（9-2）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：准备环境+下载数据

9.4  准备环境

1. 库FinRL

本项目通过著名的库FinRL实现，这是是一个专注于金融领域的强化学习库，旨在为研究人员和开发者提供一个便捷的工具，用于开发、训练和评估金融交易策略。该库建立在强化学习的理论基础之上，通过提供易用的接口和实用的功能，帮助用户在金融市场中应用深度强化学习算法。库FinRL的主要特点和组件如下所示：

1. 强化学习环境：FinRL提供了金融领域特定的强化学习环境，使用户能够模拟和测试交易策略。这包括定义动作、状态、奖励函数等。
2. 集成的数据处理工具：FinRL库包括用于金融数据处理的工具，简化了从不同数据源获取、清理和准备数据的过程。
3. DRL算法实现：FinRL实现了多种深度强化学习算法，例如基于Actor-Critic的算法、Proximal Policy Optimization（PPO）等，使用户能够选择适合其需求的算法。