我们隆重发布 RD-Agent 📢 —— 一个专为量化研究设计的智能体工具，支持因子自动挖掘与模型优化。
现在，RD-Agent 已在 GitHub 开源，欢迎点 Star 🌟！
👉 体验入口：
我们提供了中英文 Demo 视频，便于理解使用场景和操作流程。
| 使用场景 | 英文演示 | 中文演示 |
|---|---|---|
| 因子挖掘 | Link | Link |
| 从研报中挖掘因子 | Link | Link |
| 模型优化 | Link | Link |
发布进展（部分）
| 功能/模型 | 状态 |
|---|---|
| RD-Agent 框架集成 Qlib | ✅ 已发布 |
| 自动量化工厂（LLM驱动） | 🚀 2024.08.08 上线 |
| KRNN、Sandwich 模型 | ✅ 2023.05.26 发布 |
| Qlib v0.9.0 | 🐙 2022.12.09 发布 |
| 强化学习研究框架 | ✅ 2022.11.10 发布 |
| HIST 和 IGMTF 模型 | ✅ 2022.04.10 发布 |
| Qlib 教程（Notebook） | 📖 已发布 |
| 高频交易样例 | ✅ 支持 |
| 更多内容 | …（详见 GitHub） |
Qlib 简介（微软开源）
Qlib 是一个面向 AI 的量化研究平台，支持从策略研究、因子建模、模型训练到回测和部署的全流程。
核心特点：
- 支持监督学习、强化学习、市场动态建模等多种范式；
- 提供丰富的数据处理工具和模型库；
- 开源透明、易于扩展，适合科研与生产使用。
快速上手指南
-
安装 Qlib：
pip install pyqlib -
下载数据（以中国市场为例）：
python -m qlib.run.get_data qlib_data --target_dir ~/.qlib/qlib_data/cn_data --region cn -
运行示例模型：
cd examples qrun benchmarks/LightGBM/workflow_config_lightgbm_Alpha158.yaml -
查看结果分析：
- 超额收益分析（含成本/不含成本）
- 信息比率、最大回撤等指标
- 支持图形化报告展示
模型库（部分）
| 模型名称 | 框架 |
|---|---|
| LightGBM / CatBoost / XGBoost | GBDT |
| MLP / LSTM / GRU / ALSTM | PyTorch |
| Transformer / TCN / TRA | PyTorch |
| TabNet / DoubleEnsemble / Localformer | PyTorch |
| RL相关方法（如 PPO、OPDS） | PyTorch |
所有模型都可以通过配置文件或代码方式灵活运行。
数据集支持
| 数据集 | 美股 | A股 |
|---|---|---|
| Alpha360 | ✔️ | ✔️ |
| Alpha158 | ✔️ | ✔️ |
也支持用户自定义数据集。
自动化研究流程
Qlib 提供 qrun 工具，一行命令即可完成：
- 数据构建
- 模型训练
- 策略回测
- 结果分析
同时支持 Docker 部署、在线/离线模式运行。
未来规划与贡献
Qlib 社区正在持续更新中，欢迎开发者提建议、贡献新模型或数据集。
更多功能与路线图请见 GitHub：github.com/microsoft/q…
