tutorial/detailed

尽管用户可以基于 Qlib 的配置自动运行整个 Quant 研究工作流。

一些高级用户通常希望仔细定制每个组件以在 Quant 中进行更多探索。

如果您只想要一个简单的 Qlib 示例。快速入门和 workflow_by_code 可能是您更好的选择。

如果您想了解有关 Quant 研究的更多详细信息，此笔记本可能是您更好的起点。

我们希望这个脚本可以成为对 Quant 细节感兴趣的用户的教程。

本笔记本试图演示我们如何使用 Qlib 逐步构建组件。

from pprint import pprint
from pathlib import Path
import pandas as pd

MARKET = "csi300"
BENCHMARK = "SH000300"
EXP_NAME = "tutorial_exp"

用户可以按照以下步骤使用 CLI 下载数据。

在本例中，我们使用底层 API 自动下载数据

from qlib.tests.data import GetData
GetData().qlib_data(exists_skip=True)

import qlib
qlib.init()

检查原始数据

目前，Qlib 支持多种数据源。

from qlib.data import D
D.calendar(start_time='2010-01-01', end_time='2017-12-31', freq='day')[:2]  # calendar data

基本数据 

df = D.features(['SH601216'], ['$open', '$high', '$low', '$close', '$factor'], start_time='2020-05-01', end_time='2020-05-31')   

import plotly.graph_objects as go
fig = go.Figure(data=[go.Candlestick(x=df.index.get_level_values("datetime"),
                open=df['$open'],
                high=df['$high'],
                low=df['$low'],
                close=df['$close'])])
fig.show()