多同学希望将Qlib用于A股实盘操作，但Qlib本身不含实盘接口，无法直接连接实盘。
好在通常我们使用Qlib是基于日线数据，定期调仓再平衡。这种低频操作完全可以实现一种间接的实盘操作，那就是利用Qlib来执行预测和生成订单，然后手工下单。这样，如果是按周再平衡，则每周只需操作一次，完全可以达到实盘效果。
本视频就是讲解实盘中如何利用Qlib执行预测生成订单，并手工执行订单的流程。

Qlib实盘操作流程

Logo
加入社区！打开量化的大门，首批课程上线啦！

加入社区！打开量化的大门，首批课程上线啦！

更多推荐

cover

AI 量化实战：布林带均值回归策略，回测收益 17.26%

avatar 量化交易与投资社区

AI 量化交易：量价突破策略完整实现与优化（附回测）

摘要：本文介绍了一种基于量价分析的突破交易策略，该策略通过价格突破关键位配合成交量放大来识别趋势信号。策略核心包括：收盘价突破20日高点且成交量达到5日均量1.5倍时买入，跌破10日均线时卖出。通过量化回测显示，该策略在上海电力股票上两年获得53.94%收益。进一步优化加入3%止损后收益提升至56.92%，AI建议增加趋势过滤器和突破确认条件后收益继续提升。文章指出该策略在趋势行情中表现良好，但需

avatar 量化交易与投资社区

Deepseek 和豆包，哪个做量化策略更好？

本文对比测试了DeepSeek和豆包两款AI在量化交易策略开发中的表现。通过双均线策略和量价突破策略两个案例，在相同文档和提示词条件下进行测试。结果显示：DeepSeek能严格遵守规范文档要求，策略逻辑准确，格式规范，复杂策略也能成功回测；豆包在简单策略上表现尚可，但格式不规范，面对复杂策略时会产生文档中不存在的指标导致回测失败。测试表明，在量化策略开发这种需要严格遵循技术规范的场景下，DeepS

avatar 量化交易与投资社区