金融风险模拟系统 FinRL-Meta 是一个与真实世界孪生的虚拟金融市场,像“风洞”一样,可为监管部门和金融机构提供低成本、高效率的测试场 。基于全世界第一个面向金融的开源深度强化学习框架 FinRL,我们正创建金融风险模拟系统 FinRL-Meta,对市场微观行为、微观结构进行模拟和研究,有效地提前预警潜在的市场风险。
FinRL-Meta 是我们为金融风险压力测试而研发的一体式金融行为模拟平台,包含了行情系统、模型系统、交易系统和监控系统。
DataOps 是一系列提高数据科学质量和缩短开发周期的原则和实践。它继承了敏捷开发(Agile)、DevOps 和精益制造(Lean manufacturing)的思想,并将其应用于数据科学和机器学习领域。FinRL-Meta 在行情模块遵循了 DataOps 开发范式,建立了一套标准的金融数据工程流水线,确保来自不同来源的不同格式的数据可以合并到一个统一的框架中。通过统一的数据处理器,FinRL-Meta 接通数十个权威数据库,实时地处理市场行情信息。
FinRL-Meta 为各种交易策略提供多种市场模拟环境,支持包括股票交易,加密货币交易,期货交易,外汇交易在内的多种交易任务。利用集群的算力,精细地模拟成千上万个 FinRL 智能体之间的交互和演化,可有效地研究市场行为、测试新的法规和发现潜在的风险。
FinRL-Meta 接通了多种专业交易框架,适应全市场全品种交易,实现了高效的订单撮合。高度仿真的虚拟中央交易所为金融风险模拟系统测试结果的准确性、可靠性提供了保障。
FinRL-Meta 提供统一的监控系统,分别连接行情系统、模型系统以及交易系统,实现了市场行情监控、交易分析和风险归因。通过对金融市场的微观行为、微观结构的模拟和研究,为监管部门和金融机构提供低成本、高效率的“风洞”测试。
我们创建了 AI4Finance 开源社区,为广大用户提供开源的 AI 金融工具和交流分享的平台。未来,我们计划构建一个基于多智能体的市场模拟器,开源社区的每一位用户都可以参与进来,将自己开发的智能体部署到 FinRL-Meta 中。
我们的论文:FinRL-Meta: Data-Driven Deep Reinforcement Learning in Quantitative Finance, 发表在 NeurIPS 2021 Workshop on Data-Centric AI。
论文里的整体开发流程:
金融风险模拟系统 FinRL-Meta 是一个与真实世界孪生的虚拟金融市场,像“风洞”一样,可为监管部门和金融机构提供低成本、高效率的测试场 。基于全世界第一个面向金融的开源深度强化学习框架 FinRL,我们正创建金融风险模拟系统 FinRL-Meta,对市场微观行为、微观结构进行模拟和研究,有效地提前预警潜在的市场风险。
FinRL-Meta 是我们为金融风险压力测试而研发的一体式金融行为模拟平台,包含了行情系统、模型系统、交易系统和监控系统。
DataOps 是一系列提高数据科学质量和缩短开发周期的原则和实践。它继承了敏捷开发(Agile)、DevOps 和精益制造(Lean manufacturing)的思想,并将其应用于数据科学和机器学习领域。FinRL-Meta 在行情模块遵循了 DataOps 开发范式,建立了一套标准的金融数据工程流水线,确保来自不同来源的不同格式的数据可以合并到一个统一的框架中。通过统一的数据处理器,FinRL-Meta 接通数十个权威数据库,实时地处理市场行情信息。
FinRL-Meta 为各种交易策略提供多种市场模拟环境,支持包括股票交易,加密货币交易,期货交易,外汇交易在内的多种交易任务。利用集群的算力,精细地模拟成千上万个 FinRL 智能体之间的交互和演化,可有效地研究市场行为、测试新的法规和发现潜在的风险。
FinRL-Meta 接通了多种专业交易框架,适应全市场全品种交易,实现了高效的订单撮合。高度仿真的虚拟中央交易所为金融风险模拟系统测试结果的准确性、可靠性提供了保障。
FinRL-Meta 提供统一的监控系统,分别连接行情系统、模型系统以及交易系统,实现了市场行情监控、交易分析和风险归因。通过对金融市场的微观行为、微观结构的模拟和研究,为监管部门和金融机构提供低成本、高效率的“风洞”测试。
我们创建了 AI4Finance 开源社区,为广大用户提供开源的 AI 金融工具和交流分享的平台。未来,我们计划构建一个基于多智能体的市场模拟器,开源社区的每一位用户都可以参与进来,将自己开发的智能体部署到 FinRL-Meta 中。
我们的论文:FinRL-Meta: Data-Driven Deep Reinforcement Learning in Quantitative Finance, 发表在 NeurIPS 2021 Workshop on Data-Centric AI。
论文里的整体开发流程: