Texto completo
|
PDF (Portable Document Format)
- Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) |
ORCID: https://orcid.org/0009-0004-3072-6934, García Sánchez, Álvaro
ORCID: https://orcid.org/0000-0001-5774-1430 and Ordieres-Meré, Joaquín
ORCID: https://orcid.org/0000-0002-9677-6764
(2025).
gymfolio: A Reinforcement learning environment for Portfolio Optimization in Python.
"SoftwareX", v. 30
;
p. 102106.
ISSN 2352-7110.
https://doi.org/10.1016/j.softx.2025.102106.
| Título: | gymfolio: A Reinforcement learning environment for Portfolio Optimization in Python |
|---|---|
| Autor/es: |
|
| Tipo de Documento: | Artículo |
| Título de Revista/Publicación: | SoftwareX |
| Fecha: | Mayo 2025 |
| ISSN: | 2352-7110 |
| Volumen: | 30 |
| Materias: | |
| Palabras Clave Informales: | Portfolio optimization, Reinforcement learning, Market simulation |
| Escuela: | E.T.S.I. Industriales (UPM) |
| Departamento: | Ingeniería de Organización, Administración de Empresas y Estadística |
| Grupo Investigación UPM: | Ingeniería de Organización y Logística GIOL |
| Licencias Creative Commons: | Reconocimiento - No comercial |
|
PDF (Portable Document Format)
- Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB) |
This paper introduces gymfolio, a modular and flexible framework for portfolio optimization using reinforcement learning. gymfolio is built around the PortfolioOptimizationEnv class, enabling seamless integration of market observations, technical indicators, and dynamic rebalancing strategies. The implementation emphasizes adaptability, supporting extensions for custom investment goals and trading scenarios. gymfolio serves as a lightweight adaptable environment for advancing research in financial machine learning and promoting innovation in portfolio strategy development.
| ID de Registro: | 93131 |
|---|---|
| Identificador DC: | https://oa.upm.es/93131/ |
| Identificador OAI: | oai:oa.upm.es:93131 |
| URL Portal Científico: | https://portalcientifico.upm.es/es/ipublic/item/10335772 |
| Identificador DOI: | 10.1016/j.softx.2025.102106 |
| URL Oficial: | https://www.sciencedirect.com/science/article/pii/... |
| Depositado por: | Profesor Álvaro García Sánchez |
| Depositado el: | 20 Ene 2026 12:58 |
| Ultima Modificación: | 20 Ene 2026 12:58 |
Publicar en el Archivo Digital desde el Portal Científico