradeMaster杯2022](https:\u002F\u002Fcodalab.lisn.upsaclay.fr\u002Fcompetitions\u002F8440?secret_key=51d5952f-d68d-47d9-baef-6032445dea01)\n\n## 联系我们\n如您对本项目有任何疑问，请联系[TradeMaster.NTU@gmail.com](TradeMaster.NTU@gmail.com)","# TradeMaster 快速上手指南\n\nTradeMaster 是一个基于强化学习（RL）的开源量化交易平台，覆盖从数据预处理、市场模拟、算法训练到评估部署的全流程。本指南将帮助中国开发者快速搭建环境并运行第一个交易策略。\n\n## 1. 环境准备\n\n在开始之前，请确保您的开发环境满足以下要求：\n\n*   **操作系统**：Linux, Windows 或 macOS\n*   **Python 版本**：Python 3.9 (推荐)\n*   **前置依赖**：\n    *   Git (用于克隆代码库)\n    *   pip (Python 包管理工具)\n    *   (可选) Docker (如需容器化部署)\n\n> **提示**：建议创建独立的虚拟环境（如使用 `conda` 或 `venv`）以避免依赖冲突。\n\n## 2. 安装步骤\n\n您可以选择通过源码安装或直接安装 PyPI 包。推荐使用国内镜像源加速下载。\n\n### 方式一：源码安装（推荐，获取最新功能）\n\n1.  **克隆仓库**\n    ```bash\n    git clone https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster.git\n    cd TradeMaster\n    ```\n\n2.  **安装依赖**\n    使用清华源或阿里源加速安装 Python 依赖包：\n    ```bash\n    pip install -r requirements.txt -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n    ```\n    *(注：若 `requirements.txt` 未自动识别，可手动安装核心包 `pip install trademasterntu -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple`)*\n\n### 方式二：PyPI 包安装\n\n直接安装发布版：\n```bash\npip install trademasterntu -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 方式三：Docker 安装\n\n如果希望隔离环境，可使用 Docker：\n```bash\ndocker pull trademaster\u002Ftrademaster:latest\n```\n*(具体 Docker 运行命令请参考项目 `installation\u002Fdocker.md`)*\n\n## 3. 基本使用\n\nTradeMaster 提供了丰富的 Jupyter Notebook 教程。以下是运行一个基于 **EIIE 算法** 进行 **美股投资组合管理** 的最简示例。\n\n### 步骤 1：启动教程环境\n确保已安装 `jupyter` 或 `jupyterlab`：\n```bash\npip install jupyterlab -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple\n```\n\n### 步骤 2：运行示例代码\n进入教程目录并启动 Notebook：\n```bash\ncd tutorial\njupyter lab Tutorial1_EIIE.ipynb\n```\n\n### 步骤 3：核心代码逻辑预览\n在 Notebook 中，核心流程通常包含以下步骤（代码保持英文原样）：\n\n```python\nimport trademaster as tm\n\n# 1. 加载数据 (以 DJ 30 数据集为例)\ndata = tm.load_dataset(name=\"DJ30\", task=\"portfolio_management\")\n\n# 2. 初始化环境\nenv = tm.make_environment(data=data, task=\"portfolio_management\")\n\n# 3. 构建代理 (Agent)，此处使用 EIIE 算法\nagent = tm.create_agent(algorithm=\"EIIE\", environment=env)\n\n# 4. 训练模型\nagent.train(total_episodes=100)\n\n# 5. 评估与可视化\nresults = agent.test()\ntm.plot_results(results)\n```\n\n### 其他可用任务示例\n平台支持多种任务，您只需更改 `algorithm` 和 `task` 参数即可切换场景：\n*   **日内交易**: `Tutorial2_DeepScalper.ipynb` (Crypto 市场)\n*   **订单执行**: `Tutorial5_ETEO.ipynb`\n*   **高频交易**: `Tutorial6_DDQN.ipynb`\n\n如需直接在浏览器中体验，可访问官方提供的 [Colab 教程](https:\u002F\u002Fcolab.research.google.com\u002Fdrive\u002F10M3F6qF8qJ31eQkBR7B6OHhYCR1ZUlrp)。","某量化初创团队正试图为加密货币市场开发一套高频交易策略，希望利用强化学习捕捉微小的价格波动获利。\n\n### 没有 TradeMaster 时\n- **环境搭建繁琐**：团队成员需手动编写代码构建市场模拟器，花费数周时间处理数据清洗、订单簿重建等底层工作，难以快速验证想法。\n- **算法复现困难**：缺乏统一的基准框架，复现论文中的 RL 交易算法时，因接口不兼容和超参数缺失，导致实验结果无法对齐，研发效率极低。\n- **评估维度单一**：仅能关注最终收益率，缺乏对最大回撤、夏普比率及市场冲击成本的系统化评估工具，难以全面衡量策略在极端行情下的鲁棒性。\n- **特征工程盲目**：依赖人工经验筛选技术指标，缺乏自动化的特征生成与选择机制，容易遗漏关键的市场微观结构信号。\n\n### 使用 TradeMaster 后\n- **全流程开箱即用**：直接调用 TradeMaster 内置的高保真市场模拟器和预置数据管道，将策略原型开发周期从数周缩短至几天。\n- **标准化算法库**：利用平台集成的多种 SOTA 强化学习算法模板，一键配置并复现前沿模型，确保实验结果可复现且易于横向对比。\n- **多维深度评估**：通过内置的评估工具箱，自动生成包含风险调整后收益、交易成本分析及压力测试在内的全方位报告，精准定位策略弱点。\n- **智能特征优化**：启用自动特征生成与选择功能，让算法自主挖掘有效的量价因子，显著提升了策略对市场动态变化的适应能力。\n\nTradeMaster 通过提供从环境模拟到策略部署的一站式强化学习解决方案，让量化团队能将精力集中于核心策略创新而非重复造轮子。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002FTradeMaster-NTU_TradeMaster_9806fc16.png","TradeMaster-NTU","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002FTradeMaster-NTU_b099426e.png","",null,"https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU",[78,82,86,90],{"name":79,"color":80,"percentage":81},"Jupyter Notebook","#DA5B0B",82.3,{"name":83,"color":84,"percentage":85},"Python","#3572A5",17.6,{"name":87,"color":88,"percentage":89},"Dockerfile","#384d54",0,{"name":91,"color":92,"percentage":89},"Shell","#89e051",2550,496,"2026-04-07T15:18:50","Apache-2.0","Linux, Windows, macOS","未说明",{"notes":100,"python":101,"dependencies":102},"提供 Docker 安装方式及 Colab 在线运行版本；具体依赖库详情需参考官方提供的安装文档链接，README 正文中未直接列出主要依赖库名称及版本。","3.9",[98],[14],[105,106,107,108,109,110,111,112,113,114,115],"finance","fintech","pytorch","reinforcement-learning","stock-market","trading-platform","machine-learning","investment-strategies","jupyter-notebook","python","quantitative-trading","2026-03-27T02:49:30.150509","2026-04-09T00:48:29.417834",[119,124,129,134,139,144,149],{"id":120,"question_zh":121,"answer_zh":122,"source_url":123},25314,"运行 'pip install -r requirements.txt' 时遇到 gym 安装错误（metadata-generation-failed）怎么办？","该问题通常由 setuptools 版本不兼容引起。请尝试升级 pip 并指定 setuptools 的版本来解决。推荐执行以下命令：\n1. pip install --upgrade pip setuptools==62.3.0\n或者\n2. pip install --upgrade pip setuptools==57.5.0\n如果问题仍然存在，建议参考官方安装文档：https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fblob\u002F1.0.0\u002Finstallation\u002Frequirements.md","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F159",{"id":125,"question_zh":126,"answer_zh":127,"source_url":128},25315,"如何为新交易类型（如日本股票或伦敦期货）定义 num_action（动作空间数量）？","动作空间的定义取决于交易类型和环境：\n1. 投资组合管理（Portfolio Management）：通常假设在每日收盘前调整权重，动作空间维度 N+1 中的 '+1' 代表现金（cash）。\n2. 高频交易（High Frequency Trading）：需要新交易类型的限价订单簿（LOB）快照。由于高频交易对执行精度要求高，必须检查市场流动性。此时动作可能涉及更复杂的订单类型（如限价单的价格和数量），具体需根据是否有足够的买卖盘来决定订单是否能完全执行。","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F166",{"id":130,"question_zh":131,"answer_zh":132,"source_url":133},25316,"AlphaMix+ 算法的动作空间维度为什么是 N+1？多出来的 1 代表什么？","是的，确认无误。AlphaMix+ 的动作空间维度为 N+1，其中 N 是资产数量，多出来的 '+1' 专门用于表示现金（cash）的权重。代码中通常体现为 `self.action_space = config[\"action_space\"]+1`，并且在计算投资组合权重时会跳过第一个元素（现金部分），即 `portfolio_weights = weights[:, 1:]`。","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F48",{"id":135,"question_zh":136,"answer_zh":137,"source_url":138},25317,"TradeMaster 支持使用 Tick 数据（逐笔数据）进行训练吗？","当前版本主要使用技术指标作为状态输入。虽然理论上可以修改代码以同时接受 Tick 数据和 OHLCV 数据，但根据维护者的经验，仅使用原始 Tick 和 OHLCV 数据训练强化学习代理往往难以获得良好的效果。目前并没有直接内置支持纯 Tick 数据训练的现成配置，需要用户自行修改环境和模型输入层。","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F152",{"id":140,"question_zh":141,"answer_zh":142,"source_url":143},25318,"ETEO 算法中使用的数据字段（如 bids_distance_x, asks_notional_x 等）具体含义是什么？数据来源哪里？","ETEO 算法依赖于限价订单簿（LOB）的深度数据，而不仅仅是买卖价格和成交量。字段含义如下：\n- bids\u002Fasks_distance_x: 买卖档位的距离特征。\n- bids\u002Fasks_notional_x: 买卖档位的名义金额。\n- bids\u002Fasks_cancel_notional_x: 取消订单的名义金额。\n- bids\u002Fasks_limit_notional_x: 限价订单的名义金额。\n- bids\u002Fasks_market_notional_x: 市价订单的名义金额。\n这些数据通常需要从交易所的 Level 2 或 Level 3 行情数据中构建。由于维护者指出该问题涉及多个方面，建议查阅 ETEO 相关的原始论文（arXiv）以获取详细的数据定义和算法来源。","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F94",{"id":145,"question_zh":146,"answer_zh":147,"source_url":148},25319,"DeepScalper 的实现与论文描述不一致（如缺少微观 LOB 数据、动作空间仅为体积等），原因是什么？","用户指出当前仓库中的 DeepScalper 实现与论文存在差异：论文使用了宏观（OHLCV+ 指标）和微观（LOB）数据，以及二维动作空间（价格，数量）；而仓库中仅使用了宏观数据和一维动作空间（仅数量，价格假设为收盘价）。这表明当前的实现可能只是一个原型（prototype），尚未完全复现论文中针对高频交易的复杂设定（如忽略价差和滑点的简化处理）。如需完全复现论文效果，可能需要用户自行扩展特征工程和动作空间定义。","https:\u002F\u002Fgithub.com\u002FTradeMaster-NTU\u002FTradeMaster\u002Fissues\u002F150",{"id":150,"question_zh":151,"answer_zh":152,"source_url":143},25320,"ETEO 环境中的 length_keeping 变量和 data_left 是如何计算的？","1. length_keeping：在环境中作为 `self.order_length` 使用。它用于维护一个订单历史记录列表 `self.order_history`。当列表长度超过 `self.order_length` 时，会弹出最早的订单（视为取消）；如果列表中的订单被执行，其成交量会被更新为 0。\n2. data_left：计算公式为 `(len(self.df.index.unique()) - self.time_frame) \u002F 3600`。这只是一个归一化操作，表示剩余的小时数，并非直接将订单分散到具体的行数中。例如，如果数据集有 72000 行且时间跨度对应 20 小时，该值用于帮助模型感知剩余时间。",[154],{"id":155,"version":156,"summary_zh":157,"released_at":158},162676,"v1.0.0","我们发布了TradeMaster v1.0.0 的第一个稳定版本。","2023-03-05T07:24:06"]