Qlib / Getting Started

Qlib 入门指南:从安装到首次运行

Qlib 的入门路径很直接:安装 → 准备数据 → 用 qrun 运行第一个量化研究工作流 → 查看报告。本文把官方 Quick Start 拆成可执行步骤,帮你尽快跑通第一次回测。

路径:安装 → 数据 → qrun → 报告难度:入门到中级参考:官方 Quick Start
安装 Qlibpip / 源码 / Docker
准备数据社区数据 / 采集
运行 qrunLightGBM Alpha158
查看报告指标解读
Qlib 入门路径示意图(安装→数据→qrun→报告),基于官方 Quick Start。
Roadmap

四条入门路线,按你的目标选

Qlib 覆盖研究全流程,先按你想做的事进入对应步骤。

装好环境

pip / 源码 / Docker 三种安装方式,官方建议用 Conda 管理 Python 环境。

看安装 →

准备数据

用官方命令、社区数据源或 Yahoo 采集脚本构建 qlib 格式数据集。

看数据 →

跑通第一次

用 qrun 运行 LightGBM Alpha158 示例,输出回测与评估指标。

看首次运行 →

深入回测

理解数据集构建、模型训练、回测与指标解读,构建自己的策略。

看回测 →
Prerequisites

开始前你需要什么

Qlib 官方建议的起步条件。

Python 环境

支持 Python 3.8-3.12,官方建议用 Conda 管理环境,安装前先装 numpy 与升级 cython。

数据

官方数据集暂禁用;可用社区数据源(chenditc/investment_data)或脚本从 Yahoo Finance 采集。

基础能力

需要 Python 命令行、基础数据处理与模型训练常识;回测涉及数据与参数假设。

Next steps

下一步

按你的进度选择下一步。

不想维护环境?

Qlib 需要自建 Python 环境、数据与模型管道。如果你更想直接提出一个 A 股/行情/选股研究任务,可看 EasyClaw 量化 Skill 路线对比。