Skip to content
ling-0729Public

About

KHunter 是一套开箱即用的A股量化交易系统,集数据管理、策略选股、择时交易、风险控制、回测验证于一体,为个人投资者提供从数据到交易的全流程量化解决方案。

Topics

Resources

Code of conduct

Contributing

Security policy

Stars

760 stars

Watchers

11 watching

Forks

Repository files navigation

KHunter - 开箱即用的A股量化交易系统

KHunter 是一套开箱即用的A股量化交易系统,集数据管理、策略选股、择时交易、风险控制、回测验证于一体,为个人投资者提供从数据到交易的全流程量化解决方案。

当前版本:1.7.1(2026-10-07) | 详细变更见 RELEASE_NOTES.md | 发布清单见 RELEASE_FILES.md

🆕 1.7.1 亮点(策略清单同步)

  • 选股策略:12 种(原 13 种;9 个已归档至 strategy/disabled/,不再参与选股);
  • 择时策略:8 种(原 5 种;新增 低位海龟、海龟plus、趋势回调缩量);
  • 顺势宝规则简化:买 2 种(稳健启动 / 强势突破)+ 加仓 1 种(=买②口径,数量按海龟递减)+ 卖出 1 种(最低价 < 中轨 且 MACD 转绿 ⇒ 全清);
  • ⚠️ 清单以启动时注册表为准(详见下方策略表与 RELEASE_NOTES.md)。

🆕 1.7.0 亮点

  • 当日仓位上限(大盘 ADX 判定):ADX>25 ∧ 上升 ⇒ 100% | ADX<18 ∧ 上升 ∧ 收盘>MA20 ⇒ 50% | 其他 ⇒ 0%(不开新仓,加仓不受限); 含板块回退(全A 兜底时按板块指数部分放行,仅限对应板块)与细则「双创同时放行 ⇒ 整体不放行」;
  • 实盘/回测时点口径统一:两边都是「信号日当天收盘」(实盘 T 日信号 → T+1 成交;回测信号日 = 执行日前一根), 大盘档位与个股闸门共用同一解析器,且回测硬钉"前一根"(不会前视);
  • 回测数据本地化 + 离线闸门:四类本地数据(交易日历/资金流/基本面/公告)+ ADX;回测完全离线、结果可复现; ★ 数据源无权限 ⇒ 自动跳过、不中断(逐维度/逐指数留痕,不计失败);
  • 结构完整性:补齐 trading_plan 表与 khunter.key_date 列;启动自动建表/补列(含迁移前备份与审计表);
  • 飞书日报新增「大盘 ADX + 当日仓位上限判定」一节(含判定日与口径,缺数据如实标注);
  • 初始化页新增「大盘指数 ADX」维度(一键全量 = 7 项);
  • ⚠️ 升级 / 新装后必做「ADX 两类回填」(否则个股闸门会静默不放行 ⇒ 完全不买入 ✗):
    # ① 个股 ADX(stock_kline.adx 的"值"不会随建表产生 ✗)
    from utils.global_db import get_global_db
    from utils import stock_adx as SA
    print(SA.backfill_all(get_global_db().connect()))      # 分钟级 ✓ 幂等 ✓ 可反复跑 ✓
    # ② 指数 ADX(主指数 + 科创板 + 创业板)
    python tools/backfill_index_adx.py --indexes 399006.SZ,000688.SH --start 20200101 --end 20260930
    # ③ 自检(覆盖率 / 起点预热 / 接线 / yaml↔DB 一致性)
    python tools/manual_check_adx.py
    顺序:重启(自动建表/补列)→ 初始化页勾全 7 项 → ①②回填 → ③自检 → 才开回测 ✓。

⚠️ 本仓库只发布源码:test_*.py(回归测试)与 config/config.yaml(含本地凭据)不入库 ℹ️

✨ 核心优势

🎯 多策略选股和择时

  • 12种选股策略 - 覆盖底部反转、形态突破、均线共振等多个维度(★ 2026-10-07 更新:原 13 种中 9 个已归档至 strategy/disabled/,见下方说明)
  • 8种择时策略 - 辅助判断买卖时机(★ 2026-10-07 更新:新增 低位海龟、海龟plus、趋势回调缩量;顺势宝规则已简化)
  • 策略灵活组合 - 支持多策略组合,精准捕捉投资机会

📊 完整的数据支持

  • 5000+只A股数据 - 覆盖全市场股票,支持最多三年历史数据回溯
  • 智能数据更新 - 自动判断更新时机,避免不必要的网络请求
  • 多层降级机制 - 确保数据获取的稳定性和可用性

🌐 可视化管理界面

  • Web管理系统 - 实时查看股票数据、执行选股、分析结果
  • K线图可视化 - 为每只入选股票生成K线图,直观展示技术形态
  • 策略参数配置 - 在线修改策略参数

🔒 风险控制

  • VaR风险控制 - 基于VaR的风险评估和仓位管理
  • 自动风险过滤 - 自动排除ST股、退市股、市值过低股票、近期涨幅过高等高风险标的

📈 股票评分系统

KHunter采用五维度综合评分模型,从多个角度全面评估股票投资价值。

五维度评分体系

维度 权重 评分范围 说明
技术面 35% 不限 策略命中情况,权重累加
资金面 35% -100~100 资金流向分析,最重要指标
基本面 10% -60~+60 财务指标分析,排雷为主
板块强度 10% -100~+200 所属板块表现,顺势而为
事件驱动 10% -100~+100 重大事件催化,短期机会

狩猎场使用流程

  1. 执行选股 - 运行选股策略,获得初步候选股票
  2. 排名评分 - 对选股结果进行五维评分和排名
  3. 筛选过滤 - 按评分等级、支撑位等条件筛选
  4. 狩猎场展示 - 查看符合条件的优质股票
  5. 追踪管理 - 对狩猎场股票进行追踪和管理

📈 策略回测功能

  • 回测配置 - 配置回测参数,包括策略选择、回测时间范围、资金管理等
  • 回测执行 - 执行策略回测,模拟真实交易环境
  • 结果分析 - 展示回测结果,包括收益率、胜率、最大回撤等指标
  • 交易记录 - 查看详细的交易记录,了解策略表现
  • 收益曲线 - 展示资金曲线,直观展示策略效果

🚀 开箱即用

  • 一键启动 - 快速开始选股
  • 完善的文档 - 详细的策略说明和使用指南

环境要求

  • ★ Python 3.10+(2026-10-07 更正 ✗→✓)
    • ⚠️ 原文档写 "3.8+" ✗ —— 实测不成立 ✗:web_server.py 等使用 StrategyRunner | None 形式的联合类型注解 ✓,且文件没有 from __future__ import annotations ✓ ⇒ 该语法会立即求值 ✗ ⇒ 3.8 / 3.9 会直接报错、服务起不来 ✗✓(按旧文档装环境会踩坑 ✗)
    • 开发/生产环境实测为 3.12 ✓(python --version 复核过 ✓)
  • pip 或 conda

安装步骤

# 1. 克隆项目
git clone https://github.com/ling-0729/KHunter.git
cd KHunter

# 2. 安装依赖
pip install -r requirements.txt

# 3. 启动Web界面
python main.py web

第2,3步也可以直接在windows下双击根目录下start.bat文件自动处理

🌐 Web界面功能

访问 http://localhost:5001 可使用以下功能:

  • 系统概览 - 股票数量、最新数据日期、系统状态
  • 股票列表 - 所有股票基本信息,支持搜索和分页
  • 选股执行 - 执行选股并查看详细结果,支持多策略组合
  • 策略配置 - 在线查看和修改策略参数
  • 策略回测 - 配置和执行策略回测,查看回测结果
  • 狩猎场 - 查看多维度评分的股票筛选结果
  • 数据管理 - 查看数据更新状态,执行数据初始化和更新
  • 看板功能 - 展示金股、热门行业和板块分布
  • 策略运行器 - 策略自动化执行(需配置文件)

初次使用必须执行的功能: 初始化数据,数据更新 日常每天收盘后执行数据更新,增量更新最新k线数据 通过查询基础数据和首页的数据最新日期,股票数量等信息可以验证数据准备情况 数据准备好了以后,可以通过执行选股功能,按策略选股,并保存选股结果 选股完成后,可以通过选股排名功能,对选股结果进行五维分析,并对结果排名 对于选股结果,通过分数阈值和跟踪天数过滤,对当前价格和支撑位价格比较分析,对于符合条件的股票筛选到狩猎场 可以对排名靠前的股票,狩猎场股票进行跟踪,便于调整策略参数,迭代优化策略,有一定开发基础的朋友可以自己扩展策略 可以对策略进行历史数据回测,便于进一步优化策略

注意:由于免费数据源的稳定性问题,经过测试,策略选股功能可以稳定使用,但是由于选股排名和狩猎场等功能依赖于除k线以外的如资金面,基本面,板块,事件等数据,可能存在数据无法稳定获取的情况,对功能有一定影响。一方面开发者积极探索稳定数据源,另一方面可以通过注册tushare获取api token解决数据稳定性问题,完整功能需要6000积分,带来的困扰请理解。

📊 12种选股策略

★ 2026-10-07 更新(以实际注册为准 ✓):

  1. 本表 = 启动时 StrategyRegistry 真实注册的 12 个策略 ✓(与运行日志逐字一致 ✓);
  2. 另有 9 个已归档至 strategy/disabled/ ✗:底部趋势拐点、趋势加速拐点、涨停横盘、强势洗盘弱转强、 趋势起点、W底、金叉未绿、低位TD9、碗口反弹(_bowl_rebound_disabled.py)—— ⚠️ 它们不再参与选股(仅留档备查 ✓);如需启用 ⇒ 移回 strategy/ 并在注册表登记 ✓;
  3. config/strategy_order.yaml 中仍列有 MTopStrategy / MultiDeathCrossStrategy 等已不存在的策略 ✗ ⇒ 该项配置属历史遗留,实际执行以注册表为准 ✓。
# 策略名称 核心逻辑 适用场景
1 金三角策略 均线金三角形态(多头排列共振) 趋势启动
2 涨停回马枪策略 涨停后回调再次启动 短期强势
3 启明星策略 三根K线底部反转形态 底部反转
4 多金叉共振 均线/KDJ/MACD金叉共振 多头共振
5 多方炮策略 两阳夹一阴K线组合 短期反弹
6 阻力位突破策略 股价突破关键阻力位 突破选股
7 仙人指路策略 长上影线突破形态 突破选股
8 龙头策略 强势领涨股识别 题材/主线
9 主升低吸策略 主升浪中的回调低吸 趋势回踩
10 次新腰斩策略 次新股大幅回撤后的反弹 超跌反弹
11 超跌反弹 短期超跌后的修复反弹 反弹博弈
12 2560战法 基于特定K线形态的选股策略 形态突破

⏰ 8种择时策略

★ 2026-10-07 更新 ✓:新增 低位海龟(去 MA20 过滤)、海龟plus(只做第二买点)、 趋势回调缩量策略 ✓;顺势宝规则已简化(见下 ✓)⇒ 共 8 种(原 5 种)。

# 策略名称 核心逻辑 适用场景
1 布林带策略 基于布林带上下轨判断买卖时机 震荡行情
2 RSI策略 基于相对强弱指数判断超买超卖 短线交易
3 支撑位策略 基于支撑位和压力位判断买卖 波段操作
4 海龟策略 基于ATR的突破和仓位管理 趋势交易
5 低位海龟(low_turtle) 海龟系,去掉 MA20 过滤 更早入场
6 海龟plus(turtle_plus) 海龟系,只做第二买点 趋势确认后加仓
7 趋势回调缩量策略(uptrend_pullback) 上升趋势中回调且缩量时介入 趋势回踩
8 顺势宝(macd_bollinger) ★ 已简化:买 2 种(稳健启动 / 强势突破)+ 加仓 1 种(=买②口径,数量按海龟递减 1/(已加仓+2))+ 卖出 1 种(最低价 < 中轨 且 MACD 转绿 ⇒ 全清) 趋势跟随

策略参数配置

可以前端功能调整策略参数。每个策略都有独立的参数配置,支持在线修改。

🛠️ 技术栈

  • ★ Python 3.10+ - 核心语言(⚠️ 原写 "3.8+" ✗ 与代码不符,见「环境要求」说明 ✓)
  • akshare - A股实时/历史数据获取
  • pandas/numpy - 数据处理与技术指标计算
  • matplotlib - K线图生成
  • Flask - Web管理界面
  • SQLite - 数据存储

📁 项目结构

├── main.py                      # 主程序入口
├── web_server.py                # Web服务器
├── stock_analyzer/              # 股票分析器模块
│   ├── data_fetcher.py          # 数据获取
│   ├── technical_analyzer.py    # 技术分析
│   ├── fundamental_analyzer.py  # 基本面分析
│   ├── sector_analyzer.py       # 行业分析
│   ├── fund_flow_analyzer.py    # 资金流分析
│   ├── event_analyzer.py        # 事件分析
│   └── report_generator.py      # 报告生成
├── strategy/                    # 策略模块(★ 2026-10-07 按实际注册清单更正 ✓)
│   ├── __init__.py              # 初始化文件
│   ├── base_strategy.py         # 策略基类
│   ├── golden_triangle_strategy.py      # 金三角策略
│   ├── limit_up_pullback_strategy.py    # 涨停回马枪策略
│   ├── morning_star.py          # 启明星策略
│   ├── multi_golden_cross.py    # 多金叉共振
│   ├── multi_party_cannon.py    # 多方炮策略
│   ├── resistance_breakout.py   # 阻力位突破策略
│   ├── immortal_guidance_strategy.py    # 仙人指路策略
│   ├── leader_strategy.py       # 龙头策略
│   ├── main_uptrend_dip_buy_strategy.py # 主升低吸策略
│   ├── new_stock_drawdown_strategy.py   # 次新腰斩策略
│   ├── oversold_rebound_strategy.py     # 超跌反弹
│   ├── strategy_2560_selection.py       # 2560战法
│   ├── parallel_strategy_executor.py    # 并行策略执行器
│   ├── strategy_registry.py     # 策略注册表
│   ├── pattern_config.py / pattern_library.py / pattern_matcher.py  # 形态库
│   ├── _bowl_rebound_disabled.py        # 碗口反弹(**已禁用** ✗)
│   └── disabled/                # ★ 已归档策略(**不参与选股** ✗,共 8 个)
│       ├── bottom_trend_inflection.py   # 底部趋势拐点
│       ├── trend_acceleration_inflection.py  # 趋势加速拐点
│       ├── limit_up_sideways_strategy.py     # 涨停横盘
│       ├── strong_wash_weak_to_strong.py     # 强势洗盘弱转强
│       ├── trend_start_strategy.py      # 趋势起点
│       ├── w_bottom_strategy.py         # W底
│       ├── golden_cross_not_green.py    # 金叉未绿
│       └── low_td9_strategy.py          # 低位TD9
├── trading/                     # 交易和评分模块
│   ├── __init__.py              # 初始化文件
│   ├── backtest_engine.py       # 回测引擎
│   ├── backtest_dao.py          # 回测数据访问
│   ├── backtest_batch_queue.py  # 批量回测队列
│   ├── routes.py                # API路由
│   ├── khunter_api.py           # 狩猎场API
│   ├── khunter_dao.py           # 狩猎场数据访问
│   ├── khunter_data_processor.py  # 狩猎场数据处理
│   ├── khunter_support_calculator.py  # 狩猎场支撑位计算
│   ├── khunter_buy_point_judge.py  # 狩猎场买点判断
│   ├── stock_score_calculator.py  # 股票评分计算
│   ├── stock_score_dao.py       # 股票评分数据访问
│   ├── stock_score_api.py       # 股票评分API
│   ├── strategy_execution_plan.py  # 策略执行计划
│   ├── strategy_runner.py       # 策略运行器
│   ├── macd_bollinger_strategy.py  # 顺势宝策略
│   └── ...
├── utils/                       # 工具模块
│   ├── akshare_fetcher.py       # AKShare数据获取
│   ├── csv_manager.py           # CSV数据管理
│   ├── technical.py             # 技术指标
│   ├── kline_chart.py           # K线图生成
│   ├── log_config.py            # 日志配置与自动清理
│   ├── risk_manager.py          # 风险管理
│   ├── risk_controller.py       # 风险控制器
│   ├── var_calculator.py        # VaR计算器
│   ├── risk_config_loader.py    # 风险配置加载器
│   └── ...
├── config/                      # 配置文件
│   ├── config.yaml              # 主配置
│   ├── strategy_params.yaml     # 策略参数
│   ├── strategy_order.yaml      # 策略顺序
│   ├── strategy_weights.json    # 策略权重
│   ├── risk_config.yaml         # 风险配置
│   └── ...
├── web/                         # Web前端
│   ├── templates/               # HTML模板
│   └── static/                  # 静态资源
├── data/                        # 数据库脚本
│   ├── DataSql.sql              # 数据库结构脚本
│   └── InitData.sql             # 初始化数据脚本
└── doc/                         # 文档

⚙️ 配置说明

配置文件

  • 主配置文件 (config/config.yaml) - 系统级配置,包括数据获取、选股和Web服务设置
  • 策略参数配置 (config/strategy_params.yaml) - 各策略的参数配置
  • 策略顺序配置 (config/strategy_order.yaml) - 策略执行顺序
  • 策略权重配置 (config/strategy_weights.json) - 策略权重设置
  • 风险配置 (config/risk_config.yaml) - 风险控制参数配置

详细配置说明请参考各配置文件中的注释。

🔄 智能数据更新

系统采用智能更新策略:

  1. 3点前 - 不更新,使用本地已有数据
  2. 3点后 - 检查每只股票是否有当天数据
  3. 100%有当天数据 - 跳过更新,直接使用
  4. 否则 - 执行增量更新

这样既能保证数据的及时性,又能避免不必要的网络请求。为保证数据完整准确,建议16:00后执行更新。

🔧 扩展新策略

创建新策略

  1. 在 strategy/ 目录创建新文件,继承 BaseStrategy
  2. 实现 calculate_indicators() 和 select_stocks() 方法
  3. 在 config/strategy_params.yaml 添加参数
  4. 系统自动识别并执行

示例:

from strategy.base_strategy import BaseStrategy

class MyStrategy(BaseStrategy):
    def __init__(self, params=None):
        super().__init__("我的策略", params)
    
    def calculate_indicators(self, df):
        # 计算指标
        return df
    
    def select_stocks(self, df, stock_name=''):
        # 选股逻辑
        return signals

⚠️ 免责声明

  1. 本项目仅供学习和研究使用,不构成任何投资建议。
  2. 筛选结果仅为技术指标计算结果,不代表对任何股票的推荐或预测。
  3. 过往表现不代表未来收益,股市有风险,投资需谨慎。
  4. 使用者应基于独立判断进行投资决策,因使用本项目产生的任何投资损失,作者不承担任何责任。
  5. 本项目按“原样”提供,不附带任何明示或暗示的保证,包括但不限于适销性、特定用途适用性的保证。

📄 License 本项目基于 MIT 许可证开源,详见 LICENSE 文件。 特别致谢原项目 a-share-quant-selector 的作者 Dzy-HW-XD,本项目在其优秀的基础架构上扩展开发。

🙏 致谢 感谢以下开源项目:

a-share-quant-selector - 原项目基础架构

akshare - A股数据获取库

pandas - 数据处理库

Flask - Web框架

GitHub: https://github.com/ling-0729/khunter

📫 联系与交流

如需获取项目更新、技术文档详细介绍、和作者深度交流,请访问飞书文档:

👉 KHunter - 项目与技术交流入口

About

KHunter 是一套开箱即用的A股量化交易系统,集数据管理、策略选股、择时交易、风险控制、回测验证于一体,为个人投资者提供从数据到交易的全流程量化解决方案。

Topics

Resources

Code of conduct

Contributing

Security policy

Stars

760 stars

Watchers

11 watching

Forks

Releases

Packages

Contributors

Languages