实用指南：Qlib回测与量化1：基础环境搭建

这个系列的博客博主打算使用qlib框架实现数据->模型->回测的全流程，之前博主使用backtrader（详情见：Backtrader量化&回测1——基本的交易策略与挂单买卖），但是效率与集成度不是很高，许多轮子还要自己想办法，因此这里博主改用qlib开始回测

Github官网：https://github.com/microsoft/qlib

文章目录

• 1. 环境配置
• • 环境安装
  • 初始化Qlib
• 2. 信息展示
• • 交易日历与指数信息展示
  • 股票数据展示

1. 环境配置

环境安装

首先创建conda的环境：

conda create -n qlib python=3.11 # 创建一个叫qlib的python=3.11版本的
conda activate qlib

安装qlib：

pip install pyqlib

运行完成后即可使用qlib

初始化Qlib

cd ~/Desktop
mkdir qlib_data
cd qlib_data

初始化数据：

wget https://github.com/chenditc/investment_data/releases/latest/download/qlib_bin.tar.gz # 下载

解压后有三个文件夹，把这三个文件夹放到~/Desktop/qlib_data的文件夹中，得到如下目录结构：

• ~/Desktop/qlib_data/calendars：主要看day.txt文件，表示交易日历
• ~/Desktop/qlib_data/instruments：表示指数所属的股票代码，包含三列：股票代码、起始日期、终止日期
• ~/Desktop/qlib_data/features：对应代码列表，包含高开低收等数据

2. 信息展示

交易日历与指数信息展示

使用如下代码进行信息的展示：

import qlib
from qlib.constant import REG_CN
from qlib.data import D
qlib.init(
provider_uri='~/Desktop/qlib_data', # 数据存储目录
region=REG_CN, # qlib的股票交易模型，不同的模式将导致不同的交易限制和成本
)
# 交易日历
trade_calendar = D.calendar(start_time='2025-01-01', end_time='2025-01-31', freq='day')
print(f"交易日：{
len(trade_calendar)
}")
# 股票列表
stock_instruments = D.instruments('all')
stock_list = D.list_instruments(instruments=stock_instruments, start_time='2025-01-01', end_time='2025-01-31')
print(f"股票数量：{
len(stock_list)
}")

得到结果：

交易日：18
股票数量：5399

股票数据展示

如果想要获取某一个个股的信息，使用如下代码：

import qlib
from qlib.constant import REG_CN
from qlib.data import D
if __name__ == '__main__':
qlib.init(
provider_uri='~/Desktop/qlib_data', # 数据存储目录
region=REG_CN, # qlib的股票交易模型，不同的模式将导致不同的交易限制和成本
)
# 获取特征数据
data = D.features(
instruments=[
'SZ000001', # 平安
'SH600519', # 茅台
],
fields=[
# 基础数据
'$open', '$high', '$low', '$close', '$volume',
'$adjclose', # 后复权成交价
# 数据偏移
'Ref($close, 1)', # 昨日收盘价
'Ref($close, -1)', # 明天的收盘价（注意！未来函数）
# 数据计算
'($high + $low) / 2', # 中间价
'$close / Ref($close, 1) - 1', # 当日收益率
'Mean($close, 5)', # 5日收盘价的均值
'Max($high, 20)', # 20日最高价
'Min($low, 20)', # 20日最低价
'Std($close, 20)', # 20日标准差
# 技术指标
'EMA($close, 5)', # 5日移动平均
],
start_time='2025-01-01',
end_time='2025-01-31',
freq='day'
)