深度学习9-强化学习股票交易

强化学习在股票交易中的应用

▪ 构建专属的OpenAI Gym环境以复现股票市场运行机制。
▪ 运用第6章与第8章中介绍的DQN方法，对智能体进行训练，使其在股票交易过程中实现利润最大化。

问题在于：是否可以将此问题视作强化学习领域的研究对象？假定我们能够获取市场相关数据，并据此做出决策，例如买入、卖出或持币观望。若在价格上升前完成买入操作，则可获得正向收益；反之则会产生负向回报。我们的目标是尽可能提升整体盈利水平，这使得市场交易与强化学习之间的关联变得清晰可见。

观察信息涵盖以下内容：
▪ 包含N个历史bar的数据，每个bar中包含开盘价、最高价、最低价以及收盘价等关键指标。
▪ 显示该股票是否在特定时间点之前已被购入的状态（同一时间点内仅能持有单只股票）。
▪ 根据当前价格计算出的持仓盈亏情况。
智能体在每一时间步（即每个分钟bar）可选择执行以下动作之一：
▪ 无操作：跳过当前bar，不执行任何交易行为。
▪ 购买股票：若智能体已持有仓位，则无法再次买入；否则需支付一定比例的佣金（通常为当前价格的小幅度百分比）。
▪ 平仓操作：若未持有股票，则此动作无效；否则需支付相应的交易手续费。

环境构造函数包含多个参数用于调节环境行为及观察数据格式：
▪ prices：以字典形式存储一个或多个机构所持有的多支股票的