Regent：一种基于图的可微分量化交易管道（VQ-VAE 与图神经网络）
Regent 是一个完全可微分的量化交易管道，结合了向量量化变分自编码器（VQ-VAE）和图神经网络（GNN），以端到端可训练的方式处理市场数据。该方法将金融数据表示为图结构，利用 GNN 捕捉资产间的复杂关系，同时通过 VQ-VAE 进行离散潜在表示学习，从而提升交易策略的鲁棒性与可解释性。
背景速读
- Regent 是一个由个人开发者（GitHub 用户 "kierand0"）构建的开源量化交易研究项目，并非实盘交易系统。该项目将整个交易流程——从市场数据清洗、特征提取到订单生成——设计为一个可微分的计算图，使其能够通过端到端的梯度下降进行优化。
- 项目的核心技术栈包括：向量量化变分自编码器（VQ-VAE）——一种能将高维连续数据压缩成离散"代码本"的无监督学习方法；以及图神经网络（GNN）——特别擅长建模股票之间相互关系的模型（例如某只股票上涨是否会带动另一只）。
- 传统量化交易管道通常由多个独立模块拼接而成（特征工程→选股→风控→执行），各模块难以联合优化。Regent 的创新在于将所有模块整合进一个统一的可微分框架，让市场信号能以更连贯的方式影响最终策略。
- 项目目前仍在实验阶段。作者明确标注"这不是投资建议"，且未提供部署说明或实测业绩回测数据，更适合作为机器学习/量化研究者的学习参考，而非可复现的交易策略。