Qlib: 量化投资平台
简介
``Qlib``是一个面向人工智能的量化投资平台，旨在发掘AI技术在量化投资中的潜力，赋能量化研究，创造AI技术的量化投资价值。
借助``Qlib``，用户可以轻松尝试各种想法，创建更优的量化投资策略。
框架
在模块层面，Qlib是一个由上述组件构成的平台。这些组件被设计为松耦合模块，每个组件都可以独立使用。
对于Qlib的新用户来说，这个框架可能有些复杂。它试图准确包含Qlib设计的许多细节。 新用户可以先跳过本节，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。 `DataServer`为用户提供高性能的基础设施，用于管理和检索原始数据。`Trainer`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流程。 |
`学习框架`层 |
预测模型`和`交易智能体`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`层的多个场景。支持的学习范式可分为强化学习和监督学习。学习框架也利用`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）。利用这些信号，`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，直接生成交易决策。 决策将由`执行环境`（即交易市场）执行。可能存在多个级别的`策略`和`执行器`（例如，*订单执行交易策略和日内订单执行器*可以表现为日间交易循环，并嵌套在*日度组合管理交易策略和日间交易执行器*交易循环中） |
`接口`层 |
手绘风格的模块正在开发中，将在未来发布。
虚线边框的模块具有高度的用户可定制性和可扩展性。
（注：框架图使用https://draw.io/创建）