Qlib：一个AI量化投资平台

本文根据论文《Qlib : An AI-oriented Quantitative Investment Platform》翻译总结的，论文最新修改版2020年的。

Qlib设计为一个平台，而不是一个工具箱。Qlib目标1）适应现代AI技术；2）协助量化研究者使用最小的努力建立一整个研究工作流；3）让他们保留最大的灵活性来探索关心的问题。

Qlib结构如下，包括

1. 数据服务模块（Data server module）；
2. 数据增强模块（Data Enhancement module）：如构建数据因子（特征）、生成训练数据。
3. 模型创建模块（Model Creater module）；
4. 模型管理模块（Model Manager module）；
5. 模型集成模块（Model Ensemble module）：同时使用多个模型。
6. 投资组合生成器模块（Portfolio Generator module）：通过模型的交易信号产生投资组合；
7. 订单执行模块（Orders Executor module）：高保真交易模拟器。设计成一个响应模拟器，而不是一个回测函数，这样可以为强化学习提供基础架构，由于强化学习需要来自环境的反馈（响应）。

数据库有下面三种类型：

1. 通用类型：如mysql、mongoDB；
2. 时间序列数据库：InfluxDB
3. 科学计算数据文件：如numpy、pandas等。

我们的Qlib采用第3种。是树结构的，数据根据不同的频率、资产类型、资产属性而分文件夹、分件保存。所有资产属性以二进制数据保存、固定的压缩长度。共享的时间线保存在calendar.txt。资产属性文件的前4个字节用来做时间线的索引，表明数据的起始时间。所有数据是以时间顺序排列的，当有新时间的数据来了，也方便进行数据添加。

Qlib和其他类型数据库比较如下：

此外Qlib采用了缓存技术，包括内存缓存和磁盘缓存。内存缓存是缓存最近使用的。磁盘缓存如下，包括表达式缓存和数据缓存。表达式如算最近N日收盘价的均值：MEAN($close，N)。