pyqlib平台：微软开发的量化投资平台《介绍篇》

TOC

介绍

• 官网：https://github.com/microsoft/qlib
• 是面向AI的金融量化平台、实现其潜在的价值，创造AI在量化投资的价值。包括全部的机器学习中的数据处理、模型训练、回测；以及量化投资的Alpha 预测、风险模型、市场动态性建模、操作顺序等。使用Qlib可以快速的实现想法到量化投资的策略。
• 
  • 最底层的是基础架构层（Infrastructure）。Qlib 的数据服务模块（Data Server）提供了高性能的数据存储设计，让 AI 算法可以更快地处理更多金融数据。训练模块（Trainer）则为 AI 算法提供了灵活的接口来定义训练模型的过程，让 Auto-ML 等算法成为可能，也为分布式训练提供了接口。而模型管理模块（Model Manager）可以让用户更好地管理繁多的 AI 模型，更快地迭代其 AI 算法。
  • 中间层是量化投资流程（Workflow）。信息抽取模块（Information Extractor）负责从异构数据中提取有效的信息。预测模型（Forecast Model）会输入抽取的信息，输出可供金融专家参考的未来收益、风险等等预测，然而预测模型需要依靠底层海量数据才能训练出精准、有效的预测模型。而投资组合生成模块（Portfolio Generator）则能根据预测得到 Alpha 信号和风险信号辅助生成投资策略组合。订单执行模块（Order Executor）是投资的最后一步——交易执行，帮助用户判断何时下单也是一门艺术。
  • 最上层是交互层（Interface）。其中，分析模块（Analyzer）会根据下层的预测信号、仓位、执行结果做出详细的分析并呈现给用户。
  • Qlib包含常用的 LightGBM、GRU、GATs模型。
• 下载数据集import qlib print(qlib.__version__) # 下载数据 # region in [REG_CN, REG_US] from qlib.config import REG_CN provider_uri = "../datasets" # target_dir qlib.init(provider_uri=provider_uri, region=REG_CN) # 加载交易日期 from qlib.data import D StockCalendar = D.calendar(start_time='2010-01-01', end_time='2017-2-20', freq='day') print(StockCalendar,type(StockCalendar),StockCalendar.ndim,StockCalendar.shape,StockCalendar.size,StockCalendar.dtype) Stockname = D.instruments(market='all') print(Stockname) instruments = D.instruments(market='csi300') StockList = D.list_instruments(instruments=instruments, start_time='2010-01-01', end_time='2017-12-31', as_list=True) print(type(StockList),len(StockList),StockList,) # 查找股票 instruments = ['SH600000'] fields = ['$close', '$volume', 'Ref($close, 1)', 'Mean($close, 3)', '$high-$low'] StockHistory = D.features(instruments, fields, start_time='2010-01-01', end_time='2017-12-31', freq='day') print(type(StockHistory),"\n",StockHistory)集成模型model: class: LGBModel module_path: qlib.contrib.model.gbdt args: loss: mse colsample_bytree: 0.8879 learning_rate: 0.0421 subsample: 0.8789 lambda_l1: 205.6999 lambda_l2: 580.9768 max_depth: 8 num_leaves: 210 num_threads: 20
• Qlib集成的模型包括：LightGBM、MLP、LSTM等，用户也可以集成自己的模型。
  • 自定义的算法：用户必须定义一个继承( qlib.model.base.Model)的算法类，重写方法。
  • 写一个config文件来描述路径、参数
• config文件示例