===============================
``Qlib``: 量化平台
===============================

简介
============

.. image:: ../_static/img/logo/white_bg_rec+word.png
    :align: center

``Qlib`` 是一个面向AI的量化投资平台，旨在发掘AI技术在量化投资中的潜力、赋能研究并创造价值。

通过 ``Qlib``，用户可以轻松尝试自己的想法，创建更好的量化投资策略。

框架
=========


.. image:: ../_static/img/framework.svg
    :align: center


在模块层面，Qlib是由上述组件构成的平台。这些组件采用松耦合设计，每个组件都可以独立使用。

对于Qlib的新用户而言，这个框架可能看起来有些复杂。它试图精确包含Qlib设计的诸多细节。
对于初次接触Qlib的用户，可以先跳过这部分内容，稍后再阅读。



===========================  ==============================================================================
名称                         描述
===========================  ==============================================================================
`基础设施`层                `基础设施`层为量化研究提供底层支持。
                             `数据服务器`为用户管理及检索原始数据提供高性能基础设施。`训练器`提供灵活接口
                             控制模型训练过程，使算法能够控制训练流程。

`学习框架`层                `预测模型`和`交易代理`是可训练的组件。它们基于`学习框架`层进行训练，
                             随后应用于`工作流`层的多种场景。支持的学习范式可分为强化学习和监督学习。
                             该学习框架也利用`工作流`层（例如共享`信息提取器`，基于`执行环境`创建环境）。

`工作流`层                  `工作流`层覆盖量化投资的完整流程。
                             同时支持基于监督学习的策略和基于强化学习的策略。
                             `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类预测信号
                             （如*alpha因子*、风险指标）。通过这些信号，`决策生成器`将产生目标交易决策
                             （即投资组合、订单）。若采用基于强化学习的策略，`策略`以端到端方式学习，
                             直接生成交易决策。决策将由`执行环境`（即交易市场）执行。可能存在多层级的
                             `策略`和`执行器`（例如*日内订单执行策略与日内订单执行器*可表现为日内交易循环，
                             并嵌套于*日频组合管理交易策略与日间交易执行器*的交易循环中）。

`接口`层                    `接口`层旨在为底层系统提供用户友好界面。`分析器`模块将向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。
===========================  ==============================================================================

- 手绘风格的模块正在开发中，将在未来发布。
- 虚线边框的模块具有高度可定制性和可扩展性。

（注：框架图使用https://draw.io/制作）