还记得之前我们说的现在的高手们都用ChatGPT炒股的文吗？
指路：
资深韭菜用ChatGPT技术优化股票第二步：训练ChatGPT模型
资深韭菜用ChatGPT技术优化股票第三步：股票交易的决策和执行
最近，有一位外国小伙用上面提到的方法用ChatGPT来做了一个名为GPT Trader的交易机器人。
并把具体步骤发到网上，我们来看看小伙是怎么做的。
看前提醒：
1）内容含有大量枯燥的术语。
2）这个只是一种可能的方法，不是绝对正确，要不要用这些方法炒股，还请大家自己判断。
3）这里只简单阐述他使用的方法。
小伙使用了Alpaca仪表板和测试数据来预测股票走势。
Chat GPT帮助小伙构建了机器人的步骤：
小伙向Chat GPT提出了几个问题，包括最好的技术用于股票预测以及如何使用Python Web来预测雅虎股票价格。
Chat GPT能够记住上下文并回答这些问题，解释了一些机器学习技术并展示了如何使用ScikitLearn库制作神经网络模型来预测股票价格。
小伙使用Chat GPT来自动生成一些代码，但是由于代码中的数据不可靠，所以它不能正常工作。
接着，小伙请求Chat GPT提供一个更好的数据源。
Chat GPT建议使用Alpaca交易API，这是一种免费的股票和加密货币交易API。
然后小伙注册了Alpaca，并获得了API密钥。
Chat GPT随后向小伙展示了如何在Python中使用这个API。
现在小伙需要使用实时的股票数据进行交易机器人的开发。
小伙使用 Alpaca API 来获取数据源，并使用 ScikitLearn 库和 Keras 对数据进行统计机器学习模型训练。
这时需要添加 API 密钥来获取数据，这个密钥可以在 Alpaca 的控制面板中找到。
这将帮助小伙使用先进的神经网络技术来改进机器人的预测能力。
在过去的五年中，神经网络技术方面有了很多研究和发展，包括递归神经网络和长短期记忆网络等变体。这些技术对于预测时间序列数据非常有用。
将transformer网络和强化学习结合起来使用的方法，称为深度强化学习。
使用Python语言实现这个方法时，需要了解一些强化学习技术，例如PPO和Q learning等。
该方法可以帮助计算机像人类一样做出决策。其中，PPO是在寻找两个范围内的最优策略之间的平均值。使用强化学习和神经网络来预测股票价格。
小伙想使用OpenAI的Stable Baselines库和强化学习算法来训练一个股票选择策略。
他发现了一个名为FinRL的库，该库可以用于股票市场数据的强化学习。
接着他打开了FinRL的示例Notebook，并准备替换其中的数据源为Alpaca API。然后开始逐步解释代码的每一步骤。
利用强化学习算法进行股票交易的过程：
首先，使用一个名为FinRL的库获取从苹果公司到道琼斯指数的30支股票的30天股票数据，然后添加技术指标。
接着，构建一个决策过程，即一个代理在一个环境中每隔一段时间采取一步行动的过程。
这个代理是一个神经网络，环境是金融市场。
该库将实时数据传入一个模拟环境中，训练这个深度强化学习代理，然后每天根据输出使用Alpaca API进行实际交易。
在训练结束后，展示了一个回测结果，展示了该系统如何根据以往数据做出决策。
根据这些结果，他就可以设置一个阈值来决定买卖股票的决策，然后让这个系统每天运行并决定是否购买股票。
那么最后问题来了，费这么大劲，他赚钱了吗？
答案是赚了一点，24小时最终获得了 1.62% 的收益率。
上一篇
