Qlib 微软量化投资平台

Qlib 是什么

Qlib 是微软开源的、面向 AI 的量化投资平台。它的目标是用 AI 技术赋能量化研究，把「探索想法」到「落地生产」的链路打通。平台支持多种机器学习范式，包括监督学习、市场动态建模和强化学习，并可与 RD-Agent 配合实现研发流程自动化。

核心能力

• 数据层：提供统一的金融数据存储与查询接口，支持 Point-in-Time 数据库，避免未来函数问题。
• 模型层：内置 LightGBM、Transformer、Localformer、TCN、ADARNN、HIST、IGMTF、KRNN 等大量量化模型。
• 策略与回测：支持基于规划的组合优化、嵌套决策框架，以及高频数据处理示例。
• 在线服务：支持在线 serving 与模型自动滚动更新。
• 自动化研发：结合 RD-Agent，可用 LLM Agent 自动挖掘因子、优化模型。

典型工作流

Qlib 的配置驱动工作流大致如下（示意，具体以官方文档为准）：

qlib_init:
  provider_uri: "~/.qlib/qlib_data/cn_data"
  region: cn
market: &market csi300
benchmark: &benchmark SH000300

随后通过 qrun 之类的入口执行完整流程：数据加载 → 特征处理 → 模型训练 → 预测 → 回测 → 评估。

适合谁

• 想系统学习 AI 量化研究流程的开发者
• 需要快速对比多种模型效果的算法工程师
• 希望搭建可复现实验流水线的研究团队

注意事项

项目近期对 artifact 加载引入了向后不兼容的安全默认值，重新加载已保存模型、恢复在线训练或使用 DDG-DA 时，需要按迁移指南设置 trusted=True。升级前建议先阅读官方的 artifact 与配置迁移文档。

小结

Qlib 更像一套量化研究的「操作系统」，而不是单个策略脚本。它的价值在于把数据、模型、回测和部署标准化，让研究者把精力集中在想法本身。