Accueil Projets RLQuant
RLQuant
Jupyter Notebook

RLQuant

Application de l'apprentissage par renforcement dans le trading quantitatif

par yuriak · GitHub
Étoiles
Forks
Créé
Dernier commit
finance-market-tradingportfolio-managementreinforcement-learningJupyter Notebook
Voir sur GitHub
En termes simples

Testez et développez des stratégies de trading en utilisant l'apprentissage par renforcement sur divers ensembles de données financières.

Vous maintenez ce projet ?

Revendiquez sa page : indexée quel que soit son rang, traduite en six langues, et enrichie de vos propres mots.

Revendiquer cette page →
RLQuant — GitHub preview card
📈 Historique des étoiles
357356
2026-07-202026-08-31
📈 Suivez RLQuant

Recevez une alerte par e-mail à sa prochaine version ou quand il décolle — ne ratez plus rien.

Gratuit · sans carte · désinscription à tout moment
Recevoir des alertes e-mail →
📄 À propos

Application de l'apprentissage par renforcement dans le trading quantitatif

RLQuant compte 356 étoiles sur GitHub. Il a été forké 104 fois. RLQuant est écrit principalement en Jupyter Notebook. Il est développé activement depuis 2018. Ses principaux thèmes sont : finance-market-trading, portfolio-management, reinforcement-learning, trading.

Frequently asked questions

Qu'est-ce que RLQuant ?

Application de l'apprentissage par renforcement dans le trading quantitatif

RLQuant est-il open source ?

RLQuant est un projet open source.

RLQuant est-il gratuit ?

Oui. RLQuant est gratuit et open source — vous pouvez l'utiliser, le modifier et l'héberger vous-même.

Dans quel langage RLQuant est-il écrit ?

RLQuant est écrit principalement en Jupyter Notebook.

🏅 Mainteneur de ce projet ?
olud.ai badge — RLQuant

Ajoutez ce badge en direct à votre README — vos étoiles GitHub et votre classement dans le répertoire, actualisés quotidiennement.

[![olud.ai](https://olud.ai/badge.php?tool=yuriak-rlquant)](https://olud.ai/project/yuriak-rlquant.html)
Plus d'options de badge →
🧬 Partage son ADN avec🧬 Voir la cartographie ADN →

Mesuré à partir des topics GitHub communs aux deux projets, pondérés par leur rareté.