隨著 AI 技術的不斷發展，其應用領域得到進一步擴展。同時，基於外匯 API、貴金屬 API、股票 API 等量化投資憑藉其科學、系統的決策方式，在金融領域中扮演著愈發重要的角色。QLib，作為一個專注於量化投資研究的開源項目，就利用了 AI 技術，結合 iTick 的免費外匯 API、股票 API 數據接口，為廣大研究者和從業人員提供了強大的量化投資工具支持。
QLib 簡介
QLib 是一個由微軟開源的量化投資研究平台，其代碼倉庫地址為 https://github.com/microsoft/qlib 。它旨在為量化投資領域的研究者和從業者提供一個高效、便捷的工具，幫助他們構建完整的量化研究工作流程，快速驗證自己的投資想法。
QLib 的主要目的，是利用人工智慧技術在量化投資領域創造價值，並賦能研究，涵蓋從投資思路探索到產品實施的全過程。Qlib 支持多種機器學習建模範式，包括監督學習、市場動態建模和強化學習。QLib 包含了數據處理、模型訓練、和回測的完整機器學習流程，並且覆蓋了量化投資的整個鏈條，包括：Alpha 收益尋找、風險建模、投資組合優化，和交易執行。
iTick 簡介
iTick 是一家為金融科技公司和開發者提供可靠數據源 APIs 的數據代理機構。其官方網站地址：https://itick.org 。提供外匯 API、股票 API、加密貨幣 API、指數 API 等，能夠滿足金融科技公司和開發者在不同金融領域的數據需求，幫助構建創新的交易和分析工具。目前為個人量化開發者提供免費套餐，基本可以滿足其日常使用需求，降低了個人開發者的開發成本和數據獲取門檻。可以直接進入官方文檔了解，https://doc.itick.org
使用
請求 K 線數據
python -m pip install requests
"""
**iTick**：是一家數據代理機構，為金融科技公司和開發者提供可靠的數據源APIs，涵蓋外匯API、股票API、加密貨幣API、指數API等，#幫助構建創新的交易和分析工具，目前有免費的套餐可以使用基本可以滿足個人量化開發者需求
開源股票數據接口地址
https://github.com/itick-org
申請免費Apikey地址
https://itick.org
"""
import requests
url = "https://api.itick.org/stock/kline?region=hk&code=700&kType=1"
headers = {
"accept": "application/json",
"token": "bb42e24746784dc0af821abdd1188861d945a07051c8414a8337697a752de1eb"
}
response = requests.get(url, headers=headers)
print(response.text)
QLib 使用
QLib 要求 Python 3.8+，並建議使用 Conda 進行環境管理。使用 pip 安裝 pyqlib 庫：
pip install pyqlib
pip install numpy
pip install --upgrade cython
git clone https://github.com/microsoft/qlib.git && cd qlib
pip install . # `pip install -e .[dev]` is recommended for development. check details in docs/developer/code_standard_and_dev_guide.rst
安裝完成後，可以使用獲取的數據來開始進行使用，運行以下命令：
# get 1d data
python -m qlib.run.get_data qlib_data --target_dir ~/.qlib/qlib_data/cn_data --region cn
# get 1min data
python -m qlib.run.get_data qlib_data --target_dir ~/.qlib/qlib_data/cn_data_1min --region cn --interval 1min
數據準備好後，可以運行 Quant Research Workflow。使用以下命令：
cd examples # Avoid running program under the directory contains `qlib`
qrun benchmarks/LightGBM/workflow_config_lightgbm_Alpha158.yaml
運行後，能夠得到以下輸出，這是對投資數據的一個初步分析結果：
'The following are analysis results of the excess return without cost.'
risk
mean 0.000708
std 0.005626
annualized_return 0.178316
information_ratio 1.996555
max_drawdown -0.081806
'The following are analysis results of the excess return with cost.'
risk
mean 0.000512
std 0.005626
annualized_return 0.128982
information_ratio 1.444287
max_drawdown -0.091078
總結
QLib 作為一個強大的量化投資研究平台，為量化投資領域的研究者和從業人員提供了豐富的功能和便捷的工具。它的靈活性和易用性，使得用戶可以快速構建量化研究工作流程，驗證自己的投資想法。
QLib 可以廣泛應用於股票、期貨、基金等金融領域的量化投資研究，幫助投資者進行風險控制、資產配置、投資決策等。同時，隨著 AI 大模型技術的不斷演進，QLib 將能提供越來越強的量化投資分析和研究能力
