强化学习策略买卖股票的效果如何？

Github 项目：

GitHub - daocodedao/stable-baselines-stock: 深度强化学习自动炒股

主体参考了 https://github.com/wangshub/RL-Stock，修改了一些

• requirements 修改到新版本
• 支持 mac
• stable-baselines 改为 stable-baselines3

使用强化学习预测股价，需要在决策的时候采取合适的行动 (Action) 使最后的奖励最大化。与监督学习预测未来的数值不同，强化学习根据输入的状态（如当日开盘价、收盘价等），输出系列动作（例如：买进、持有、卖出），并对好的动作结果不断进行奖励，对差的动作结果不断进行惩罚，使得最后的收益最大化，实现自动交易。

策略网络观测的就是一只股票的各项参数，比如开盘价、收盘价、成交数量等。部分数值会是一个很大的数值，比如成交金额或者成交量，有可能百万、千万乃至更大，为了训练时网络收敛，观测的状态数据输入时，必须要进行归一化，变换到 `[-1, 1]` 的区间内。

测试结果：

测试了 SH.600036  招商银行

训练集 1990-01-01 到 2019-11-30

测试集 2019-12-01 到 2024-09-13

测试了6次，每次结果都不一样。。。

参考：

https://pythondict.com/quant/reinforcement-learnning/