TradingGym 中文实验站：四个环境哪个能跑、参数怎么用、回测结果可信吗

TradingGym · 实测速览

TradingGym 现在能用吗？四个环境的实测结果先摆出来

下面每一项都是本机跑出来的，不是转述 README。环境版本、命令与产物都记在研究报告里，你可以自己复跑。

4 个环境

training_v0、training_v1、backtest_v0、backtest_v1。两代实现并存，接口与账本形态都不一样，选错环境会让结果不可比。

1 个能直接跑

只有 training_v1 在当前 pandas 上 reset() 通过；它用的是 to_numpy()，是唯一被更新过的一支。

3 个在 reset() 报错

其余三个仍在调用 pandas 1.0 就已移除的 Series.as_matrix()，报 AttributeError。加两行兼容补丁即可继续。

0 个现成算法

README 里 simple dqn / policy gradient / actor-critic / A3C 全部标注 WIP，仓库内没有对应实现文件。算法要你自己带。

实测速览：本机一次性跑出来的结论（2026-09-22，Python 3.11.9 / pandas 2.2.3）
实测项	结果	怎么得到的	对你的影响
环境注册清单	4 个（v0/v1 各两支）	调用 `available_envs()`	文档里讲的「环境」其实有四个，别默认只有训练和回测各一个
`training_v1.reset()`	通过，观测形状 `(64,16)`	直接实例化并 reset	想先摸接口，从这一支开始最快
其余三支 reset()	失败：`as_matrix` 不存在	同上，逐支跑	照 README 搜到的老教程会卡在第一步
README 回测示例	失败：没有 `backtest()` 方法	按 README 原样调用	回测得自己写日间循环，见「回测循环」页
官方 CI 命令	`-m trading_env/test` 失败、`-m trading_env.test` 通过	两条命令各跑一次	照 `.travis.yml` 抄命令会报模块找不到
PyPI 包	`trading_env` 等四个名字全部 404	查询 PyPI JSON API	没有 `pip install` 这条路，只能源码安装

证据：本机实测脚本与原始输出保存在研究报告 _verify\ 目录（as_is_result.txt、run_result.json、pypi_check.txt）。TradingGym 与 EasyClaw 无已证实集成。

Tick / OHLC 数据你提供 DataFrame，四道列断言校验

training_v0 / v1 环境观测窗口 + 双向持仓

你的 Agent本项目不含算法（README 四项均 WIP）

env.info 账本逐 tick 持仓/成本/盈亏

依据 TradingGym 源码与本机实测绘制的链路示意（非官方流程图）：数据 → 环境 → 自备 Agent → 账本。四段里只有中间两段是本项目提供的，算法与数据都在你这边。

看清四个环境的差别先看会报什么错

TradingGym · 能力边界

TradingGym 能做什么、不能做什么：把边界说在前面

这类项目的坑不在「功能不够」，而在被当成别的东西：它不是数据源，不是策略库，也不是实盘通道。下面两栏按源码事实分开写。

它能做

把一份带 serial_number 的 tick/OHLC 表切成交易日，做成 step / reward 风格的环境（make(env_id=...)）。
用 obs_data_len + step_len 控制观测窗口，双向持仓（max_position）与做空都支持。
跑完整回测并给出逐 tick 账本：env.info 里有 position、price_mean、reward、reward_fluctuant 等列。
规则策略同样能用：只要实现一个 choice_action(state)，不写 RL 也能做回测。

它不能做

不带算法：仓库内没有 PPO/DQN 实现，README 里四个算法都是 WIP，训练要自己接。
不带数据：没有行情下载接口；样例只是一份 SGX TW 的 tick 文件。
不能实盘：README 说的实时交易与 Interactive Brokers 是「未来计划」，当前代码里没有。
不是 gym.Env 子类：全仓库没有 import gym，接 Gymnasium / Stable-Baselines3 要自己写适配层。

把「能做什么」落成可核验的对照（源码为准）
你想要的	现状	源码/实测依据	适用场景	注意点
装好就能跑	需先打 2 行兼容补丁	3/4 环境 `as_matrix` 报错（实测）	想重复老教程的流程	补丁只解决取数，不改动项目行为
直接接 SB3 训练	不行，需自写适配层	类不是 `gym.Env`、空间声明与实际形状不一致	做 RL 实验	适配层要处理四元组→五元组
按天回测并取净值	可以，但要自己重建净值	`env.info['reward']` 与增量盈亏一致（实测 -0.5 对 -0.5）	规则策略验证	不要用 `reward_fluctuant` 累加（同一天 +28.1）
控制成本	可以，但 `fee` 语义特殊	平仓按笔扣一次；另一列按每个持仓 tick 扣一次	观察成本对策略的影响	它不是你熟悉的「费率」，单位由使用者定义
换品种/换市场	只要列齐就能用	`make()` 有四个列断言	A 股日线等自有数据	索引必须是 0..N 整数，否则切片会错位
商用	MIT 许可允许	`LICENSE` + GitHub API `spdx_id=MIT`	二次开发	项目停止在 2023-08-12，需自行维护分支

TradingGym · 双代环境

TradingGym training_v0 与 training_v1、backtest_v0 与 backtest_v1 到底差在哪是什么？

这不是「新旧版本」，而是两套接口同时存在于同一个包：v0 系用扁平观测与单步 reward，v1 系用二维观测加窗口 reward。选错会让你的训练结果与别人不可比。

四个环境横向对照（源码逐行核对，本机实测标记）
环境	取数实现	观测形态	step 返回的 reward	日间推进	本机实测
`training_v0`	`as_matrix()`	仅特征列（持仓特征被注释掉）	单步 reward（`reward_fluctuant/fluc_div`）	随机抽日，另有 `backtest()` 方法	reset() 失败
`training_v1`	`to_numpy()`	特征列 + 8 列持仓/成本/盈亏	观测窗口内 reward 之和	随机抽日，无 seed 参数	reset() 通过
`backtest_v0`	`as_matrix()`	仅特征列	单步 reward，含 gameover 提前终止	随机抽日	reset() 失败
`backtest_v1`	`as_matrix()`	特征列 + 8 列（`return_transaction=True`）	观测窗口内 reward 之和	`reset()` 逐个交易日推进	reset() 失败（打补丁后可跑）

四条实测结论里，最反直觉的是 backtest_v1：它名字带 v1，但取数代码仍是 v0 的写法（backtest_v1.py:91），所以在当前 pandas 上一样崩。想跑回测就得打补丁——这在任何中文教程里都还没人写过。

看完整核验矩阵怎么接 Gymnasium

TradingGym · 快速开始

TradingGym 怎么 5 分钟跑通第一个交易环境？从 clone 到拿到观测

下面三步在本机实测通过（Python 3.11.9 + pandas 2.2.3）。第 0 步的两行补丁是为了让老代码在当前 pandas 上取数，不改变项目逻辑。

第 1 步 · 拿到源码并安装

git clone https://github.com/Yvictor/TradingGym.git
cd TradingGym
python setup.py install

官方只提供源码安装（PyPI 上没有 trading_env 这个包，实测 404）。装完 import trading_env 就应成功。

预期输出：无报错；trading_env.available_envs() 返回 ['training_v0','training_v1','backtest_v0','backtest_v1']。

第 2 步 · 读样例数据建环境

import pandas as pd, trading_env
if not hasattr(pd.Series, "as_matrix"):      # 兼容补丁：pandas 1.0 起移除了 as_matrix
    pd.Series.as_matrix = lambda self: self.to_numpy()
    pd.DataFrame.as_matrix = lambda self: self.to_numpy()

df = pd.read_csv('trading_env/test/data/SGXTWsample.csv', index_col=0, parse_dates=['datetime'])
env = trading_env.make(env_id='training_v1', obs_data_len=256, step_len=128, df=df,
                       fee=0.1, max_position=5, deal_col_name='Price',
                       feature_names=['Price','Volume','Ask_price','Bid_price',
                                      'Ask_deal_vol','Bid_deal_vol','Bid/Ask_deal','Updown'])
obs = env.reset()

make() 会依次断言 env_id 合法、deal_col_name 在列、serial_number 必须在列、每个特征列存在（__init__.py:13-17）。

预期输出：obs.shape == (256, 16)——8 个特征列 + 8 列持仓/成本/盈亏。

第 3 步 · 走一步并看账本

obs, reward, done, info = env.step(1)     # 0=不动 1=做多 2=做空
print(reward, done, env.obs_price[:3])
print(env.obs_posi[:3])                    # 观测里的持仓列

每 step() 观测窗口前进 step_len 根 tick，撮合价取窗口之后的第一根 tick（backtest_v1.py:242）；窗口走完一天即 done=True。

预期输出：reward 为该观测窗口内 reward 数组之和（不是单步收益），done 在当日 tick 用尽时为 True。

以上代码全部照抄即可运行；training_v0、backtest_v0、backtest_v1 需要同一份补丁，否则会报 AttributeError: 'Series' object has no attribute 'as_matrix'（本站实测原文）。

安装与验证细节我的数据能用吗

TradingGym · 已验证实验

TradingGym 本站跑过哪些实验？5 个交易日、随机策略与基准的真实数字

实验口径统一为 backtest_v1 + obs_data_len=64 + step_len=32 + max_position=1，跑样例数据的前 5 个交易日。这样随机策略与「一直持有」才可比。

账本口径下的 5 日合计（单位：价格点；样例品种 SGX TW，价格量级约 277 点）
策略	fee	交易笔数	账本收益（`env.info['reward']`）	Buy&Hold 对照	怎么读这个数
do nothing（不动）	0	0	0.000	+1.100	零成本基准，用来确认账本在无持仓时确实是 0
always long（一直持有）	0	10	+1.000	+1.100	与 Buy&Hold 差 0.1，差额来自进出场时点与撮合价位置
随机策略 seed 0	0	802	-9.300	+1.100	随机开平仓在这段数据上是亏的，说明样本本身没有「随便做都赚」
随机策略 seed 1	0	830	+3.800	+1.100	换种子由亏转盈——这正是「单次回测不可信」的直接证据
随机策略 seed 2	0	812	+1.700	+1.100	三个种子跨度 13 点，方差远大于策略差异
随机策略 seed 0（fee=0.1）	0.1	802	-49.400	+1.100	同策略同数据，仅把 fee 从 0 改到 0.1，多出 -40.1（=0.1×401 笔平仓）

数字都能复跑

脚本 _verify\run_verify.py 与原始输出 run_result.json 已落盘；换机器只要版本一致就能复现同一组数字。

别只看收益率

同一策略在三个随机种子下从 -9.3 到 +3.8 点。只看一个种子的正收益，等于把噪声当策略。

成本口径要自己确认

fee 在源码里出现两次、含义不同：平仓按笔扣、另一列按每个持仓 tick 扣。用错一列，量级差几十倍。

看净值怎么重建看 fee 的真实语义

TradingGym · SETUP AND ROUTE

TradingGym 有哪三条路线？官方源码跑、打完补丁跑、或者干脆不搭 Python 环境

TradingGym 是「环境 + 自备 Agent」的形态，用它的前提是你能接受 Python 环境与自写训练代码。如果你的真实目标只是取数、看指标或出图，那不必绕这一圈。

路线对照（前置条件与产物逐条写明）
路线	前置条件	你能得到	适合谁	不适合谁
官方源码安装（不推荐直接用）	Python 环境、git；接受 3/4 环境报错	可读的源码与 `training_v1` 基础接口	只想读代码、做二次开发	想立刻跑回测的人
源码 + 2 行兼容补丁（本站实测路径）	同上，另加两行 patch	四个环境都能实例化，可跑逐日回测与账本	复现实验、做 RL 环境研究	期望开箱即用、免维护的人
本机技能路线（不做同类替代）	装 EasyClaw；部分技能需 Token/API Key	一句话取数、算区间指标、出图、规则策略回测	目标只是数据与指标，不做 RL 环境	要做 Gym 风格环境与 step/reward 实验的人

必须说清楚的两件事：①TradingGym 与 EasyClaw 没有已证实集成，本机 29 个技能里也没有任何 RL 交易环境类技能；②本机技能解决的是「取数与指标」这类任务，不替代 TradingGym 的环境能力。

走源码安装路线先看会遇到什么报错

TradingGym · 免部署 demo

TradingGym 不搭 Python 环境时，同类任务在 EasyClaw 里长什么样

下面两张分别是 EasyClaw 处理「行情取数」与「规则策略回测」的对话示例。它们演示的是「一句话取数」与「一句话发起规则策略回测」，属于并列对比路线。

EasyClaw 对话截图：一句话查贵州茅台最近 60 个交易日日线，返回区间涨跌幅 +5.10% 与年化波动率 23.92%

EasyClaw 对话截图：quant-analyst 双均线回测贵州茅台近一年，与买入持有的逐项指标对比

先看安装与验证 TradingGym 侧的净值怎么来

TradingGym · 选型

谁适合用 TradingGym，谁应该换条路是什么？

判断标准只有两条：你是否需要 Gym 风格的 step/reward 环境，以及你是否愿意自己写训练代码并维护一个 2023 年后没有更新的仓库。

适合：RL 环境研究者

要研究观测/动作/奖励设计本身，或要把 tick 数据做成可回放的实验环境。TradingGym 的结构简单、源码总量小（四个环境文件 + 一个包入口），改起来比大框架轻。

适合：带自研 Agent 的开发者

你已经有自己的模型或规则策略，只需要一个「能 step、能给账本」的执行壳。规则策略也能用：实现 choice_action(state) 即可，不写 RL 也能回测。

不适合：想开箱即用的人

没有数据下载、没有算法实现、没有实盘通道，还要先打兼容补丁。想要「一句话取数 + 指标 + 出图」，去看对比页的技能路线更省时间。

按目标选路（不要按项目热度选）
你的目标	建议	理由	注意点
复现一篇 RL 交易论文的环境	用 TradingGym + 补丁，并从 `backtest_v1` 入手	它的 step/reward 与逐 tick 账本正好是这个用途	观测里已含持仓信息，论文里若假设纯行情观测需自行裁剪
验证一条规则策略（如双均线）	用 TradingGym 的 `backtest_v1`，或直接用 EasyClaw 的规则回测技能	两条路都能出对照结果，后者不用搭环境	两者账本口径不同，不要跨口径比较收益
只是想看行情与指标	不必用 TradingGym	它不提供数据下载能力	数据技能需自备 Token 或按文档安装依赖
想做实盘	本项目不适用	实时交易与 IB 接入只是 README 的将来计划	不要基于本项目做任何实盘改造预期
研究观测/奖励设计（如奖励塑形）	用 TradingGym，从 `training_v1` 改	它是唯一在当前 pandas 上可直接跑的 v1 环境	改 reward 后要重建净值，见「奖励与基准」页
需要长期维护的生产环境	谨慎：把本项目当参考实现	HEAD 停在 2023-08-12，CI 仍指向已停服的 Travis	自行 fork 维护，并补齐测试

TradingGym · FAQ

TradingGym 常见问题：免费吗、能实盘吗、要不要装 gym

TradingGym 免费吗？可以商用吗？

免费。仓库 LICENSE 为 MIT（GitHub API 的 license.spdx_id 也是 MIT），可商用与二次开发。但注意两点：项目 master HEAD 停在 2023-08-12，仓库既有 issue 与 CI 都是停服年代的产物，商用意味着你要自己维护分支；另外数据与依赖（pandas/numpy/matplotlib/colour）各有自己的许可，以各自官方为准。

TradingGym 能实盘交易吗？

当前不能。README 写的是「未来会实现带 Interactive Brokers API 的实时交易环境」，属于计划而非现状；仓库内没有任何下单、行情连接或风控代码。本站不对接实盘做任何承诺，以官方代码为准。

必须安装 gym 或 Gymnasium 吗？

不需要。全仓库没有 import gym，它只是「模仿 Gym 风格」：类里有 reset()、step()、render() 以及 action_space、observation_space 属性。反过来说，你想用 Stable-Baselines3 之类的库，必须自己写一层 gym.Env 适配——本站给了可复制的适配层写法。

为什么我照 README 跑回测会报错？

有两个独立原因。一是 README 用 env_id='backtest_v1' 却调用 env.backtest()，而 backtest() 方法只存在于 training_v0.py，本机实测报 AttributeError: 'trading_env' object has no attribute 'backtest'；二是 backtest_v1 仍在用已移除的 as_matrix()。正确做法见「回测循环」页，并以官方源码为准。

它支持 A 股数据吗？

机制上支持——只要你的 DataFrame 满足四个断言（env_id 合法、deal_col_name 在列、有 serial_number 列、特征列齐全），并把索引整理成 0..N 的整数。但官方没有提供任何 A 股数据源或复权处理，serial_number（按交易日重置的连续编号）需要你自己生成；T+1、涨跌停、停复牌这些规则它完全不管，要自己在外层约束。以官方实现为准。

回测出的正收益能信吗？

单次结果不能。本站实测同一随机策略换三个随机种子，5 天结果从 -9.3 到 +3.8 点，跨度 13 点；同时段 Buy&Hold 只有 1.1 点。要看的是「多随机种子 + 基准对照 + 净值重建」三件套，而不是一个收益率数字。全部数字可在研究报告里复跑。

TradingGym 中文实验站：先看清哪个环境能跑，再谈回测结果

TradingGym 项目来源是什么？