Qlib: 量化平台

介绍

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

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

在模块级别，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的模块，每个组件都可以独立使用。

对于Qlib的新用户来说，这个框架可能会让人感到畏惧。它试图准确包含Qlib设计的许多细节。 对于Qlib的新用户，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底层支持。 数据服务器为用户提供高性能的基础设施，用于管理和检索原始数据。 训练器提供灵活的接口来控制模型的训练过程，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。学习框架也利用了工作流层（例如共享信息提取器，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）。有了这些信号，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，策略是以端到端的方式学习的，交易决策是直接生成的。 决策将由执行环境（即交易市场）执行。可能存在多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日间交易循环，并嵌套在每日投资组合管理交易策略和日间交易执行器交易循环中）
接口 层	接口层试图为底层系统提供一个用户友好的界面。分析器模块将向用户提供预测信号、投资组合和执行结果的详细分析报告。

• 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是高度用户可定制和可扩展的。

（附注：框架图像是使用https://draw.io/创建的）