前面谈到了简单的一个示例代码，实际上里面的策略源码和模型回测源码都需要好好了解，他这个回测系统和我之前用到的回测策略代码有不一样的地方，作为一个量化策略攻城狮，掌握源码是基本的技能。

Qlib内置了A股、美股两个市场的历史数据，上一篇文章也谈到过，可以通过运行如下的脚本把数据自动获取到本地。

# 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

而且支持从yahoo finance对数据进行日更，使用的脚本在scripts/data_collector。

但我们希望使用ETF做投资，那么就需要自己来扩展数据源。Qlib提供了相应的工具scripts/dump_bin.py

dump_bin是把csv格式的数据转换为qlib的格式，这样qlib就可以使用。

#注意要修改成自己的路径
python scripts/dump_bin.py dump_all --csv_path  ~/.qlib/csv_data/my_data --qlib_dir ~/.qlib/qlib_data/my_data --include_fields open,close,high,low,volume,factor#--csv_path指定本地路径上csv目录#--qlib_dir是qlib的数据目录#--include_fields 包含的字段，OHLCV 好理解，就是常规的价量数据，factor是复权因子，通常factor = adjusted_price / original_price

Qlib内置的数据采集里，已经支持了采集基金数据，是网上收集公募基金的数据，由于我们量化仅需要ETF的数据，所以