数据处理与因子
提供高性能数据处理方案与因子表达框架，支持 Point-in-Time 数据，避免未来函数偏差。
Qlib / AI Quant Investment Platform
Qlib：微软开源 AI 量化投资平台
Qlib 是一个开源、面向 AI 的量化投资平台，覆盖从想法探索到生产实现的完整研究链条：数据处理、模型训练、回测、组合优化与订单执行。适合想用 Python 自建量化研究管道的开发者，从只读研究开始验证是否适合你的工作流。
数据准备官方命令 / 社区数据
模型训练LightGBM / 深度模型
回测qrun 一键运行
评估指标风险 · 收益 · 回撤
微软开源MIT 协议，GitHub 47.3k stars
AI 导向监督 / 市场动态 / 强化学习
全流程数据 · 训练 · 回测 · 组合优化
官方证据README 与官方文档（2026-08 核验）
What it solves
Qlib 能解决什么问题？
它把"数据 → 因子 → 模型 → 回测 → 组合"整理成一套可复现的量化研究管道，让研究从想法到验证更结构化。
模型训练
集成 LightGBM、MLP、LSTM、GRU、Transformer、TabNet 等 20+ 模型，支持监督学习、市场动态建模与强化学习。
回测与评估
qrun 一键运行完整工作流，输出风险、收益、年化、信息比率与最大回撤等指标。
How it works
Qlib 三步理解：从数据到研究结论
首页只保留理解所需的三步，详细流程见架构页与回测页。
1. 准备数据
用官方脚本或社区数据源构建 qlib 格式数据集，支持日频与分钟级数据。
2. 训练与回测
选择模型（如 LightGBM）训练因子模型，再通过回测验证策略表现。
3. 评估与迭代
查看收益、风险与信息比率等指标，迭代因子与模型参数。
Setup and route
自建 Qlib 还是用 EasyClaw 量化 Skill 路线？
同一个研究目标，两种准备成本。完整对比见对比子页。
安装 Qlib→准备数据→写策略/模型→回测验证
灵活度高，但环境、数据与建模都需要自己维护。
安装 EasyClaw→一句话提问
Skill 的数据源、Token、网络与市场覆盖各不相同；不代表 Qlib 已集成 EasyClaw。
FAQ
常见问题
Qlib 是什么？
Qlib 是微软开源、面向 AI 的量化投资平台，覆盖数据处理、模型训练、回测与组合优化的完整研究管道。
Qlib 需要编程基础吗？
需要一定基础。Qlib 用 Python 驱动，涉及命令行安装、数据准备与模型训练，官方文档面向有 Python 与数据处理经验的用户。
Qlib 在 EasyClaw 中能用吗？
无已证实集成。Qlib 与 EasyClaw 没有官方集成证据；EasyClaw 内置的是量化研究类 Skill（如 A 股量化分析、选股等），两者是独立路线，解决不同任务。
Qlib 的数据从哪来？
官方数据集暂禁用；可使用社区数据源（chenditc/investment_data）或脚本从 Yahoo Finance 采集，也支持自定义数据。
Qlib 回测结果可信吗？
回测结果仅代表历史表现，涉及数据、参数与市场环境假设，不构成收益保证或投资建议。