这是一个仍在进行中的加密交易RL项目，该项目的目的是在复杂的交易环境中应用强化学习，因为我见过的大多数RL交易环境将问题简化为我决定尝试的一个交易对并根据直觉将同一市场价格变动内的资产以该项目旨在探索的特定方式关联起来，从而进行4个不同的配对。 当前，环境具有以下观察和动作规格：动作规格：（3，）代表所选的硬币，动作（购买/出售/持有）和数量观察空间：（4，5，40）其中4是交易对的数量，5是OHLCV值，40是回溯期 您可以在本文中详细了解每个项目的完整实现： :