FinRL-X: модульная инфраструктура для количественной торговли

6.5/10

Хунъян Ян, Боюй Чжан, Ян Шэ, Синьюй Ляо, Сяоли Чжан · AI4Finance Foundation · 22 марта 2026. Все авторы внесли равный вклад.

Оригинал: Yang, H., Zhang, B., She, Y., Liao, X., Zhang, X. «FinRL-X: An AI-Native Modular Infrastructure for Quantitative Trading», 2026 — arxiv.org/abs/2603.21330 (PDF).

Код: github.com/AI4Finance-Foundation/FinRL-Trading (Apache 2.0)

Рисунки воспроизведены из оригинальной публикации. Оригинал распространяется по стандартной лицензии arXiv (non-exclusive distribution), которая производных произведений не разрешает: все права на оригинальный текст принадлежат авторам, перевод выполнен для личного ознакомления с указанием источника.

Ключевые слова: системы количественной торговли, глубокое обучение с подкреплением, оптимизация финансового портфеля, систематическая торговля.

Аннотация

Мы представляем FinRL-X — модульную и согласованную с развёртыванием торговую архитектуру, объединяющую обработку данных, построение стратегии, тестирование на истории и исполнение через брокера единым интерфейсом на основе весов. Существующие открытые платформы обычно ориентированы либо на бэктест, либо на модели, и редко обеспечивают системную согласованность между исследовательской оценкой и живым развёртыванием. FinRL-X закрывает этот пробел компонуемым конвейером стратегии, объединяющим отбор акций, распределение портфеля, тайминг и надстройки управления риском на уровне портфеля в рамках единого протокола. Каркас поддерживает как правиловые, так и основанные на ИИ компоненты, включая распределители на обучении с подкреплением и сигналы настроений на основе больших языковых моделей, не меняя семантики исполнения ниже по конвейеру.

1. Введение

Исследования в количественной торговле быстро продвинулись за последние годы, породив всё более изощрённые сигнальные модели, техники построения портфеля и обучаемых торговых агентов. Однако многие исследовательские прототипы трудно воспроизвести и развернуть. Практические торговые системы должны решать более широкие инженерные задачи: надёжность данных, согласованность интерфейсов, реалистичность исполнения и устойчивость системы.

Существующие открытые каркасы обычно закрывают изолированные стадии конвейера. Недавние подходы на основе больших языковых моделей — BloombergGPT, FinGPT, FinRobot — улучшают понимание финансовых текстов и генерацию сигналов, но остаются сосредоточены на моделировании, а не на сквозной системной интеграции. Исследовательские платформы вроде FinRL и TensorTrade позволяют быстро экспериментировать с агентами обучения с подкреплением, но сфокусированы на средах обучения, а не на архитектурах, согласованных с развёртыванием. Инженерные библиотеки — Backtrader, Zipline, bt, vectorbt, Qlib, TradingAgents — дают надёжные средства тестирования и оценки, но обычно используются как отдельные компоненты. На практике пользователю всё равно приходится самому интегрировать загрузку данных, обеспечивать согласованные интерфейсы стратегии и реализовывать связь с брокером и мониторинг.

Переход от исследовательского бэктеста к живому развёртыванию вносит системные искажения, редко формализуемые в академических каркасах. Мы делим их на два основных разрыва развёртывания.

(1) Разрыв между бэктестом и бумажной торговлей. Офлайновые среды тестирования опираются на упрощённые допущения об исполнении, расходящиеся с брокерской средой. Типичные искажения: чрезмерно упрощённая логика исполнения (мгновенное исполнение по ценам бара), нереалистичное моделирование транзакционных издержек, отсутствие симуляции рыночного воздействия, отсутствие динамики стакана, систематическая ошибка выжившего и несогласованность лент данных. Всё это создаёт расхождение между смоделированной и брокерской реальностью, ведя к завышенным метрикам и нестабильному поведению после подключения к торговому API.

(2) Разрыв между бумажной и живой торговлей. Даже когда стратегии проходят бумажную торговлю через брокера, в живых рынках возникают дополнительные риски исполнения и операционные риски: реалистичная неопределённость исполнения (задержки, частичные исполнения, проскальзывание), эффекты ликвидности и позиции в очереди, различия в поведении API, хрупкость инфраструктуры (сбои серверов, разрывы связи), отказы восстановления состояния, ограничения реального капитала (маржинальные правила, сроки расчётов) и экстремальные системные события — мгновенные обвалы или ошибочные развёртывания кода.

Эти два разрыва показывают, что одной воспроизводимости моделирования недостаточно. Требуется архитектура, осознающая развёртывание, сохраняющая согласованность интерфейсов между исследованием, бэктестом, брокерской симуляцией и живым исполнением.

Вклады работы:

Архитектура, осознающая развёртывание. Мы формализуем и устраняем разрывы через слоистую конструкцию, центрированную на весах, объединяющую исследовательские и исполнительные интерфейсы.
Компонуемая торговая абстракция. Мы структурируем рабочие процессы как модульные преобразования (отбор — распределение — тайминг — риск), позволяя бесшовно интегрировать правиловые и обучаемые стратегии.
Оценка, согласованная с исполнением. Стандартизованный бэктест, исполнение через брокера (например, Alpaca) и механизмы мониторинга.
Открытая публикация расширяемой библиотеки с воспроизводимыми процессами и работающими примерами.

**Рисунок 1.** Каркас FinRL-X: слоистая сквозная торговая архитектура, объединяющая обработку данных, построение стратегии, тестирование и исполнение через брокера в согласованном конвейере — от загрузки данных до живого исполнения.

2. Связанные работы

Открытые платформы количественной торговли обычно привязаны к стадии: Zipline, Backtrader, bt и vectorbt сосредоточены на тестировании, тогда как ориентированные на ИИ системы — Qlib, TradingAgents, TensorTrade — на офлайновых исследованиях машинного обучения. QuantConnect Lean предлагает торговлю через брокера, но не устроен как модульная исследовательская архитектура. FinRL-X, напротив, принимает конструкцию, осознающую развёртывание и центрированную на весах.

**Таблица 1.** Сравнение FinRL-X с представительными открытыми платформами.
Свойство	FinRL-X	Qlib	TradingAgents	Zipline / Backtrader	QuantConnect Lean
Основная ориентация	сквозная система	исследования ML	агентная торговля	бэктест	сквозная платформа
Интеграция с брокером	да	нет	нет	нет	да
Интерфейс, согласованный с развёртыванием	да	нет	нет	нет	частично
Поддержка обучения с подкреплением	да	ограниченная	да	нет	частично
Модульный конвейер стратегии	да	нет	нет	нет	частично
Надстройка риска на уровне портфеля	да	нет	нет	нет	частично
Лицензия	Apache 2.0	MIT	Apache 2.0	Apache 2.0	Apache 2.0

3. Каркас

3.1. Слой данных

Слой данных предоставляет единый конвейер загрузки и нормализации структурированных (рыночные, фундаментальные, макро) и неструктурированных (новости) входов с основной интеграцией к провайдеру FMP и расширяемой поддержкой прочих. Все источники выравниваются по общему торговому календарю ради согласованной ребалансировки и оценки, а новостной текст преобразуется в структурированные сигналы настроений через предобработку языковой моделью. Воспроизводимость обеспечивается постоянным хранением сырых снимков и обработанных признаков.

3.2. Слой стратегии

Слой стратегии принимает архитектурный принцип, центрированный на весах. В FinRL-X целевой вектор весов портфеля $w_t \in \mathbb{R}^n$ трактуется как единственный интерфейсный контракт между логикой стратегии и модулями оценки или исполнения. Вместо торговых сигналов, приращений позиций или брокероспецифичных заявок каждый компонент стратегии выдаёт вектор целевого распределения, задающий желаемую долю капитала на каждый актив в момент $t$.

Формально, пусть $U_t$ — вселенная торгуемых активов в момент $t$. Слой стратегии определяет последовательность сохраняющих контракт преобразований:

$$w_t = R_t\Big(T_t\big(A_t(S_t(X_{\le t}))\big)\Big)$$

где $S$ — отбор акций, $A$ — распределение портфеля, $T$ — корректировка по таймингу, $R$ — надстройка риска на уровне портфеля.

Такая абстракция даёт три системных преимущества: она отвязывает построение стратегии от деталей реализации брокера; позволяет компоновать преобразования разнородных правиловых и обучаемых модулей; и обеспечивает согласованность развёртывания, поскольку и бэктест, и живое исполнение потребляют одно и то же представление весов.

Алгоритм 1. Торговый конвейер, центрированный на весах

Требуется: потоки данных $D$, $F$, $T$, $R$; моменты ребалансировки $\{t_1, \ldots, t_n\}$.

Инициализировать стоимость портфеля $P_0$
для каждого $t$:
- $C_t \leftarrow \operatorname{Select}(F_{\le t},\ U_t)$
- $w_t^{\text{base}} \leftarrow \operatorname{Allocate}(C_t)$
- $w_t^{\text{timing}} \leftarrow \operatorname{TimeAdjust}(w_t^{\text{base}},\ T_{\le t})$
- $w_t \leftarrow \operatorname{RiskOverlay}(w_t^{\text{timing}},\ R_{\le t})$
- Наблюдать реализованные доходности $r_t$
- $P_t \leftarrow P_{t-1}\left(1 + w_t^{\mathsf{T}} r_t\right)$
вернуть $P_n$

Модульные компоненты. Конвейер состоит из четырёх сохраняющих контракт преобразований. Отбор акций строит набор кандидатов $C_t \subseteq U_t$ по фундаментальным показателям или обучаемым моделям оценки при строгом запрете заглядывания в будущее. Распределение портфеля отображает $C_t$ в допустимые базовые веса (равновзвешенные, среднедисперсионные, минимально-дисперсионные или политики на глубоком RL) при согласованной нормировке и ограничениях на плечо. Корректировка по таймингу преобразует базовые веса, используя трендовые или обучаемые сигналы, не меняя интерфейса. Надстройка риска применяет масштабирование экспозиции с учётом волатильности (например, по индексу VIX) на уровне портфеля, меняя совокупную экспозицию, но сохраняя относительные доли.

3.3. Слой тестирования и исполнения

FinRL-X переиспользует единый интерфейс весов и для офлайнового тестирования (через библиотеку bt), и для живого исполнения через брокера, обеспечивая согласованную портфельную семантику. Исполнитель превращает целевые веса в заявки с настраиваемыми предохранителями и записывает реализованные распределения для последующей сверки.

3.4. Конструкция, осознающая развёртывание

Пусть $S_{\text{research}}$, $S_{\text{paper}}$ и $S_{\text{live}}$ обозначают поведение системы при офлайновой симуляции, бумажной торговле через брокера и живом исполнении. На практике

$$S_{\text{research}} \ne S_{\text{paper}} \ne S_{\text{live}}$$

из-за упрощений исполнения, нестабильности инфраструктуры и операционных ограничений.

FinRL-X сужает эти разрывы архитектурно. Разрыв «бэктест — бумажная торговля» уменьшается за счёт единой семантики исполнения: стратегии выдают брокеронезависимые векторы весов, а симуляция включает транзакционные издержки, модель проскальзывания и событийную обработку заявок, согласованную с API брокера. Загрузка данных следует единой схеме, чтобы обеспечить согласованность исторического воспроизведения и живых лент.

Для смягчения разрыва «бумажная — живая торговля» на уровне исполнения вводятся предохранители: сохранение состояния для восстановления после сбоя, структурированное журналирование для послеторговой сверки и отказоустойчивые механизмы взаимодействия с брокером, обрабатывающие перерывы API и аномалии исполнения. Существенно, что эти механизмы работают независимо от логики стратегии, сохраняя модульность.

4. Оценка

4.1. Постановка эксперимента и метрики

Эксперименты проводятся на ликвидных акциях и биржевых фондах США, с индексами SPY и QQQ в качестве эталонов. Исторический период тестирования — с 7 января 2018 по 24 октября 2025 года при пропорциональных транзакционных издержках 10 базисных пунктов на сторону. Оценка бумажной торговли через брокера (Alpaca) проводится с 26 октября 2025 по 12 марта 2026 года. Все решения в момент $t$ опираются строго на информацию, доступную до $t$, а обучаемые модели оцениваются скользящей вневыборочной валидацией.

Метрики: доходность (накопленная, годовая), риск (волатильность, максимальная просадка), доходность с поправкой на риск (Шарп, Сортино, Кальмар) и пригодность к развёртыванию (оборот портфеля).

4.2. Базовые методы

Классическое распределение: равновзвешенный портфель как опорный ориентир, а также среднедисперсионная оптимизация и распределение минимальной дисперсии.
Обучаемое распределение: распределители на глубоком обучении с подкреплением, порождающие непрерывные веса через последовательные решения.
Стратегии тайминга: следование тренду, включая моментум временных рядов (TSMOM) и адаптивную скользящую среднюю Кауфмана (KAMA).
Надстройки риска: масштабирование экспозиции по волатильности на основе VIX.

4.3. Результаты портфеля и анализ с исключением компонент

Абляция тайминга (DRL). Вариант с таймингом достигает более высокой накопленной доходности и меньших просадок, показывая, что тайминг можно интегрировать без изменения интерфейсов бэктеста или исполнения.

**Рисунок 2.** Исследование с исключением компонент для распределения на основе DRL с корректировкой по таймингу и без неё. Включение модуля тайминга улучшает накопленный результат и смягчает просадку относительно базовой стратегии DRL и эталона SPY.

**Таблица 2.** Метрики результативности и риска по стратегиям и эталонам.
Стратегия	Накопл. дох.	Годовая дох.	Годовая вол.	Шарп	Сортино	Кальмар	Макс. просадка	Длит. просадки
SPY	2,63	0,14	0,17	0,84	0,76	0,60	−0,23	23
QQQ	3,61	0,19	0,20	0,95	0,93	0,60	−0,33	23
KAMA	2,40	0,12	0,21	0,57	0,60	0,43	−0,29	23
Среднедисп. (без тайминга)	2,19	0,11	0,22	0,53	0,56	0,37	−0,31	41
Среднедисп. (с таймингом)	2,59	0,14	0,19	0,74	0,76	0,52	−0,27	38
Мин. дисперсия (без тайминга)	2,49	0,13	0,21	0,63	0,68	0,47	−0,28	25
Мин. дисперсия (с таймингом)	2,97	0,16	0,18	0,90	0,94	0,60	−0,27	23
Равновзвеш. (без тайминга)	2,11	0,11	0,20	0,54	0,53	0,40	−0,27	27
Равновзвеш. (с таймингом)	2,64	0,14	0,16	0,87	0,85	0,62	−0,23	23
DRL (без тайминга)	2,33	0,12	0,22	0,55	0,54	0,40	−0,31	18
DRL (с таймингом)	3,03	0,17	0,18	0,89	0,87	0,61	−0,27	18

Кросс-стратегическая абляция. По конфигурациям среднедисперсионной, минимально-дисперсионной, равновзвешенной и DRL варианты с включённым таймингом стабильно улучшают доходность с поправкой на риск и смягчают просадку относительно базовых аналогов.

4.4. Демонстрация сценариев использования

**Рисунок 3.** Сравнение результатов бэктеста представительных конфигураций стратегии в рамках единого протокола, центрированного на весах (7 января 2018 — 24 октября 2025).

**Таблица 3.** Сравнение представительных сценариев использования и эталонных индексов (2018–2025).
Метрика	Скользящий отбор	Адаптивная ротация	QQQ	SPY
Накопленная доходность	5,98	4,80	4,02	2,80
Годовая доходность, %	25,85	22,32	19,56	14,14
Годовая волатильность, %	27,85	20,30	24,20	19,61
Коэффициент Шарпа	0,93	1,10	0,81	0,72
Максимальная просадка, %	−38,95	−21,46	−35,12	−33,72
Коэффициент Кальмара	0,66	1,04	0,56	0,42
Доля выигрышных периодов, %	54,36	54,77	56,25	55,28

Сценарий 1: парадигмы распределения портфеля. Мы оцениваем разнородные механизмы распределения в рамках единого интерфейса весов: обучаемое распределение DRL, классические методы оптимизации, равновзвешенные базовые линии и сигнальные стратегии тайминга вроде KAMA как самостоятельные пути взвешивания. Обеспечивая идентичную семантику данных и исполнения, FinRL-X позволяет честно сравнивать принципиально разные парадигмы без изменения архитектуры.

Сценарий 2: скользящий отбор акций. Проверяется модуль скользящего отбора, где вселенная обновляется при выходе новых квартальных отчётов. В качестве кандидатов берутся все компоненты индекса NASDAQ 100, из которых отбираются верхние 25% для построения портфеля с распределением на основе DRL.

Сценарий 3: адаптивная многоактивная ротация. Стратегия нацелена на устойчивую избыточную доходность относительно QQQ в разных режимах. Активы группируются в корзины «рост», «реальные активы» и «защитные», причём при еженедельной ребалансировке активны не более двух групп. Выбор группы управляется коэффициентом информации относительно QQQ, а распределение внутри группы — остаточным моментумом с надёжной обработкой исключений. Индикаторы режима используются для управления риском, а не для генерации альфы.

4.5. Бумажная торговля и проверка развёртывания

**Рисунок 4.** Результаты бумажной торговли относительно эталонных индексов (26 октября 2025 — 12 марта 2026), демонстрирующие согласованное с развёртыванием исполнение при ежедневной ребалансировке.

Чтобы навести мост между офлайновой оценкой и живым развёртыванием, мы исполняем ансамблевую стратегию, сочетающую скользящий отбор и адаптивную ротацию, в среде бумажной торговли Alpaca с октября 2025 по март 2026 года при ежедневной ребалансировке. Хотя горизонт оценки ограничен, результаты демонстрируют стабильное поведение при развёртывании и согласованное исполнение в реальных брокерских условиях. Эксперимент служит проверкой операционной надёжности и согласованности между офлайновыми целевыми весами и исполнением на уровне брокера.

**Таблица 4.** Сравнение бумажной торговли с эталонными индексами (26.10.2025 — 12.03.2026, ежедневный оборот).
Метрика	Стратегия	SPY	QQQ
Накопленная доходность	1,20	0,97	0,95
Полная доходность, %	19,76	−2,51	−4,79
Годовая доходность, %	62,16	−6,60	−12,32
Годовая волатильность, %	31,75	11,96	16,79
Коэффициент Шарпа	1,96	−0,55	−0,73
Максимальная просадка, %	−12,22	−5,35	−7,88
Коэффициент Кальмара	5,09	−1,23	−1,56
Доля выигрышных периодов, %	64,89	52,13	54,02

Помимо метрик доходности мы отслеживаем показатели, ориентированные на развёртывание: долю отклонённых заявок, срабатывания предохранителей исполнения и ошибку слежения между целевыми и реализованными весами портфеля. Эти показатели остаются стабильно низкими на протяжении всего периода, что говорит об устойчивом поведении исполнения и высокой точности соответствия целевых и реализованных портфелей.

Важная оговорка авторов: ввиду ограниченного горизонта эти результаты не предназначены для установления статистически значимой альфы. Эксперимент проверяет сквозной конвейер исполнения — формирование портфеля, связь с брокером, маршрутизацию заявок, мониторинг исполнения и послеторговую сверку — в условиях, близких к живым.

**Рисунок 5.** Динамика распределения портфеля во времени в период бумажной торговли: модуль распределения порождает меняющиеся векторы весов, передаваемые без изменений через единый интерфейс исполнения.

Наблюдаемые сдвиги распределения отражают корректировки с учётом режима, управляемые относительным моментумом и сигналами риска. Существенно, что при переходе от офлайнового бэктеста к исполнению на уровне брокера не потребовалось никаких архитектурных изменений.

Стрессовое событие как проверка модуля риска. Период бумажной торговли включает неблагоприятный эпизод: портфель испытал просадку от пика к минимуму примерно в 12,2% после экстремального движения в инструменте с плечом. Мы трактуем это как значимый для развёртывания стресс-случай, а не как заголовок о результате: он подчёркивает нелинейный риск инструментов с плечом и мотивирует такие предохранители, как масштабирование с учётом волатильности и ограничения экспозиции по конкретным инструментам. Поскольку исполнение управляется единым интерфейсом весов, тот же конвейер послеторгового учёта и атрибуции применяется без изменения логики стратегии.

5. Заключение

FinRL-X — согласованная с развёртыванием модульная торговая система, объединяющая обработку данных, компоновку стратегии, оценку и исполнение через брокера в единой архитектуре. Приняв интерфейс, центрированный на весах, каркас обеспечивает согласованную семантику решений в исследовании, бэктесте и живой торговле, снижая расхождения между офлайновой оценкой и реальным развёртыванием.

Модульная конструкция поддерживает гибкую интеграцию разнородных стратегий, сохраняя воспроизводимость и компонуемость. Эмпирическая оценка, включая бумажную торговлю через брокера, демонстрирует стабильное поведение исполнения в реалистичных условиях. Будущая работа расширит FinRL-X на более широкий круг классов активов и более продвинутые стратегии, учитывающие исполнение.

Литература

Alpaca, документация API для бумажной торговли (2025).
A. Ang, Factor investing, Columbia Business School Research Paper (2013).
Backtrader — библиотека тестирования и торговли на Python (2015).
Zipline, bt, vectorbt — библиотеки тестирования стратегий.
Qlib — платформа количественных инвестиций, ориентированная на ИИ.
TensorTrade, TradingAgents — среды для исследований RL и агентной торговли.
QuantConnect Lean — платформа с интеграцией брокеров.
S. Wu и соавторы, BloombergGPT: a large language model for finance.
H. Yang и соавторы, FinGPT и FinRobot — открытые финансовые языковые модели и агентные системы.
X.-Y. Liu и соавторы, FinRL — библиотека глубокого обучения с подкреплением для автоматизированной торговли.
H. Markowitz, Portfolio selection (среднедисперсионная оптимизация).
Работы по минимально-дисперсионному распределению, моментуму временных рядов (TSMOM) и адаптивной скользящей средней Кауфмана (KAMA).
Работы по масштабированию экспозиции на основе VIX.

Оригинал статьи: Yang, H., Zhang, B., She, Y., Liao, X., Zhang, X., «FinRL-X: An AI-Native Modular Infrastructure for Quantitative Trading», arXiv:2603.21330 · код: AI4Finance-Foundation/FinRL-Trading