Qlib 学习资料收集1

Qlib 一直在学习，官方文档细节不全，收费前人留下的资料。

 1、微软AI量化投资平台Qlib体验——华泰人工智能系列之四十       https://www.sohu.com/a/507908728_120099896

      from qlib.contrib.data.handler import Alpha158

      h = Alpha158(**data_handler_config)       --  计算从start_time至end_time的当期因子值和下期收益，分别作为后续AI模型训练的特征和标签。

     （1） 因子生成参数 data_handler_config 相当于配置文件，字典类型，用来定义完整数据起止日期（start_time和end_time），拟合数据起止日期（fit_start_time和fit_end_time），股票池（instruments）等。拟合数据起止日期区间应为完整数据起止日期数据的子集。拟合数据日期（训练和验证集）和余下日期（测试集）在数据预处理的方式上有所不同。看官方文档/代码，一直不明所以。

     h.get_cols()  获取 h（dataFrame）的所有列名。

    h.fetch(col_set=’label’)  指令可获取标签。

    h.fetch(col_set=’feature’)指令可获取特征。默认参数下，股票t日的特征对应t日收盘后计算出的因子值。

    （2）模型训练参数task 为字典类型，较复杂，也是整个模型的核心部分，又可以分为 mode l和 dataset 两个字典。

            第一项 model 为AI模型参数，必须包含class（AI模型名称）和module_path（AI模型所在路径）两个子键；kwargs为model的可选子键，通过kwargs设置指定AI模型的超参数。

            第二项 dataset 为数据集参数，必须包含class（数据集名称）和module_path（数据集所在路径）两个子键；kwargs为dataset的可选子键，通过kwargs设置指定数据集的参数。

     （3）选股策略、回测参数 port_analysis_config，该参数为字典类型，又可以分为 strategy 和 backtest 两个子键。

           第一项 strategy 为策略参数，例如此处使用TopkDropout策略，每日等权持有topk=50只股票，同时每日卖出持仓股票中最新预测收益最低的n_drop=5只股票，

                      买入未持仓股票中最新预测收益最高的n_drop=5只股票。

           第二项 backtest 为回测参数，用于设置涨跌停限制、起始资金、业绩比较基准、成交价格、交易费率等信息。