gymfolio: A Reinforcement learning environment for Portfolio Optimization in Python

Espiga Fernández, Francisco 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.

Descripción

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

Texto completo

[thumbnail of 93131.pdf] PDF (Portable Document Format) - Se necesita un visor de ficheros PDF, como GSview, Xpdf o Adobe Acrobat Reader
Descargar (1MB)

Resumen

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.

Proyectos asociados

Tipo
Código
Acrónimo
Responsable
Título
Gobierno de España
PID2022-137748OB-C31
Sin especificar
Sin especificar
Sin especificar

Más información

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