tutorial/detailed_workflow.ipynb 量化金融Qlib库
发布时间
阅读量：
阅读量
尽管用户可以基于 Qlib 的配置自动运行整个 Quant 研究工作流。
一些高级用户通常希望仔细定制每个组件以在 Quant 中进行更多探索。
如果只需要一个相对简单的Qlib示例文件, 那么快速入门指南与workflow_by_code可能是您更合适的选择
如需获取更多关于Quant研究领域的详细信息，请考虑这本笔记作为您的理想入门材料。
我们希望这个脚本可以成为对 Quant 细节感兴趣的用户的教程。
本笔记本试图演示我们如何使用 Qlib 逐步构建组件。
from pprint import pprint
from pathlib import Path
import pandas as pd
代码解释 MARKET = "csi300"
BENCHMARK = "SH000300"
EXP_NAME = "tutorial_exp"
代码解释用户可以按照以下步骤使用 CLI 下载数据。
在本例中，我们使用底层 API 自动下载数据
from qlib.tests.data import GetData
GetData().qlib_data(exists_skip=True)
代码解释 import qlib
qlib.init()
代码解释检查原始数据
目前，Qlib 支持多种数据源。
from qlib.data import D
D.calendar(start_time='2010-01-01', end_time='2017-12-31', freq='day')[:2] # calendar data
代码解释基本数据
df = D.features(['SH601216'], ['$open', '$high', '$low', '$close', '$factor'], start_time='2020-05-01', end_time='2020-05-31')
代码解释 import plotly.graph_objects as go
fig = go.Figure(data=[go.Candlestick(x=df.index.get_level_values("datetime"),
open=df['$open'],
high=df['$high'],
low=df['$low'],
close=df['$close'])])
fig.show()
代码解释全部评论 (0)
还没有任何评论哟~