Hikyuu - 量化交易研究框架

核心优势

为什么选择 Hikyuu

强大的功能特性，助力您的量化交易研究

金融正确性优先：交易理论与金融语义完整且正确

一笔交易在金融上该怎样成立——何时成交、成本由哪几项构成、除权时持仓与现金如何变化、绩效用什么口径、空值与非有限值怎么传播——在框架里都是完整且显式的：环节不缺、规则被真正执行、可被逐项校验。立意只有一句：不让一个「能跑通」却不成立的策略，被当成结论。

组合即策略：一个引擎覆盖系统化交易 / 资产配置 / 多因子

组合与策略是同一件事：组合节点同样持有完整的交易语义，可任意深度嵌套；同一引擎支持三种运行模式（A 信号聚合 / B 资金分配 / C 共享账户），覆盖多策略观点叠加、FOF/MOM 再平衡与多策略共享资金池。团队 / 个人的策略池可以整体回测，也可以拆开算账。

一张理论地图，而非黑盒

把做策略该考虑的环节逐项列出（环境 → 条件 → 信号 → 仓位 → 退出 → 滑点 → 成本；组合层：选样 → 资金分配 → 风控），照图逐项填写，路径本身就是入门路径。它不是自动交易工具：不内置券商对接、不承诺自动下单，OrderBroker 只是可插拔接口，对接与否由你决定并承担合规责任。适合想把系统化交易认真学一遍的人。

极致性能，轻松构建专属量化应用

C++ 核心库原生支持多线程与多核加速；Python 接口层集成 TA-Lib，与 numpy、pandas 无缝互转。AMD 7950x 实测：1913 万日 K 线首次加载约 6 秒，预热后计算 20 日均线并求和仅需 166 毫秒。核心库可独立剥离，快速构建自定义工具。

自主可控，搭建专属云量化平台

结合 Python + Jupyter 与云服务器，搭建完全自主可控的云量化平台，手机、平板、电脑随时随地访问。无缝对接 numpy、scipy、pandas、TensorFlow 等 AI 与数据分析工具，按需自定义界面、实现服务化部署。

开源透明，工程可验证

Apache 2.0 开源协议，代码透明审计无忧。核心代码 1300+ 处显式校验拦住规则与输入边界，1600+ 个 doctest 用例、1.6 万条断言按「一模块一套件、一边界一用例」组织；Windows / Ubuntu / macOS 三平台 CI；C++ 核心可独立剥离，核心数据与策略全量本地可控。

快速上手

简洁的API设计

pip install hikyuu 即可安装，用 HikyuuTDX 图形界面一键导入 A 股历史行情，几行代码跑通第一个回测。

查看更多示例

from hikyuu.interactive import *

# 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，其 10 日 EMA 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))

组合即策略：组合可作为节点，任意深度嵌套

from hikyuu.interactive import *

# 1. 每个子系统都是一套完整的系统化交易：各自的 SG / MM / ST 与账本
def make_leaf(code, sg):
    sys = SYS_Simple(tm=crtTM(init_cash=100000), sg=sg,
                     mm=MM_FixedPercent(0.5), st=ST_FixedPercent(0.05))
    sys.to = sm[code].get_kdata(Query(-500))    # 绑定自身 K 线
    return sys

trend = make_leaf("sh600000", SG_Cross(EMA(CLOSE(), n=5), MA(CLOSE(), n=60)))
grid = make_leaf("sh600004", SG_Cross(EMA(CLOSE(), n=3), MA(CLOSE(), n=10)))

# 2. 组合工厂只做投资组合该做的事：谁参与（SE）+ 分多少钱（AF）
group = PF_SignalAggregate(tm=crtTM(Datetime(202001010000), 300000), adjust_cycle=5)
group.add(trend)
group.add(grid)

# 3. 这个组合还能作为节点参与更大的组合（多资产多策略的逐层聚合）
top = PF_Simple(tm=crtTM(Datetime(202001010000), 1000000),
                af=AF_FixedWeightList([0.6, 0.4]), adjust_cycle=5)
top.add(group)
top.add(make_leaf("sh600005", SG_Cross(EMA(CLOSE(), n=10), MA(CLOSE(), n=30))))

# 4. 一次运行，整个组合在同一账户内统一结算
top.run(Query(-500))
print(top.tm.get_funds().total_assets)