逐层解剖工业级 AI 量化平台,学会怎么读大型开源框架。
课程介绍
以微软 qlib 开源框架源码为对象,逐层拆解数据层、表达式引擎、模型与策略,并对比主流 AI 量化平台。目标不是“会用 qlib”,而是建立框架级架构视野、能读能改工业级系统。
学完你能
- 读懂并魔改工业级 AI 量化平台
- 建立数据/因子/模型/回测的框架级架构视野
- 把研究脚本升级为可规模化的系统
与其他课程的关系
- 前序:机器学习/机器学习量化交易
- 后续:MLflow 量化工程化;金融策略的规模化落地
- 关联:承载金融各层策略的规模化实现
- 总纲:量化投资学习路径图;本分支:量化工程能力知识图谱与学习路线
参考资料
- 教材:微软 qlib 开源框架源码 + 主流 AI 量化平台对比
- 配套代码:每讲配可运行的真实代码,见下方课程目录
在体系中的位置
| 量化金融能力(金融线) | 量化工程能力(工程线) |
|---|---|
| ⑤ RM · EX | ⑤ RD-Agent |
| ④ ER · AM · IR · FR | ④ MLflow |
| ③ QF | ③ qlib ←你在这里 |
| ② FI · QI · AP | ② ML · ML4T |
| ① INV · MB | ① Pandas · OOP4 |
课程目录
- 第 01 讲 为什么解剖 qlib：七层架构 + 如何读大型框架源码
- 第02讲_qlib整体框架设计_模块全景与协作关系
- 第03讲_跑通第一个qrun_从YAML到绩效报告
- 第04讲_bin存储层_行情数据在硬盘上的样子
- 第05讲_表达式引擎上_类体系与解析建树
- 第06讲_表达式引擎下_递归求值与窗口延展防前视
- 第07讲_缓存系统_算过的因子不再重算
- 第08讲_DataHandler_learn与infer双管道防泄露
- 第09讲_Alpha158解剖_158因子怎么批量生成
- 第10讲_DatasetH与TSDatasetH_数据集切分与时序滑窗
- 第11讲_Model基类与反射工厂_配置驱动的实现
- 第12讲_LGBModel解剖_把LightGBM包成契约类
- 第13讲_深度模型接入与DDG-DA
- 第14讲_qrun全链路_YAML递归实例化整条pipeline
- 第15讲_Recorder与MLflow_实验记录与可复现
- 第16讲_回测框架总览_Exchange与Account对比backtrader
- 第17讲_TopkDropoutStrategy解剖_signal到订单
- 第18讲_嵌套决策执行_日频套高频
- 第19讲_绩效分析_从持仓到夏普与回撤
- 第20讲_qlibrl_把订单执行建成强化学习
- 第21讲_在线服务OnlineManager_模型滚动更新
- 第22讲_FinRL架构解剖_env-agent-market三层
- 第23讲_FinRL深入_接StableBaselines3与奖励塑形
- 第24讲_RD-Agent解剖上_LLM自动因子研发闭环
- 第25讲_RD-Agent解剖下_自动因子回写qlib并回测
- 第26讲_总结_三平台对比与搭自己的研究平台