强化学习研究员 远程兼职

职位详情

预算：10000 RMB（固定价格） | 截止日期：6天

项目概述

将一个现有的、完整可运行的深度强化学习（DRL）加密货币交易系统改造为仅买入的模拟交易系统，并接入 Alpaca 进行模拟交易。做空/卖出侧必须完全禁用。现有代码库完整且可运行——这是一个改造项目，不是从零开始。

该系统使用 PPO（近端策略优化）算法，包含3个集成模块：
• TraderNet — 主DRL智能体，使用"Round-Trip Strategy"奖励函数
• N-Consecutive — 基于规则的安全过滤器，防止不确定的交易执行
• Smurfing — 更保守的第二智能体，用于避免高风险交易时段

您的任务是将其转换为仅买入系统，在 BTC、ETH 和 XRP 上重新训练，并接入 Alpaca 进行实时模拟交易。

我们提供

• BTC、ETH 和 XRP 的历史小时级 OHLCV CSV 数据
• Alpaca 模拟交易 API key 和 secret
• 学术论文 PDF

技术栈（仓库中已有）

• Python 3.6+、TensorFlow / TF-Agents、Gym
• TA 库（12个技术指标）、PyTrends、scikit-learn
• 如果 Google Trends 数据获取不稳定，可以禁用该特征——请自行判断

交付内容

里程碑 1 — 买入侧回测，显示正收益

将系统转换为仅买入并在提供的数据上重新训练。完成后我们期望看到：

• BTC、ETH 和 XRP 的训练完成的仅买入模型
• 在留出测试数据上的回测结果，证明系统盈利
• 绩效指标：累计PNL、夏普比率、索提诺比率、最大回撤、投资风险
• 清晰的对比，展示仅买入系统可以正常工作

里程碑 2 — Alpaca 实时模拟交易

将训练好的系统接入 Alpaca，实现自动交易。完成后我们期望看到：

• 系统每小时运行，获取实时加密货币数据并在 Alpaca 上执行真实的模拟交易
• 所有交易记录包含时间戳、价格、指标值和运行中的PNL
• 持仓管理正常运作（入场、持有、退出）
• 完整管道运行：Smurf → TraderNet → N-Consecutive → Alpaca 执行

技能要求

• Python + TensorFlow / TF-Agents，强化学习经验（PPO、DDQN）
• REST API 集成（Alpaca 或类似平台）
• 能阅读英文学术论文和代码

补充说明

• 模型很小（Conv1D + Dense 层），在 CPU 上几小时即可完成训练，无需GPU。
• 表现优秀者有后续付费工作机会。
• 本系统仅用于研究和模拟交易目的。