معرفی شرکت ها

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر

توضیحات

Reinforcement learning Trading envoriments.

ویژگی	مقدار
سیستم عامل	-
نام فایل	ejtraderRL-1.0.8
نام	ejtraderRL
نسخه کتابخانه	1.0.8
نگهدارنده	[]
ایمیل نگهدارنده	[]
نویسنده	traderpedroso
ایمیل نویسنده	info@ejtrader.com
آدرس صفحه اصلی	https://github.com/ejejtraderRLabs/
آدرس اینترنتی	https://pypi.org/project/ejtraderRL/
مجوز	Apache-2.0 License

# Table of contents * [Install](#install) * [Technologies](#technologies) * [How to run](#how-to-run) * [Use custom model](#use-custom-model) # Install ```console pip install ejtraderRL -U ``` # Install from source ```console git clone https://github.com/ejtraderLabs/ejtraderRL.git cd trade-rl pip install . ``` # Technologies | Technologies | version | | -- | -- | | python | >= 3.7 | | tensorflow | >= 2.7.0 | | numpy |>= 1.21.4 | | pandas |>= 1.3.4 | | ta | >= 0.7.0 | # how to run from Web app visual training ```python from ejtraderRL import app app.web() ``` # How to run from python script ```python from ejtraderRL import data, agent # forex data df = data.get_forex_data("EURUSD", "h1") # stoch data #df = data.get_stock_data("AAPL") agent = agent.DQN(df=df, model_name="efficientnet_b0", lr=1e-4, pip_scale=25, n=3, use_device="cpu", gamma=0.99, train_spread=0.2, balance=1000, spread=7, risk=0.01) """ :param df: pandas dataframe or csv file. Must contain open, low, high, close :param lr: learning rate :param model_name: None or model name, If None -> model is not created. :param pip_scale: Controls the degree of overfitting :param n: int :param use_device: tpu or gpu or cpu :param gamma: float :param train_spread: Determine the degree of long-term training. The smaller the value, the more short-term the trade. :param balance: Account size :param spread: Cost of Trade :param risk: What percentage of the balance is at risk """ agent.train() ``` # Use custom model ```python from tensorflow.keras import layers, optimizers from ejtraderRL import nn, agent, data # forex data df = data.get_forex_data("EURUSD", "h1") # stoch data df = data.get_stock_data("AAPL") agent = agent.DQN(df=df, model_name=None, lr=1e-4, pip_scale=25, n=3, use_device="cpu", gamma=0.99, train_spread=0.2, spread=7, balance=1000 risk=0.1) def custom_model(): dim = 32 noise = layers.Dropout noise_r = 0.1 inputs, x = nn.layers.inputs_f(agent.x.shape[1:], dim, 5, 1, False, "same", noise, noise_r) x = nn.block.ConvBlock(dim, "conv1d", "resnet", 1, True, None, noise, noise_r)(x) out = nn.layers.DQNOutput(2, None, noise, noise_r)(x) model = nn.model.Model(inputs, x) model.compile(optimizers.Adam(agent.lr, clipnorm=1.), nn.losses.DQNLoss) return model agent._build_model = custom_model agent.build_model() ``` first release of the project is from komo135 thanks to @komo135

نیازمندی

مقدار	نام
-	numpy
-	ta
-	pandas
-	pandas-datareader
-	matplotlib
-	IPython

نحوه نصب

نصب پکیج whl ejtraderRL-1.0.8:

pip install ejtraderRL-1.0.8.whl

نصب پکیج tar.gz ejtraderRL-1.0.8:

pip install ejtraderRL-1.0.8.tar.gz