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）
