Оптимизация инвестиционного портфеля с обучением с подкреплением

Этот проект реализует алгоритмы оптимизации инвестиционного портфеля с использованием методов обучения с подкреплением (Reinforcement Learning).

Структура проекта

portfolio_optimization/
├── agents/               # Агенты DRL (Deep Reinforcement Learning)
│   ├── dlr_agent.py      # Основной DRL-агент
│   └── policy_gradient.py # Реализация алгоритма Policy Gradient
├── models/               # Нейросетевые модели
│   └── models.py         # Определения архитектур моделей
├── environments/         # Окружения для обучения агентов
│   ├── portfolio_env.py  # Окружение оптимизации портфеля
│   └── portfolio_memory.py # Класс управления памятью портфеля
├── preprocessing/        # Обработка и подготовка данных
│   └── feature_creating.py # Создание признаков из данных
├── prediction/           # Модули предсказания
│   └── predict_future_distribution.py # Предсказание будущих распределений
├── utils/                # Вспомогательные функции
│   └── utils.py          # Общие утилиты
├── data/                 # Директория для хранения данных
├── saved_models/         # Сохраненные модели
├── notebooks/            # Jupyter-ноутбуки для экспериментов
├── results/              # Результаты экспериментов
└── config/               # Конфигурационные файлы