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
- 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)。
- 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 ✓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 ✓。# 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
⚠️ 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
- 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
- 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
- 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
- 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
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。
| 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 |
- 执行选股 - 运行选股策略,获得初步候选股票
- 排名评分 - 对选股结果进行五维评分和排名
- 筛选过滤 - 按评分等级、支撑位等条件筛选
- 狩猎场展示 - 查看符合条件的优质股票
- 追踪管理 - 对狩猎场股票进行追踪和管理
- 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
- 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
- ★ 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
# 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
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。
★ 2026-10-07 更新(以实际注册为准 ✓):
- 本表 = 启动时
StrategyRegistry真实注册的 12 个策略 ✓(与运行日志逐字一致 ✓);- 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 ✓;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 |
★ 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 |
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。
- ★ 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
├── 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
- 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。
系统采用智能更新策略:
- 3点前 - 不更新,使用本地已有数据
- 3点后 - 检查每只股票是否有当天数据
- 100%有当天数据 - 跳过更新,直接使用
- 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。
- 在
strategy/目录创建新文件,继承BaseStrategy - 实现
calculate_indicators()和select_stocks()方法 - 在
config/strategy_params.yaml添加参数 - 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- 本项目仅供学习和研究使用,不构成任何投资建议。
- 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。
- 过往表现不代表未来收益,股市有风险,投资需谨慎。
- 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。
- 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
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: