进阶 - 在线服务

简介

一般情况下，Qlib使用静态的配置文件或代码定义模型、数据集与训练任务，如果它们有任何改变，则需要修改配置文件或代码并重新运行任务。但是频繁地进行此操作过于繁琐，为此，Qlib提出了在线服务功能，通过事先定义配置文件模板，此功能可以自动更新配置文件并重新运行任务。其架构图如下：

这里有一些可供参考的例子，它们展示了在线服务的不同特性。

在线管理器

在线管理器可以管理一组在线策略并动态地运行它们。

随着时间变化，模型也会变化。在本模块中，这些模型被称为在线模型。在每个例行程序（如每天或每分钟）中，在线模型可能有变化，因此它们的预测也需要更新，所以本模块提供一系列方法来控制这个过程。本模块也提供一个方法以在历史上仿真在线策略，这意味着可以验证策略或找到一个更好的策略。

在不同的情况下使用不同的训练器的组合一共有4种：

• 在线+训练器：当想要运行真实例行程序时，训练器会帮助逐任务逐策略地训练模型
• 在线+延迟训练器：在所有策略都准备好任务后，延迟训练器才会开始训练，这使用户可以在routine或first_train结束后并行地训练所有任务；在策略准备好任务前，这些函数会阻塞
• 仿真+训练器：与第一种组合表现相同，唯一区别是本组合用于仿真/回测而不是在线交易
• 仿真+延迟训练器：在模型没有时间依赖时，可以使用延迟训练器的多任务能力。这意味着在仿真结束时，所有例行程序中的所有任务都会被真正地训练。根据是否有新模型在线，信号会在不同的时间段准备好

下面是演示每种情况工作流的伪代码。其中做了以下简化：

• 只使用了一个策略
• update_online_pred只有在在线模式才会被调用

在线+训练器：

tasks = first_train()
models = trainer.train(tasks)
trainer.end_train(models)
for day in online_trading_days:
    # OnlineManager.routine
    models = trainer.train(strategy.prepare_tasks())  # 对于每个策略
    strategy.prepare_online_models(models)  # 对于每个策略

    trainer.end_train(models)
    prepare_signals()  # 每天准备交易信号

在线+延迟训练器：与在线+训练器的工作流相同

仿真+延迟训练器：

# 仿真
tasks = first_train()
models = trainer.train(tasks)
for day in historical_calendars:
    # OnlineManager.routine
    models = trainer.train(strategy.prepare_tasks())  # 对于每个策略
    strategy.prepare_online_models(models)  # 对于每个策略
# delay_prepare()
# FIXME: 目前delay_prepare没有用合适的方式实现
trainer.end_train(<for all previous models>)
prepare_signals()

在线策略

本模块是在线服务的一个元素。

在线工具

本模块是一个设置与取消设置一系列在线模型的模块。在线模型是在某些时间点上的决策模型，它们可以随时间变化而变化。这允许我们随着市场风格变化使用高效的子模型。

更新器

本模块在股票数据更新时，更新预测等输出信息。