Qlib: 量化平台

介绍

Qlib 是一个面向人工智能的量化投资平台，旨在实现潜力、赋能研究并创造人工智能技术在量化投资中的价值。

使用 Qlib，用户可以轻松尝试他们的想法，以创建更好的量化投资策略。

框架

在模块层面，Qlib 是一个由上述组件组成的平台。这些组件被设计为松耦合模块，每个组件都可以独立使用。

这个框架可能会让新用户感到畏惧。它试图准确包含 Qlib 设计的许多细节。对于新用户，您可以先跳过它，稍后再阅读。

名称	描述
基础设施 层	基础设施 层为量化研究提供基础支持。数据服务器 为用户管理和检索原始数据提供高性能基础设施。训练器 提供灵活的接口来控制模型的训练过程，从而使算法能够控制训练过程。
学习框架 层	预测模型 和 交易代理 是可训练的。它们基于 学习框架 层进行训练，然后应用于 工作流 层中的多个场景。支持的学习范式可以分为强化学习和监督学习。学习框架还利用 工作流 层（例如，分享 信息提取器，基于 执行环境 创建环境）。
工作流 层	工作流 层涵盖了量化投资的整个工作流程。支持基于监督学习的策略和基于强化学习的策略。信息提取器 为模型提取数据。预测模型 专注于为其他模块生成各种预测信号（例如 alpha，风险）。通过这些信号，决策生成器 将生成目标交易决策（即投资组合，订单）。如果采用基于强化学习的策略，策略 将以端到端的方式学习，交易决策将直接生成。决策将由 执行环境`（即交易市场）执行。可能会有多个层次的 `策略 和 `执行器`（例如，一个 订单执行器交易策略和日内订单执行器 可以表现得像一个跨日交易循环，并嵌套在 每日投资组合管理交易策略和跨日交易执行器 交易循环中）。
接口 层	接口 层试图为底层系统呈现用户友好的界面。分析器 模块将为用户提供预测信号、投资组合和执行结果的详细分析报告。

• 带有手绘风格的模块正在开发中，将在未来发布。

• 带有虚线边框的模块高度可定制和可扩展。

(附注：框架图像是使用 https://draw.io/ 创建的)