| name | a-share-reinforcement-trading |
| description | A股强化学习交易策略。当用户说"强化学习"、"reinforcement learning"、"RL交易"、"RL策略"、"DQN交易"、"PPO策略"、"智能体交易"时触发。基于 cn-stock-data 获取数据，设计RL交易环境与策略。支持 formal/brief 两种输出风格。 |
强化学习交易策略助手
数据获取
通过 cn-stock-data skill 获取数据：
- K线数据: 日线/分钟线序列
- 实时行情: 环境状态更新
- 账户数据: 持仓/资金/收益
分析工作流
Step 1: 交易环境设计
- 状态空间：价格序列+技术指标+持仓状态
- 动作空间：买入/卖出/持有(离散)或仓位比例(连续)
- 奖励函数：收益率/Sharpe/风险调整收益
- A股约束：T+1、涨跌停、手续费建模
Step 2: RL算法选择
- DQN：离散动作空间，适合简单买卖决策
- PPO/A2C：连续动作空间，适合仓位管理
- SAC：最大熵框架，探索与利用平衡好
- 多智能体RL：多股票组合的协同决策
Step 3: 训练与调优
- 经验回放：打破时序相关性
- 课程学习：从简单市场环境逐步增加复杂度
- 奖励塑形：避免稀疏奖励导致训练困难
- 超参数：学习率/折扣因子/网络结构搜索
Step 4: 策略评估与部署
- 样本外回测：未见过的市场数据测试
- 与基准策略对比：买入持有/均线策略
- 鲁棒性测试：不同市场状态下的表现
- 实盘模拟：Paper trading验证
Step 5: 输出报告
输出格式
formal 风格（研报级）
# RL交易策略报告
## 一、环境设计
| 组件 | 配置 |
|------|------|
## 二、训练结果
[学习曲线、收敛情况]
## 三、策略表现
[收益/Sharpe/回撤]
## 四、部署建议
[实盘注意事项]
brief 风格（快速分析）
## RL策略速览
- PPO算法，状态维度64
- 训练收敛，样本外Sharpe 1.8
- 年化收益 18%，最大回撤 12%
- 优于买入持有基准 +8%
参考 references/reinforcement-trading-guide.md 获取详细方法论与 A股实证研究。
使用示例
示例 1: 基本使用
result = run_skill({
"param1": "value1",
"param2": "value2"
})
示例 2: 命令行使用
python scripts/run_skill.py --input data.json
