【】在上周末升破7000美元关口后，比特币的升势似乎仍在不断加速。周一(5月14日)，由于中美局势紧张，比特币也强势蹿升至了8000美元关口上方，刷新去年7月底以来新高。
分析人士指出，在全球资产集体动荡、避险情绪升温之际，这一波加密资产的复苏显得异军突起。
“今年以来涨幅最大的品种，不是牛气延续的美股，也不是触底反弹的A股，更不是持续上涨的原油期货，而是比特币。”一位比特币投资者在接受采访时自豪地表示。
60倍回报!OpenAI帮你实现!
炒股的人都知道，天天盯着大盘做决策不仅让人劳神，还让人秃头。所以一堆顶级的数学家开始用数学的手段进行股市预测。
加密货币市场也一样，而且加密货币市场波动更加频繁，更加剧烈。对于这个问题，国外加密货币开发者 Adam King 提出了一种新的解决思路。
结合人工智能在预测方面得天独厚的优势， Adam 提出了使用深度强化学习构建加密货币自动交易程序，同时，这位小哥还做出了一个能够真正交易比特币的展示模型，他是怎么做到的?这个自动交易程序又能达到怎样的效果呢?以下是部分教程，让我们一起来看看。
STEP 1 程序库安装
首先，我们来导入所有必要的 Python 程序库。如果你的电脑上还没有安装这些程序库，你可以使用 pip install 命令进行安装。
接下来，我们创建一个比特币交易环境的类。我们需要向其中传入一个 pandas 数据帧，一个用于指示智能体在每一个时间步长( time step )需要分析前几个时间步长数据的回顾窗口大小( lookback_window_size )，以及可选的智能体账户初始余额( initial_balance )。
代码中我们将手续费( commission )设置为每笔交易的 0.075% ，也就是加密货币期货交易所 Bitmex 当前的费率，同时，我们将序列运行( serial )参数默认为否( false )，这意味着在默认情况下我们的数据帧将以随机的形式遍历各个片段。
除此之外，我们还在数据帧上分别调用了删除非数字(NaN，Not A Number)所在行的 dropna 函数以及在删除了数据之后重新设置数据帧索引的 reset_index 函数。
代码中 action_space (操作空间)的第一个数字表示可选的 3 个选项，即买入，卖出或持有，第二个数字表示所操作的比例，最小单位是 10% ，也就是说这个数字中的 1，2，3 分别代表 10%，20%，30% 。当选择买入操作时，具体买入的比特币数量将是第二个数字( amount )乘以当前账户的比特币余额( self.balance )。对于卖出操作，具体卖出的比特币数量也是第二个数字( amount )乘以当前账户的比特币余额( self.balance )。
当然了，如果选择持有操作，那么就不会买卖账户中的比特币，因而第二个数字就没有了意义。
我们的 observation_space(观察空间)被定义为 0 到 1 之间的连续浮点数集，它的大小为( 10，回顾窗口大小( lookback_window_size ) + 1)。这里的 + 1 操作是考虑到了当前这一时间步长的操作。对于窗口中的每一步，我们都将观察它的收盘价位置价值( OHCLV )，我们在那时的资产总价值、买入或卖出的比特币数量、以及我们在买入或卖出这些比特币时花费的美元数。
接下来，我们需要编写重新设置( reset )函数来初始化比特币交易环境。
代码中我们使用了重新设置会话控制( self._reset_session )函数和下一次数据观察( self._next_observation )函数，不过这些函数都还没有被定义，接下来我们来定义它们。
STEP 2 交易会话控制
交易会话控制( session )是比特币交易环境中的一个重要组成部分。如果我们将这个智能体部署到外部，我们可能永远都不会一次让它运行几个月的时间。出于这个原因，我们将在数据帧参数( self.df )中限制智能体能够连续看到的数据帧数量。
在我们的重新设置会话控制( _reset_session )函数中，我们首先将当前的时间步长( current_step )重新设置为 0 。
接下来，如果需要连续遍历数据帧，那就应该设置遍历所有的数据帧，否则......
(具体演示不在此继续演示)
工智能对人类社会的影响，体现在方方面面，在未来，我们唯有时刻保持危机感，提升自我综合能力，以应对社会的考验与挑战。
推荐阅读：
