-
1、【开始】【简介】Qlib：量化平台
简介
Qlib是一个面向AI的量化投资平台，旨在实现AI技术在量化投资中的潜力，赋能研究，并创造价值。
通过Qlib，用户可以轻松利用他们的想法来创建更好的量化投资策略。框架
在模块层，Qlib 是由上述组件组成的平台。这些组件被设计为低耦合模块，每个组件都可以独立使用。这个框架对于Qlib的新用户来说可能会感到有些困惑。它试图阐明Qlib设计的许多细节。对于Qlib的新用户，您可以先跳过它，以后再阅读。
名称 描述 Infrastructure layer Infrastructure layer为量化研究提供底层支持。DataServer为用户提供高性能的基础设施，以管理和检索原始数据。Trainer提供灵活的接口来控制模型的训练过程，使算法能够控制训练过程。 Learning Framework layer 预测模型和交易代理是可训练的。它们基于学习框架层进行训练，然后应用于工作流层的多个场景中。支持的学习范例可以分为强化学习和监督学习。学习框架也利用了工作流层（例如，共享信息提取器，在执行环境基础上创建环境）。 Workflow layer Workflow layer涵盖了量化投资的整个工作流程。支持基于监督学习的策略和RL-based策略。信息提取器为模型提取数据。预测模型专注于为其他模块生成各种预测信号（例如，alpha，风险）。有了这些信号，决策生成器将生成目标交易决策（即，投资组合，订单）。如果采用基于RL的策略，则策略是以端到端的方式学习的，交易决策直接生成。决定将由执行环境执行（即，交易市场）。可能有多个层次的策略和执行器（例如，一个订单执行器交易策略和当日订单执行器可以表现得像一个跨日交易循环，并嵌套在日常投资组合管理交易策略和跨日交易执行器交易循环中）。 Interface layer Interface layer 试图为底层系统提供一个用户友好的接口。分析器模块将为用户提供关于预测信号、投资组合和执行结果的详细分析报告。 -
相关阅读:
分布式架构下如何选择最佳 Store？
金仓数据库 KingbaseGIS 使用手册（8.12. 栅格运算符、8.13. 栅格和栅格波段空间关系函数）
PyCharm及python解释器详细安装教程
【Go语言精进之路】构建高效Go程序：掌握变量、常量声明法则与iota在枚举中的奥秘
RabbitMQ 服务启动失败问题小结（Windows环境）
Jekyll 语句语法、功能的实现方法和结构介绍小手册
20 - 欲知JVM调优先了解JVM内存模型
冲量在线“隐私计算信创一体机”亮相2022世界人工智能大会，获高度关注
C# 创建标签PDF文件
BurpSuite爆破base64账号密码
- 原文地址：https://blog.csdn.net/song19891121/article/details/133486105