（9-6）基于深度强化学习的量化交易策略（OpenAI Baselines +FinRL+DRL+PyPortfolioOpt）：交易

9.9  交易

假设我们在2019年1月1日有1,000,000美元的初始资本，接下来使用A2C模型来交易道琼斯30支股票。

（1）下面的代码划分了名为df的数据集，选择了日期范围从'2020-07-01'到'2021-10-31'，并使用之前定义的参数env_kwargs创建了一个名为e_trade_gym的股票交易环境。

trade = data_split(df,'2020-07-01', '2021-10-31')
e_trade_gym = StockPortfolioEnv(df = trade, **env_kwargs)

（2）下面的代码返回trade数据集的形状（行数和列数），由于提供的代码片段中未包含完整的上下文，无法提供确切的答案。如果需要获取trade数据集的形状，请将这行代码与其上下文一起使用。

trade.shape

执行后会输出：

(9436, 19)

（3）使用经过训练的A2C模型 (trained_a2c) 对测试环境 (e_trade_gym) 进行预测，并返回两个数据框 (df_daily_return 和 df_actions)。df_daily_return 包含每日回报率，而 df_actions 包含了每个交易日的模型预测的股票权重。

df_daily_return, df_actions = DRLAgent.DRL_prediction(model=trained_a2c,
                        environment = e_trade_gym)

执行后会输出：

=================================
begin_total_asset:1000000
end_total_asset:1363803.996631671
Sharpe:  1.8078156710226434
=================================

hit end!

（4）下面的代码显示了 df_daily_return 数据框的前几行内容，该数据框包含了每日的回报率信息。

df_daily_return.head()

执行后会输出：

     date      daily_return

0 2020-07-01 0.000000

1 2020-07-02 0.005197

2 2020-07-06 0.014996

3 2020-07-07 -0.013876

4 2020-07-08 0.005758

（5）将df_daily_return数据框保存为 CSV 文件（df_daily_return.csv），并显示了 df_actions 数据框的前几行内容，其中包含了每个交易日的交易动作信息。

df_daily_return.to_csv('df_daily_return.csv')
df_actions.head()

执行后会输出：

AAPL	AMGN	AXP	BA	CAT	CRM	CSCO	CVX	DIS	GS	...	MMM	MRK	MSFT	NKE	PG	TRV	UNH	VZ	WBA	WMT
date																					
2020-07-01	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	...	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714	0.035714
2020-07-02	0.026683	0.072532	0.026683	0.026683	0.049773	0.050339	0.044964	0.026683	0.026782	0.026683	...	0.026683	0.026683	0.026683	0.072532	0.054498	0.042832	0.026683	0.029133	0.053768	0.026683
2020-07-06	0.026683	0.072532	0.026683	0.026683	0.049773	0.050339	0.044964	0.026683	0.026782	0.026683	...	0.026683	0.026683	0.026683	0.072532	0.054498	0.042832	0.026683	0.029133	0.053768	0.026683
2020-07-07	0.026683	0.072532	0.026683	0.026683	0.049773	0.050339	0.044964	0.026683	0.026782	0.026683	...	0.026683	0.026683	0.026683	0.072532	0.054498	0.042832	0.026683	0.029133	0.053768	0.026683
2020-07-08	0.026683	0.072532	0.026683	0.026683	0.049773	0.050339	0.044964	0.026683	0.026782	0.026683	...	0.026683	0.026683	0.026683	0.072532	0.054498	0.042832	0.026683	0.029133	0.053768	0.026683

（6）将 df_actions数据框保存为 CSV 文件（df_actions.csv），具体实现代码如下所示。

df_actions.to_csv('df_actions.csv')

未完待续