Je vais créer un bot de trading quantitatif basé sur l'IA

Ce projet fournit un système de trading IA personnalisé construit avec TensorFlow, OpenAI Gymnasium, RL et des architectures récurrentes basées sur LSTM, spécialement conçu pour l’apprentissage des séries temporelles financières dans des conditions de marché bruyantes et biaisées.

L’objectif principal de ce travail est de réduire le biais de la politique, d’améliorer la précision directionnelle et de stabiliser l’apprentissage dans des environnements où la plupart des agents de trading échouent, notamment dans des régimes de marché fortement unidirectionnels ou biaisés, où les agents RL classiques ont tendance à se rabattre sur des stratégies triviales ou biaisées.

Les résultats clés de cette approche incluent :

Concevoir des agents PPO presque sans biais, même lorsqu’ils sont entraînés sur des données de marché fortement biaisées

Réduire la sensibilité au bruit de prix à court terme qui pousse généralement les agents à engager du capital dans la mauvaise direction

Atteindre un entraînement stable sans clipping de récompense ni perte d’informations

Gérer la non-stationnarité du marché en utilisant des politiques récurrentes (basées sur LSTM)

Le résultat est un agent de trading de niveau recherche, indépendant du marché, pouvant être entraîné sur des données historiques puis utilisé pour prédire des actions sur différents marchés tels que les actions, la crypto ou le forex.