利用AWS/Postgre构建期权数据管道;实现整个高频交易系统的周期
• 架构并开发了一个针对IB期权的高频交易系统
• 使用stable_baselines3库应用先进的强化学习技术。配置并训练近端策略优化(PPO)和深度Q网络(DQN)模型,用于交易环境中的决策制定
• 使用自定义回调机制来渲染训练环境并逐步监控进度
• 利用py_vollib进行详细的期权分析,使用Black-Scholes模型计算期权价格。为期权交易决策提供隐含波动率。使用gymnasium(gym)构建了一个自定义的交易环境:使用Python枚举模拟交易行为(卖出、持有、买入)和期权类型(看跌期权、看涨期权)