---

Hikyuu Quant Framework是一款基于C++/Python的开源量化交易研究框架，用于策略分析及回测（目前主要用于国内A股市场）。其核心思想基于当前成熟的系统化交易方法，将整个系统化交易抽象为由市场环境判断策略、系统有效条件、信号指示器、止损/止盈策略、资金管理策略、盈利目标策略、移滑价差算法七大组件，你可以分别构建这些组件的策略资产库，在实际研究中对它们自由组合来观察系统的有效性、稳定性以及单一种类策略的效果。

👉 项目地址：

• https://github.com/fasiondog/hikyuu
• https://gitee.com/fasiondog/hikyuu
• https://gitcode.com/hikyuu/hikyuu

👉 项目首页：https://hikyuu.org/

👉 帮助文档：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

👉 策略部件库：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

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

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良好的抽象，包含了九大策略组件：市场环境判断策略、系统有效条件、信号指示器、止损/止盈策略、资金管理策略、盈利目标策略、移滑价差算法、交易对象选择策略、资金分配策略。可以在此基础上构建自己的策略库，并进行灵活的组合和测试。在进行策略探索时，可以更加专注于某一方面的策略性能与影响。其主要功能模块如下：
• 性能保障，打造自己的专属应用 目前项目包含了3个主要组成部分：基于C++的核心库、对C++进行包装的Python库(hikyuu)、基于Python的交互式工具。
  • AMD 7950x 实测：A股全市场（1913万日K线）仅加载全部日线计算 20日 MA 并求最后 MA 累积和，首次执行含数据加载 耗时 6秒，数据加载完毕后计算耗时 166 毫秒，详见: 性能实测
  • C++核心库，提供了整体的策略框架，在保证性能的同时，已经考虑了对多线程和多核处理的支持，在未来追求更高运算速度提供便利。C++核心库，可以单独剥离使用，自行构建自己的客户端工具。
  • Python库（hikyuu），提供了对C++库的包装，同时集成了talib库（如TA_SMA，对应talib.SMA），可以与numpy、pandas数据结构进行互相转换，为使用其他成熟的python数据分析工具提供了便利。
  • hikyuu.interactive 交互式探索工具，提供了K线、指标、系统信号等的基本绘图功能，用于对量化策略的探索和回测。
• 代码简洁，探索更便捷、自由 同时支持面向对象和命令行编程范式。其中，命令行在进行策略探索时，代码简洁、探索更便捷、自由。
• 安全、自由、隐私，搭建自己的专属云量化平台 结合 Python + Jupyter 的强大能力与云服务器，可以搭建自己专属的云量化平台。将Jupyter部署在云服务器上，随时随地的访问自己的云平台，即刻实现自己新的想法，如下图所示通过手机访问自己的云平台。结合Python强大成熟的数据分析、人工智能工具（如 numpy、scipy、pandas、TensorFlow)搭建更强大的人工智能平台。
• 数据存储方式可扩展 目前支持本地HDF5格式、MySQL存储。默认使用HDF5，数据文件体积小、速度更快、备份更便利。截止至2017年4月21日，沪市日线数据文件149M、深市日线数据文件184M、5分钟线数据各不到2G。

想要更多了解Hikyuu？请使用以下方式联系：

加入知识星球

更多示例与程序化交易的分享（您的加入将视为对项目的捐赠）。作者只保证对知识星球用户有问必答，其他渠道视情况。(公众号文章末尾可能不定期发放优惠券)

关注公众号：

加入微信群（请注明“加入hikyuu”）：

QQ交流群：114910869, 或扫码加入

项目依赖说明

Hikyuu直接依赖以下开源项目（由以下项目间接依赖的项目未列出），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	Apache 2.0
hdf5	https://github.com/HDFGroup/hdf5	hdf5 license
mysql(client)	https://github.com/mysql/mysql-server	mysql license
fmt	https://github.com/fmtlib/fmt	fmt license
spdlog	https://github.com/gabime/spdlog	MIT
sqlite	https://www.sqlite.org/	sqlite license
flatbuffers	https://github.com/google/flatbuffers	Apache 2.0
nng	https://github.com/nanomsg/nng	MIT
nlohmann_json	https://github.com/nlohmann/json	MIT
boost	https://www.boost.org/	Boost Software License
python	https://www.python.org/	Python license
pybind11	https://github.com/pybind/pybind11	pybind11 license
gzip-hpp	https://github.com/mapbox/gzip-hpp	BSD-2-Clause license
doctest	https://github.com/doctest/doctest	MIT