你每月付给聚宽的399元策略引擎费，其实可以零成本跑同级模型

它不是给你一个现成的炒股APP，而是把专业机构用的AI量化平台，直接开源放到了你电脑上。

你不用懂Python也能看懂它的作用：自动挖选股因子、训练预测模型、回测策略表现——这些过去只有券商和基金公司才玩得转的事，现在点几下就能跑起来。

它不卖会员、不锁功能、不收年费，连文档都写得比很多付费产品还细。

它替你省掉了什么

它替代的不是某一款具体软件，而是一整套“量化研究外包服务”。比如请人帮你写选股模型，单次报价常在5000到2万元之间；再比如订阅Wind或聚宽的高级数据接口+策略引擎，年费动辄上万。

你花几千块请人调参，它用RD-Agent自动试100种组合

它省掉的是“等结果”的时间成本。传统外包从提需求、改代码、跑回测到出报告，快则一周，慢则一个月。

QLib本地装好，当天就能跑通全流程。你改一行配置，两分钟内就能看到新因子在沪深300成分股上的IC值分布图。

价格直接砍到零。

主要能干这几件事

• 自动挖掘股票因子：比如发现“过去30天主力资金净流入+换手率突增”这类组合信号，不用手动翻财报、写公式，RD-Agent能自己读研报、抓数据、生成可回测的因子代码。它会解析PDF格式的券商研报，提取其中提到的财务指标与逻辑关系，并转成QLib支持的表达式语法，比如Ref($close, -5) / $open > 1.03。
• 训练多种AI模型：支持监督学习（预测涨跌概率）、强化学习（模拟实盘交易决策）、甚至动态市场建模——不是只跑个线性回归，而是真拿神经网络去学市场节奏。内置的KRNN模型会自动对齐不同频率数据，比如把日线行情和分钟级舆情文本做时间对齐后再联合建模。
• 一键回测你的策略：输入买卖逻辑，它自动加载历史行情、计算手续费、考虑滑点，输出夏普比率、最大回撤等专业指标，结果直接生成图表，不用再导出Excel手工算。回测引擎默认启用T+1成交机制，且支持按交易所规则模拟集合竞价撮合过程。
• 复现顶会论文里的模型：KRNN、Sandwich模型等已内置，点开就能跑，不用从零搭环境、调依赖、修bug。官方明确说这些是“生产就绪”的实现。它们的配置模板放在qlib/contrib/model/目录下，只需修改model.py中第12行的hidden_size参数就能调整网络宽度。
• 用自己数据训练专属模型：支持接入本地CSV或数据库，行情数据、财务数据、舆情文本都能喂进去，模型全程在你电脑里训练，不上传、不联网。只要把数据按calendar.csv、instrument.txt、feature/子目录结构整理好，运行qlib.data.update_data_to_bin就能导入二进制缓存。
• 把整个研究过程变成可重复的流程：配置文件定义数据源、特征工程、模型结构、评估方式，下次换只股票，改两行参数就能重跑，不怕“上次怎么做的我忘了”。每个实验的元信息，包括Git commit hash、Python版本、GPU型号，都会自动记录进recorder数据库。

怎么开始用

1. 打开浏览器，访问 https://github.com/microsoft/qlib，点右上角绿色“Code”按钮，选“Download ZIP”，解压到电脑任意文件夹。注意别解压进中文路径，否则后续命令可能报错。
2. 双击运行文件夹里的 install.bat（Windows）或 install.sh（Mac/Linux），它会自动装好Python环境和所有依赖，全程不用你敲命令。脚本内部调用的是conda create -n qlib python=3.9，并预装了PyTorch CPU版与LightGBM。
3. 安装完打开终端（Windows用CMD，Mac用Terminal），输入 qlib init –source_dir ./data –region cn，它就会自动下载A股基础行情数据，几分钟后就能跑第一个示例策略。该命令实际执行的是python scripts/get_data.py --target_dir ./data --region cn，数据源来自Yahoo Finance与中国A股公开接口。

项目信息