Qlib：AI 驱动的量化投资平台

简介

Qlib 是由微软开源的一个 AI 导向的量化投资平台，旨在利用 AI 技术释放量化投资的潜力、赋能研究并创造价值，涵盖从想法探索到生产落地的全流程。平台支持多种机器学习建模范式，包括监督学习、市场动态建模和强化学习，并集成了大量 SOTA 量化研究工作与论文模型。

主要功能

• 多范式建模支持：同时支持监督学习、市场动态建模（market dynamics modeling）和强化学习（reinforcement learning）等主流 ML 范式。
• 丰富的预置模型：内置了 KRNN、Sandwich、HIST、IGMTF、TRA（Temporal Routing Adaptor）、Transformer、Localformer、TCTS、DoubleEnsemble、TabNet、ADD、ADARNN、TCN 等多种前沿量化模型。
• 强化学习框架：提供完整的 RL 学习框架，支持策略梯度、值函数等算法。
• 元学习框架：基于元学习的跨任务迁移学习框架，附带 DDG-DA 等模型。
• 嵌套决策框架：支持多层级决策的嵌套决策框架，适用于复杂交易策略。
• 在线服务与自动模型滚动：支持模型在线部署和自动滚动更新，生产环境友好。
• 高频数据处理与交易示例：提供高频数据（1 分钟 K 线）处理流水线及高频交易示例代码。
• 点时间数据库：支持 Point-in-Time 数据库，保证回测时数据无前瞻偏差。
• 多数据源后端：支持 Arctic Provider 后端，并包含订单簿数据示例。
• RD-Agent 集成：最新版本集成了基于 LLM 的自主进化智能体（RD-Agent），可自动进行量化因子挖掘和模型优化，并在公开论文中展示了多智能体框架 R&D-Agent-Quant 用于数据驱动因子与模型联合优化。
• 丰富多彩的数据集：包含 Ibovespa 指数数据等非 A 股市场数据，便于全球化研究。

适用场景

• 量化因子挖掘：利用 RD-Agent 自动发现有效因子，或从研究报告、论文中提取因子。
• 模型优化与自动调参：通过 RD-Agent 或元学习框架实现模型参数的自动优化。
• 选股与预测：使用预置的深度学习模型（如 Transformer、LSTM 变体）进行股票收益率预测。
• 组合优化：依托规划式组合优化模块，构建并优化投资组合。
• 高频交易：利用高频数据示例和 TCN 等模型进行短时价格预测。
• 策略回测与生产部署：支持从回测到在线服务的全流程，包含自动模型滚动和实时推理。

开源与社区

Qlib 遵循 MIT 开源协议，代码托管于 GitHub（microsoft/qlib），拥有超过 46.5k Star 和 7.4k Fork。项目维护活跃，持续发布新模型和功能，并提供详细的 notebook 教程和文档。社区通过 Issue 和 Pull Request 参与贡献，同时提供 Gitter 聊天室和官方文档站（readthedocs）支持。