人工智能系列之四十:微软AI量化投资平台Qlib体验.pdf
- topband个人认证 |
- 2020-12-26 发布|
- 4.52 MB|
- 31页
证券研究报告
金工研究/深度研究
2020 年12月22 日 微软AI 量化投资平台Qlib 体验 华泰人工智能系列之四十 核心观点 本文介绍微软 AI 量化投资平台 Qlib 基础和进阶功能,对比传统量化策略 开发流程和Qlib 提供的解决方案,提炼Qlib 特色及优势,并探讨笔者使用 体会。Qlib 于2020 年9 月公开初版源码,2020 年 12 月获微软官网报道 并引发热议。我们认为 Qlib 的主要优势在于:1)覆盖量化投资全过程, 用户无需切换工具包或编程语言,降低AI 算法使用门槛;2)从工程实现 角度,对因子数据储存、因子计算等环节提出创新解决方案,提升运算性 能和开发效率,或能解决量化投资研究中的部分痛点。
相关研究 笔者使用体会:侧重量价选股,解决部分痛点,开源或推动技术发展 笔者使用Qlib 的体会是,Qlib 在“术”层面的创新要大于在“道”层面的
1 《金工: 周频量价选股模型的组合优化实证》 创新。Qlib 在宣传中称其为“业内首个AI 量化投资开源平台”,而就目前
2020.12 公开的功能看,Qlib 的核心是“量价因子结合AI 模型选股流程”,在“道”
2 《金工: 行业配置落地:指数增强篇》2020.11 的层面未脱离传统因子选股方法论。在“术”的层面, Qlib 提出的数据存
3 《金工: 农业板块迎来全新工具型投资产品》 储方案、表达式引擎等工程创新一定程度上能够解决研究中的部分痛点。
2020.11 微软此次的开源尝试能够降低整个行业的学习和研发成本,或能推动量化 投资行业的技术发展。 Qlib 基础功能:以港股日频量价因子LightGBM 选股策略为例 Qlib 官方推荐的学习素材有GitHub 文档和在线文档,包含A 股日频量价 因子AI 选股策略案例,然而直接学习官方代码的“代入感”不强,并且官 方代码绕过了很多“坑”,但