FinRL
Framework de aprendizaje por refuerzo financiero para estrategias de trading.
Construye, entrena y realiza backtesting de agentes de trading con aprendizaje por refuerzo profundo.
FinRL es un framework de código abierto diseñado para el aprendizaje por refuerzo financiero y los flujos de trabajo de trading cuantitativo. Es ideal para investigadores, desarrolladores y estudiantes que desear prototipar canales de entrenamiento, prueba y trading.
Qué es
El framework organiza las operaciones en entornos de mercado, agentes DRL y aplicaciones financieras utilizando un flujo de trabajo de entrenamiento, prueba y trading. Es compatible con algoritmos de Stable Baselines 3, RLlib y ElegantRL, integrándose con múltiples procesadores de datos.
Para quién
Está dirigido a cuantitativos, investigadores y desarrolladores que exploran el trading algorítmico y el aprendizaje por refuerzo. No es adecuado para quienes buscan un sistema de trading en directo de producción listo para usar sin migrar a FinRL-X.
Funciones clave
Arquitectura de tres capas
Separa los entornos de mercado, los agentes DRL y las aplicaciones financieras para un diseño modular.
Múltiples backends de DRL
Compatible con el entrenamiento a través de las librerías de algoritmos Stable Baselines 3, RLlib y ElegantRL.
Indicadores técnicos
Incluye preprocesadores integrados para cálculos de MACD, RSI, VIX y el índice de turbulencia.
Canal de entrenamiento y prueba
Proporciona scripts de flujo de trabajo explícitos para descargar datos, entrenar agentes y realizar backtesting.
Listo en 3 pasos
Nuestro veredicto honesto
Lo mejor
- Framework pionero original para el aprendizaje por refuerzo financiero
- Se integra con múltiples librerías DRL establecidas
- Proporciona conjuntos de datos de ejemplo y tutoriales de trading de acciones
- Estructura modular que divide los metaentornos y los agentes
Sus límites
- El repositorio original está destinado a la educación, mientras que la producción requiere FinRL-X
- Requiere la configuración manual del entorno virtual y de las dependencias de Python
- Depende de la disponibilidad de fuentes de datos externas como Yahoo Finance
Precios y licencia
Gratuito bajo la licencia MIT, siendo el único coste tus propios recursos de computación para entrenar modelos.
Empleos para hispanohablantes
879 puestos remotos abiertos de entrenamiento de IA, actualizados el 15 de noviembre de 2026; la mayoría paga $20–$175 por hora. 22 de ellos piden hispanohablantes. Zekai los lista gratis; la solicitud va a la plataforma del empleador.
Alternativas
Estas herramientas de IA evaluadas hacen el mismo trabajo al instante — de nuestro directorio puntuado.
Úsalo, o deja que lo configuremos
FAQ
¿Es esta la última versión de FinRL?
No, este repositorio conserva el framework educativo original, mientras que el desarrollo orientado a producción se ha trasladado a FinRL-X.
¿Qué librerías de machine learning son compatibles?
Es compatible con algoritmos mediante integraciones con Stable Baselines 3, RLlib y ElegantRL.
