qlib 使用一

首先安装 pip install pyqlib

数据处理,每日更新维护的数据集 https://github.com/chenditc/investment_data/releases

wget https://github.com/chenditc/investment_data/releases/download/2025-10-15/qlib_bin.tar.gz mkdir -p ~/.qlib/qlib_data/cn_data tar -zxvf qlib_bin.tar.gz -C ~/.qlib/qlib_data/cn_data --strip-components=1 rm -f qlib_bin.tar.gz

https://gh-proxy.org/https://github.com/chenditc/investment_data/releases/download/2025-12-03/qlib_bin.tar.gz

获取指定时间的交易数据

import qlib
from qlib.constant import REG_CN
from qlib.data import D

# 初始化 Qlib 环境
qlib.init(provider_uri="~/.qlib/qlib_data/cn_data", region=REG_CN)

start_time = "2025-11-01"
end_time = "2025-10-15"

instruments = ["sz000651"]  # 格力电器代码
fields = ["$open", "$close", "$volume", "$factor"]
data = D.features(instruments, fields, start_time=start_time, end_time=end_time)

data.columns = ['open', 'close', 'volume', 'factor']
print(data)

backtest_config = {
    # 1. 数据处理器配置（避免全局数据范围超界）
    "data_handler_config": {
        "start_time": "2010-01-01",  # 数据加载起始时间
        "end_time": "2020-12-31",    # 数据加载结束时间
        "fit_start_time": "2010-01-01",  # 特征拟合起始时间（防数据泄露）
        "fit_end_time": "2015-12-31",    # 特征拟合结束时间
        "instruments": "csi300",     # 标的池（沪深300）
        "freq": "day",               # 数据频率（日线，与回测频率一致）
        # 特征配置（关键：所有 last() 必须带 offset）
        "feature": {
            "expr": [
                "$close.last(1)",    # 当日收盘价（last(1) 必传 offset=1）
                "$open.last(1)",     # 当日开盘价
                "$high.last(5).max()",# 最近5日最高价的最大值
                "$volume.last(10).mean()" # 最近10日成交量均值
            ],
            "names": ["close", "open", "high_5d_max", "volume_10d_mean"]
        }
    },

    # 2. 信号配置（解决你之前的重采样报错）
    "signal_config": {
        "signal_expr": "close > open",  # 信号逻辑：收盘价>开盘价（当日收阳）
        "resample": "last",             # 信号重采样方法（若频率不一致时用）
        "resample_args": {"offset": 1}, # 关键：给 last() 传 offset=1（0.9.6 必加）
        "signal_name": "bull_signal"    # 信号名称（自定义）
    },

    # 3. 回测执行配置
    "strategy_config": {
        "class": "TopkDropoutStrategy", # 策略类（Qlib内置：选前N个信号标的）
        "kwargs": {
            "topk": 50,                # 选信号最强的50个标的
            "n_drop": 5,               # 每次调仓剔除5个最差标的
            "signal_col": "bull_signal"# 关联信号列名
        }
    },

    # 4. 回测参数（手续费、调仓频率等）
    "backtest_config": {
        "start_time": "2016-01-01",    # 回测起始时间（需在 data_handler 范围内）
        "end_time": "2020-12-31",      # 回测结束时间
        "freq": "day",                 # 回测频率（与数据频率一致，避免重采样）
        "account": 1000000,            # 初始资金（100万）
        "benchmark": "SH000300",       # 基准指数（沪深300）
        "commission_ratio": 0.0003,    # 手续费（0.03%）
        "slippage_ratio": 0.0001       # 滑点（0.01%）
    }
}

cum bench 基准累积收益率

cum return wo cost 不含交易费的投资组合累积收益率

cum return w cost 包含交易费的投资组合累积收益率

return wo mdd 不含交易费的累积收益最大回撤

return w cost mdd 包含交易费的累积收益最大回撤

cum ex return wo cost 不含交易成本基准下，投资组合的总超额收益

cum ex return w cost 计入交易成本基准下，投资组合的总超额收益

turnover 换手率

cum ex return wo cost mdd 不计交易成本，投资组合超额收益的最大跌幅

cum ex return w cost mdd 计入交易成本，投资组合超额收益的最大跌幅

上半部分的阴影表示 不含交易成本的累积收益所对应的最大亏损

下半部分的阴影表示 不含交易成本的超额收益对应的最大回撤

std 标准差

annualized_return 年化收益率

information_ratio 信息比率（Information Ratio – IR）.

max_drawdown 最大回撤

excess_return_without_cost 不计交易成本累计超额收益 (CAR)

excess_return_with_cost 含交易成本的累计超额收益 (CAR)

ic 标签和预测分数之间的皮尔逊相关系数，在例子被公式化为 Ref($close, -2)/Ref($close, -1)-1

rank_ic 标签和预测分数之间的斯皮尔曼等级相关系数

https://blog.hejiangda.top/2024/02/04/22-06-00/

https://www.wuzao.com/document/qlib/component/report.html

https://zhuanlan.zhihu.com/p/553812642

link_preview

link_preview