gym-mtsim: OpenAI Gym - MetaTrader 5 Simulator

项目介绍

gym-mtsim 是一个开源项目，它将 MetaTrader 5 交易平台与 OpenAI Gym 环境相结合，为开发者提供了一个强大的强化学习（RL）基础，用于构建和测试交易算法。它不仅适合 RL 研究，同时也适用于传统回测和市场分析。

gym-mtsim 的核心是一个真实的市场模拟器，它模拟了 MetaTrader 5 平台的主要功能，包括订单管理、账户状态跟踪等。此外，它还提供了一个名为 MtEnv 的 Gym 环境，这个环境提供了复杂且结构化的动作空间和观察空间，支持多资产交易、概率控制以及特征提取。

项目快速启动

在开始之前，请确保您已经安装了 Python 3.8+ 和 pip。

安装 gym-mtsim:

pip install gym-mtsim

安装 MetaTrader 5:

1. 从 MetaTrader 5 官方网站下载并安装 MetaTrader 5 软件。
2. 打开软件并创建一个演示账户。

运行示例:

from gym_mtsim import MtSimulator, OrderType, Timeframe

# 创建模拟器实例
sim = MtSimulator(
    unit='USD',
    balance=10000,
    leverage=100,
    stop_out_level=0.2,
    hedge=False,
)

# 设置模拟器时间
sim.current_time = datetime(2021, 8, 30, 0, 17, 52, tzinfo=pytz.UTC)

# 创建订单
order1 = sim.create_order(
    order_type=OrderType.Buy,
    symbol='EURUSD',
    volume=1,
    fee=0.0003,
)

# 模拟时间前进
sim.tick(timedelta(days=2))

# 创建另一个订单
order2 = sim.create_order(
    order_type=OrderType.Sell,
    symbol='USDJPY',
    volume=2,
    fee=0.01,
)

# 再次模拟时间前进
sim.tick(timedelta(days=5))

# 获取当前状态
state = sim.get_state()
print(state)

# 关闭所有订单
order1_profit = sim.close_order(order1)
order2_profit = sim.close_order(order2)

# 再次获取当前状态
state = sim.get_state()
print(state)

应用案例和最佳实践

案例 1: 使用 gym-mtsim 进行回测

您可以使用 gym-mtsim 的 MtSimulator 类对现有的交易策略进行详细的历史回测，以评估其性能。这可以帮助您了解您的策略在不同的市场条件下的表现，并对其进行优化。

案例 2: 使用 gym-mtsim 开发强化学习交易策略

您可以使用 gym-mtsim 的 MtEnv 类创建一个 Gym 环境，并使用强化学习算法来训练和优化您的交易模型。这可以帮助您开发出更智能、更有效的交易策略。

最佳实践:

• 在开始之前，请确保您已经熟悉了 MetaTrader 5 平台和 OpenAI Gym 环境。
• 使用 gym-mtsim 的文档和示例代码作为参考。
• 定期评估和优化您的交易策略。

典型生态项目

• gym-anytrading: 一个简单、灵活且全面的 OpenAI Gym 交易环境，适用于各种金融产品。
• stable-baselines3: 一个用于强化学习的开源库，提供了多种强化学习算法的实现。
• PyTorch: 一个开源的机器学习库，提供了强大的深度学习功能。