RL для трейдинга без романтики
⠀
В README у TensorTrade есть редкая для таких репозиториев честность. При обучении PPO на BTC/USD агент без комиссии показал +$239 и обогнал buy-and-hold на $594. Но уже при комиссии 0.1% результат уехал в -$650.
⠀
То есть проблема не в красивой демке. Проблема в частоте сделок. Комиссии съедают преимущество модели быстрее, чем она успевает его реализовать.
⠀
На этом фоне TensorTrade выглядит полезно. Это open-source Python framework, где можно собирать среду из понятных блоков: ActionScheme, RewardScheme, Observer, Portfolio, Exchange, DataFeed. Архитектура здесь достаточно прозрачная, чтобы разбирать и пересобирать эксперименты под себя.
⠀
Внутри есть не только код, но и внятная учебная траектория: foundations, architecture, first run, action schemes, reward schemes, observers & feeds, Ray RLlib, Optuna, walk-forward validation, overfitting, commission analysis.
⠀
Ещё один плюс в том, что авторы не прячут слабые места. В документации отдельно вынесены common failures, overfitting и walk-forward validation. Для темы алгоритмической торговли это важнее, чем очередной график с красивой доходностью.
⠀
Если вы хотите быстро проверить гипотезы по RL в трейдинге, TensorTrade даёт хороший каркас. Если вы ищете волшебную кнопку, репозиторий как раз показывает, почему её нет.
⠀
📎 GitHub