fasiondog/hikyuu

       Hikyuu Quant Framework 是一款基于 C++/Python 开发的**开源超高速量化研究框架**，免费开放、无使用限制。项目深耕国内量化金融技术研究，深度适配 A 股市场数据体系，聚焦策略建模、量化模拟回测与金融数据分析，核心能力覆盖量化模型研发、高速金融计算、标准化回测体系、研究能力拓展四大方向。 框架依托成熟的系统化交易研究理念，将量化分析体系拆解为**市场环境研判、策略生效条件判定、信号指标解析、盈亏风控模型、资金配比模型、收益目标测算、滑点模拟算法、多因子建模、投资组合分析、资金分配**等独立模块化组件。用户可自由组合模块、搭建专属策略模型库，通过模拟回测验证策略稳定性与有效性，完成量化策略研究与数据分析工作。同时框架预留拓展接口，支持开发者自主开发、对接合规的第三方交易接口（如 QMT 等官方合规终端接口），满足个性化技术拓展与私有适配需求。 **免责声明** ：本项目为开源金融技术研究工具，仅供个人学习、学术研究与数据分析使用，不构成任何投资建议与交易指导，不提供、不内置证券交易服务。框架仅提供通用接口拓展能力，仅建议用户对接持牌机构提供的合规交易终端接口；用户自主新增、对接各类交易接口、开发拓展功能以及对应的实操行为，均由用户自行承担全部风险与法律责任，严禁对接非法交易通道、用于违规交易场景。 安装及使用，请先看帮助文档，谢谢！[https://hikyuu.readthedocs.io/zh-cn/latest/index.html](https://hikyuu.readthedocs.io/zh-cn/latest/index.html) 👉 **项目地址：** * [https://github.com/fasiondog/hikyuu](https://github.com/fasiondog/hikyuu) * [https://gitee.com/fasiondog/hikyuu](https://gitee.com/fasiondog/hikyuu) * [https://gitcode.com/hikyuu/hikyuu](https://gitcode.com/hikyuu/hikyuu) 👉 **项目首页：**[https://hikyuu.org/](https://hikyuu.org/) 👉 **帮助文档：**[https://hikyuu.readthedocs.io/zh-cn/latest/index.html](https://hikyuu.readthedocs.io/zh-cn/latest/index.html) 👉 **入门示例:**[https://nbviewer.org/github/fasiondog/hikyuu/blob/master/hikyuu/examples/notebook/000-Index.ipynb?flush_cache=True](https://nbviewer.org/github/fasiondog/hikyuu/blob/master/hikyuu/examples/notebook/000-Index.ipynb?flush_cache=True) 👉 **策略部件库：**[https://gitee.com/fasiondog/hikyuu_hub](https://gitee.com/fasiondog/hikyuu_hub) 👉 感谢网友提供的 Hikyuu Ubuntu虚拟机环境, 百度网盘下载(提取码: ht8j): [https://pan.baidu.com/s/1CAiUWDdgV0c0VhPpe4AgVw?pwd=ht8j](https://pan.baidu.com/s/1CAiUWDdgV0c0VhPpe4AgVw?pwd=ht8j) 示例： #创建模拟交易账户进行回测，初始资金30万 my_tm = crtTM(init_cash = 300000) #创建信号指示器（以5日EMA为快线，5日EMA自身的10日EMA作为慢线，快线向上穿越慢线时买入，反之卖出） my_sg = SG_Flex(EMA(CLOSE(), n=5), slow_n=10) #固定每次买入1000股 my_mm = MM_FixedCount(1000) #创建交易系统并运行 sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm) sys.run(sm['sz000001'], Query(-150))  完整示例参见：[https://nbviewer.jupyter.org/github/fasiondog/hikyuu/blob/master/hikyuu/examples/notebook/000-Index.ipynb?flush_cache=True](https://nbviewer.jupyter.org/github/fasiondog/hikyuu/blob/master/hikyuu/examples/notebook/000-Index.ipynb?flush_cache=True) # 🔥 为什么选择 Hikyuu？ **💹 组合灵活，分类构建策略资产库** Hikyuu 对系统化交易方法进行了轻量化抽象，涵盖市场环境判断、系统有效条件、信号指示器、止损 / 止盈策略、资金管理、盈利目标、滑点算法、交易对象筛选、资金分配等核心组件。你可以基于这些组件自由搭建专属策略库，灵活组合、高效回测，并在策略探索时专注于单一模块的效果与影响，大幅提升研究效率。主要功能架构如下： **🚀 极致性能，轻松构建专属量化应用** 项目由三大部分构成：高性能 C++ 核心库、Python 接口层（hikyuu）、以及交互式探索工具。 * AMD 7950x 实测：A 股全市场 1913 万日 K 线，首次加载 + 计算 20 日均线并求和，仅需 6 秒；数据预热后，同操作耗时仅需 166 毫秒。性能实测: [性能实测](https://mp.weixin.qq.com/s?__biz=MzkwMzY1NzYxMA==&mid=2247483768&idx=1&sn=33e40aa9633857fa7b4c7ded51c95ae7&chksm=c093a09df7e4298b3f543121ba01334c0f8bf76e75c643afd6fc53aea1792ebb92de9a32c2be&mpshare=1&scene=23&srcid=05297ByHT6DEv6XAmyje1oOr&sharer_shareinfo=b38f5f91b4efd8fb60303a4ef4774748&sharer_shareinfo_first=b38f5f91b4efd8fb60303a4ef4774748#rd) * C++ 核心库：内置完整策略框架，原生支持多线程与多核加速，为超高算力场景预留扩展空间；核心库可独立剥离使用，帮助开发者快速构建自定义量化工具。 * Python接口层（hikyuu）对 C++ 核心进行轻量化封装，集成 TA-Lib，支持与 numpy、pandas 无缝互转，轻松对接主流 Python 数据分析生态。 * hikyuu.interactive 交互式探索工具，内置 K 线、指标、信号可视化能力，适合快速策略验证与回测分析。 **🍳 语法简洁，策略探索更高效自由** 同时支持面向对象与命令行两种编程范式。尤其在策略探索阶段，命令行风格语法极简、表达直观，让你更快验证想法、迭代策略。 **🔐 自主可控，搭建专属云量化平台** 结合 Python + Jupyter 与云服务器，即可搭建完全自主可控的云量化平台。部署后随时随地访问（手机、平板、电脑均可使用），快速落地新想法。同时可无缝对接 numpy、scipy、pandas、TensorFlow 等成熟 AI 与数据分析工具，构建智能量化系统。也可按需自定义界面、实现服务化部署。 **🎁 模块化可扩展数据存储** 目前支持本地 HDF5、MySQL 两种存储方式，默认采用 HDF5（文件体积小、读写速度快、备份便捷）。截至 2017 年 4 月 21 日，沪市日线数据文件仅 149MB，深市 184MB，5 分钟线数据整体小于 2GB。通过插件可扩展 ClickHouse 存储，其读写速度优于 HDF5、空间占用远低于 MySQL，更适配分钟级及以下粒度的高频数据存储。 # 🍺 想要更多了解Hikyuu？请使用以下方式联系： 交流渠道以微信群为主、QQ 群为辅。**加入任一社群请备注 “加入 hikyuu”，未备注将无法通过验证哦～**  ## 私域定制  ## 项目依赖说明 Hikyuu 的 C++ 核心模块直接依赖以下开源项目（间接依赖项及 Python 侧依赖未列出；Python 依赖可参考 requirements.txt 文件）。在此感谢所有开源作者的贡献 | 名称 | 项目地址 | License | | ------------- | --------------------------------------------------------------------------- | ------------------------------------------------------------------------------------- | | xmake | [https://github.com/xmake-io/xmake](https://github.com/xmake-io/xmake) | Apache 2.0 | | hdf5 | [https://github.com/HDFGroup/hdf5](https://github.com/HDFGroup/hdf5) | [hdf5 license](https://github.com/HDFGroup/hdf5?tab=License-1-ov-file#License-1-ov-file) | | mysql(client) | [https://github.com/mysql/mysql-server]() | [mysql license](https://github.com/mysql/mysql-server?tab=License-1-ov-file#readme) | | fmt | [https://github.com/fmtlib/fmt](https://github.com/fmtlib/fmt) | [fmt license](https://github.com/fmtlib/fmt?tab=License-1-ov-file#readme) | | spdlog | [https://github.com/gabime/spdlog](https://github.com/gabime/spdlog) | MIT | | sqlite | [https://www.sqlite.org/](https://www.sqlite.org/) | [sqlite license](https://www.sqlite.org/copyright.html) | | flatbuffers | [https://github.com/google/flatbuffers](https://github.com/google/flatbuffers) | Apache 2.0 | | nng | [https://github.com/nanomsg/nng](https://github.com/nanomsg/nng) | MIT | | nlohmann_json | [https://github.com/nlohmann/json](https://github.com/nlohmann/json) | MIT | | boost | [https://www.boost.org/](https://www.boost.org/) | [Boost Software License](https://www.boost.org/users/license.html) | | python | [https://www.python.org/](https://www.python.org/) | [Python license](https://docs.python.org/3/license.html) | | pybind11 | [https://github.com/pybind/pybind11](https://github.com/pybind/pybind11) | [pybind11 license](https://github.com/pybind/pybind11?tab=License-1-ov-file#readme) | | gzip-hpp | [https://github.com/mapbox/gzip-hpp](https://github.com/mapbox/gzip-hpp) | BSD-2-Clause license | | doctest | [https://github.com/doctest/doctest](https://github.com/doctest/doctest) | MIT | | ta-lib | [https://github.com/TA-Lib/ta-lib.git]() | BSD-3-Clause license | | clickhouse | [https://github.com/ClickHouse/ClickHouse]() | Apache 2.0 | | xxhash | [https://github.com/Cyan4973/xxHash]() | BSD 2-Clause License | | utf8proc | [https://github.com/JuliaStrings/utf8proc]() | MIT | | arrow | [https://github.com/apache/arrow]() | Apache 2.0 | | eigen | [https://gitlab.com/libeigen/eigen](https://gitlab.com/libeigen/eigen) | Apache 2.0 | | mimalloc | [https://github.com/microsoft/mimalloc](https://github.com/microsoft/mimalloc) | MIT |

标签：A股, C++, Python, 数据擦除, 无后门, 策略回测, 逆向工具, 量化交易, 量化研究框架, 金融数据分析