FinRL
Finanzielles Reinforcement-Learning-Framework für Handelsstrategien.
Deep-Reinforcement-Learning-Handelsagenten erstellen, trainieren und im Backtesting testen.
FinRL ist ein Open-Source-Framework, das für finanzielles Reinforcement Learning und quantitative Handels-Workflows entwickelt wurde. Es eignet sich für Forscher, Entwickler und Studenten, die Train-Test-Trade-Pipelines prototypisch erstellen möchten.
Was es ist
Das Framework organisiert Operationen in Marktumgebungen, DRL-Agenten und Finanzanwendungen über eine Train-Test-Trade-Pipeline. Es unterstützt Algorithmen von Stable Baselines 3, RLlib und ElegantRL und lässt sich mit mehreren Datenprozessoren integrieren.
Für wen
Es eignet sich für Quant-Analysten, Forscher und Entwickler, die sich mit algorithmischem Handel und Reinforcement Learning beschäftigen. Es ist nicht geeignet für Personen, die sofortigen Live-Handel in der Produktion suchen, ohne zu FinRL-X zu migrieren.
Wichtige Funktionen
Dreischichtige Architektur
Trennt Marktumgebungen, DRL-Agenten und Finanzanwendungen für ein modulares Design.
Mehrere DRL-Backends
Unterstützt das Training über die Algorithmen-Bibliotheken Stable Baselines 3, RLlib und ElegantRL.
Technische Indikatoren
Enthält integrierte Vorprozessoren für MACD-, RSI-, VIX- und Turbulenzindex-Berechnungen.
Train-Test-Pipeline
Bietet explizite Workflow-Skripte zum Herunterladen von Daten, Trainieren von Agenten und für das Backtesting.
Startklar in 3 Schritten
Unser ehrliches Fazit
Stärken
- Originales Pionier-Framework für finanzielles Reinforcement Learning
- Integriert sich in mehrere etablierte DRL-Bibliotheken
- Bietet Beispieldatensätze und Aktienhandels-Tutorials
- Modulare Struktur, die Meta-Umgebungen und Agenten trennt
Schwächen
- Das originale Repository ist für die Ausbildung gedacht, während die Produktion FinRL-X erfordert
- Erfordert manuelle Einrichtung von virtuellen Umgebungen und Python-Abhängigkeiten
- Hängt von der Verfügbarkeit externer Datenquellen wie Yahoo Finance ab
Preise & Lizenz
Kostenlos unter der MIT-Lizenz, wobei die einzigen Kosten Ihre eigenen Rechenressourcen für das Modelltraining sind.
Stellen für Deutschsprachige
879 offene Remote-Stellen im KI-Training, aktualisiert am 15. November 2026; die meisten zahlen $20–$175 pro Stunde. 12 davon suchen Deutschsprachige. Zekai listet sie kostenlos; die Bewerbung läuft über die Plattform des Arbeitgebers.
Alternativen
Diese bewerteten KI-Tools erledigen die Aufgabe sofort — aus unserem bewerteten Verzeichnis.
Nutze es, oder lass es uns einrichten
FAQ
Ist dies die neueste Version von FinRL?
Nein, dieses Repository bewahrt das originale Bildungsframework, während die produktionsorientierte Entwicklung zu FinRL-X gewechselt ist.
Welche Bibliotheken für maschinelles Lernen werden unterstützt?
Es unterstützt Algorithmen durch Integrationen mit Stable Baselines 3, RLlib und ElegantRL.
