Qlib 是微软开源的 AI 导向量化投资平台(AI-oriented quantitative investment platform),旨在用 AI 技术赋能量化研究,从探索想法到生产落地全流程支持。目前最新活跃版本基于 GitHub microsoft/qlib 主仓库,它不是一个简单的回测框架,而是试图把机器学习(尤其是监督学习、市场动态建模、强化学习)无缝融入量化全链路。
一句话总结: Qlib = Quant + ML 的'一站式'工具箱,让你可以用 Python 快速实验 Alpha 挖掘、特征工程、模型训练、回测、组合优化、风险建模,甚至现在还集成了 RD-Agent 来自动化部分 R&D 过程。
核心定位与设计理念
Qlib 的目标是'让 AI 真正为量化投资创造价值',所以它不像传统回测框架(如 Backtrader、Zipline)那样只关注执行层,而是把重点放在 AI 模型与量化策略的深度融合 上。
主要特点(基于官方文档与社区反馈):
- 数据层高度抽象:内置数据处理器,支持日频/分钟频/tick 级数据,自动处理复权、停牌、涨跌停等常见问题。
- 模型层灵活:支持 LightGBM/XGBoost/LSTM/Transformer 等经典模型,也容易插入自定义 PyTorch/TensorFlow 模型。
- 回测层真实:考虑滑点、冲击成本、交易延迟,支持高频/低频多种模式。
- 工作流自动化:通过 YAML 配置 + qrun 命令,一键跑完整实验(数据 → 特征 → 模型 → 回测 → 评估)。
- 开源生态:与 RD-Agent 结合后,支持 AI 自动生成/优化策略代码(实验性功能)。
原始数据
(CSV/数据库)
Data Handler
(自动处理/缓存)
Feature Engineering
(Alpha158/Alpha360 等)
Model Training
(LightGBM / LSTM / RL 等)
Prediction Scores
Portfolio Strategy
(TopK / EnhancedIndexing 等)
Backtest Executor
(模拟交易/滑点/费用)
Performance Analysis
(年化/夏普/最大回撤)
RD- 自动化优化
(可选)


