深Q贸易代理 在这里，我们将演示论文的一种实现方法，即 Jeong等人的。 金融交易代理并不是什么新鲜事物。 先前创建自动交易系统的尝试使用统计指标（例如移动平均线）来确定如何随时采取行动。 但是，这些代理商大多数都专注于采取的行动，选择交易固定数量的股票。 对于现实世界的交易方案而言，这是不现实的。 本文解决了三个问题。 交易员在给定的一天应该执行什么交易动作，以及多少股票。 在“混乱的市场”中，贸易代理商采取什么行动策略。 缺乏用于深度学习的财务数据，这会导致过度拟合。 如果论文

深度交易代理 使用网络进行Q函数逼近，基于深度强化学习的比特币交易代理。 有关数据集，预处理，网络体系结构和实现的完整详细信息，请参阅此存储库的 。 要求 Python 2.7 （用于预处理比特币价格序列） （用于显示培训进度） 要设置具有所有依赖关系的ubuntu虚拟机来运行代码，请参阅 。 与Docker一起运行 直接从docker hub提取预构建的docker镜像并运行为 docker pull samre12/deep-trading-agent:latest docker