人工智能系列之四十：微软AI量化投资平台Qlib体验.pdf

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