很多人问 RR-Agent / ReachRich 与 Qlib、Backtrader、akshare/tushare、Wind/同花顺等是什么关系。本文做诚实对比 — 大多数情况下我们是互补而不是替代。
声明:本文为技术与定位科普,不构成对任何项目或厂商的贬低或推荐;数据为公开信息整理。如有过时请告知更正。
| 维度 / Dimension | RR-Agent + ReachRich(自研) | Qlib | Backtrader/Zipline | akshare/tushare | Wind/同花顺 |
|---|---|---|---|---|---|
| 类型 | **全链量化研究 + 数据平台** | ML 量化框架 | 回测库 | 数据聚合库 | 商业数据终端 |
| A 股数据深度 | ✅ 自研多源校验 + 复权对齐 | 基础版 | 需自接 | ✅ 广度好,**口径不一** | ✅✅ 行业最广 |
| 数据契约统一 | ✅ 字段/单位/复权统一 | — | — | ❌ 多源口径漂移 | 部分(终端格式) |
| 实时与历史同源 | ✅ | — | — | 部分 | ✅(订阅版) |
| CPCV 交叉验证 | ✅ 内置 | walk-forward 为主 | 需自实现 | — | — |
| DSR 多重检验校正 | ✅ 内置 | — | — | — | — |
| 交易成本 gate | ✅ 强制 | 需自加 | 需自加 | — | — |
| 组合优化(行业中性) | ✅ | 部分 | 需自实现 | — | 部分 |
| 算法订单 + 实时风控 | ✅ | — | 部分 | — | 机构版有 |
| MCP / LLM 直接调用 | ✅ | — | — | — | — |
| 成本 | 研究友好(自研开放接入) | 开源免费 | 开源免费 | 免费/freemium | **年费高昂** |
聚焦: 深度学习量化研究、因子表达式 DSL、模型训练流水线
它们做得好的:
• 开源活跃 (20k+ stars)
• 内置多个 SOTA ML 模型(GBDT/LSTM/Transformer)
• 研究流程标准化(数据→因子→训练→回测)
与 RR-Agent / ReachRich 的差异(诚实定位):
**互补关系,不是替代**。Qlib 是 ML 量化研究框架,RR-Agent 提供的是上层研究工作台 + 干净的数据底座(ReachRich)。Qlib 自带的 A 股数据是基础版,**ReachRich 在数据层做多源校验、复权一致、新鲜度监控**——Qlib 用户可以把数据源切到 ReachRich 提升数据可靠性,把模型部分继续用 Qlib。CPCV/DSR 防过拟合纪律我们做得更严格(Qlib 默认走 walk-forward)。
聚焦: 事件驱动回测、策略表达、绩效统计
它们做得好的:
• 成熟稳定,大量策略代码可参考
• 灵活的事件循环、订单管理
• 社区生态丰富
与 RR-Agent / ReachRich 的差异(诚实定位):
**回测层工具,非全链平台**。这些库专注"回测"环节,需要你自己解决数据、因子、组合、执行、监控。RR-Agent 是**全链工作台**(数据→因子→ML→组合→回测→执行),且**内置 CPCV + DSR + 成本 gate 三件套防过拟合**,默认就是反过拟合纪律;Backtrader 等需要你自己加这些防护。
聚焦: 聚合多个公开/收费源,Python 一行调用
它们做得好的:
• 免费/开源,门槛极低
• 覆盖广(行情、基本面、资讯、龙虎榜)
• 社区活跃
与 RR-Agent / ReachRich 的差异(诚实定位):
**数据层"原始聚合器" vs 自研"统一服务"**。akshare/tushare 把多个上游 API 包成 Python 函数返回,但**字段口径不统一、复权方式各异、无新鲜度监控、单源故障下游就崩**。ReachRich 在它们之上做**统一数据契约 + 多源交叉校验 + 复权对齐 + 新鲜度监控**——研究员不再每次取数都担心口径;并提供 **MCP** 让 LLM 直接调用,这是 akshare/tushare 没有的。
聚焦: 机构级数据广度 + 深度,行业标准
它们做得好的:
• 数据广度行业第一
• 研报、基本面、宏观、商品全覆盖
• 机构用户认可度高
与 RR-Agent / ReachRich 的差异(诚实定位):
**机构级 vs 研究员友好**。商业终端订阅成本高(年费数万至数十万),数据导出受限,API 接入门槛高。ReachRich 定位**研究员友好的开放数据底座**——核心 A 股量化数据 + 多源校验 + 复权 + 开放 API/MCP,**研究流程透明、口径可披露、成本可控**。两类用户:重度机构需要 Wind 的广度;量化研究员需要 ReachRich 的契约一致性。
自研 A 股量化数据底座(ReachRich)+ 自研量化研究工作台(RR-Agent),内嵌严格的防过拟合纪律(CPCV/DSR/成本 gate)与统一数据契约;互补常见开源框架与商业终端,不替代。