Qlib：量化平台

简介

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

通过使用Qlib，用户可以轻松尝试自己的想法，以创建更优的量化投资策略。

框架

在模块层面上，Qlib 是由上述组件构成的一个平台。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。

对于初次接触 Qlib 的用户来说，该框架可能显得有些复杂。它详细准确地涵盖了 Qlib 设计中的大量细节。新用户可以先跳过本部分，稍后再来阅读。

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 为用户管理与获取原始数据提供高性能的基础设施。Trainer 提供灵活的接口，用于控制模型的训练过程，从而支持算法对训练流程的调控。
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 层的多种场景中。所支持的学习范式可分为强化学习和监督学习。学习框架本身也会利用 工作流 层（例如共享 信息提取器，基于 执行环境 创建训练环境）。
工作流 层	工作流 层覆盖了量化投资的整个流程。既支持基于监督学习的策略，也支持基于强化学习的策略。信息提取器 负责为模型提取所需数据。预测模型 专注于生成各类预测信号（例如 alpha、风险），供其他模块使用。基于这些信号，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，则 策略 会以端到端的方式进行学习，直接生成交易决策。这些决策将由 执行环境（即交易市场）执行。可能存在多层级的 策略 与 执行器（例如，一个订单执行交易策略和日内订单执行器 可表现为一个日间交易循环，并嵌套于 日级投资组合管理交易策略和日间交易执行器 的交易循环中）
接口 层	接口 层旨在为底层系统提供友好的用户界面。Analyser 模块将为用户提供关于预测信号、投资组合以及执行结果的详细分析报告

• 采用手绘风格标注的模块正处于开发中，将在未来发布。

• 带有虚线边框的模块具有高度的用户自定义和可扩展性。

（附注：框架图使用 https://draw.io/ 创建）