快捷量化助手（Quick Quantitative Assistant） 是一个简洁易用、功能完整的A股量化交易框架，支持数据获取、策略回测、实盘交易等全流程量化交易功能。
- 🚀 简洁易用: 统一的API设计，降低量化交易门槛
- 📊 数据丰富: 支持Akshare数据源，提供多周期、多因子数据
- 🔄 高效回测: 基于时间序列的回测引擎，支持多股票横截面处理
- 💰 实盘交易: 集成QMT交易接口，支持实盘交易
- 📈 可视化: 内置Plotly图表，提供交互式回测结果展示
- 🔧 模块化: 高度模块化设计，易于扩展和维护
- 📝 文档完整: 提供详细的API文档和使用示例
pip install qkagit clone https://github.com/zsrl/qka.git
cd qka
pip install -e .import qka
# 创建数据对象
data = qka.Data(
symbols=['000001.SZ', '600000.SH'], # 股票代码列表
period='1d', # 日线数据
adjust='qfq' # 前复权
)
# 获取数据
df = data.get()
print(df.head())import qka
class MyStrategy(qka.Strategy):
def __init__(self):
super().__init__()
self.cash = 100000 # 初始资金
def on_bar(self, date, get):
"""每个bar的处理逻辑"""
# 获取当前价格数据
close_prices = get('close')
# 示例策略：当000001.SZ价格低于10元时买入
if '000001.SZ' in close_prices and close_prices['000001.SZ'] < 10:
# 买入1000股
self.broker.buy('000001.SZ', close_prices['000001.SZ'], 1000)import qka
# 创建策略实例
strategy = MyStrategy()
# 创建回测引擎
backtest = qka.Backtest(data, strategy)
# 运行回测
backtest.run()
# 绘制收益曲线
backtest.plot("我的策略回测结果")from qka.brokers.server import QMTServer
# 创建交易服务器
server = QMTServer(
account_id="YOUR_ACCOUNT_ID", # 你的账户ID
mini_qmt_path="YOUR_QMT_PATH" # QMT安装路径
)
# 启动服务器（会打印token供客户端使用）
server.start()from qka.brokers.client import QMTClient
# 创建交易客户端
client = QMTClient(
base_url="http://localhost:8000", # 服务器地址
token="服务器打印的token" # 访问令牌
)
# 查询账户资产
assets = client.api("query_stock_asset")
print(assets)
# 下单交易
from xtquant import xtconstant
result = client.api(
"order_stock",
stock_code='600000.SH',
order_type=xtconstant.STOCK_BUY,
order_volume=1000,
price_type=xtconstant.FIX_PRICE,
price=10.5
)- 多数据源: 支持Akshare、QMT等数据源
- 缓存机制: 自动缓存数据，提高访问效率
- 并发下载: 多线程并发下载，提升数据获取速度
- 数据标准化: 统一数据格式，便于策略开发
- 时间序列: 基于时间序列的回测引擎
- 多资产支持: 支持多股票横截面数据处理
- 交易记录: 完整的交易记录和持仓跟踪
- 可视化: 交互式回测结果图表
- 抽象基类: 提供策略开发的标准接口
- 事件驱动: 基于bar的事件处理机制
- 交易接口: 内置买入卖出操作接口
- 状态管理: 自动管理资金和持仓状态
- QMT集成: 完整的QMT交易接口封装
- 客户端/服务器: 支持远程交易服务
- 订单管理: 完整的订单生命周期管理
- 错误处理: 完善的错误处理和日志记录
- 模型服务: 提供模型上下文协议支持
- 数据查询: 支持Akshare数据查询工具
- 异步处理: 基于异步IO的高性能处理
- 日志系统: 结构化日志记录，支持文件和控制台输出
- 颜色输出: 带颜色的控制台输出
- 工具函数: 各种实用工具函数
import pandas as pd
def calculate_ma_factor(df):
"""计算移动平均因子"""
df['ma5'] = df['close'].rolling(5).mean()
df['ma20'] = df['close'].rolling(20).mean()
return df
data = qka.Data(
symbols=['000001.SZ'],
factor=calculate_ma_factor # 应用自定义因子
)# 批量处理多只股票
symbols = ['000001.SZ', '600000.SH', '000002.SZ', '600036.SH']
data = qka.Data(
symbols=symbols,
pool_size=20 # 增加并发数提高下载速度
)class EventDrivenStrategy(qka.Strategy):
def on_bar(self, date, get):
close_prices = get('close')
volumes = get('volume')
# 基于成交量的事件
for symbol in close_prices.index:
if volumes[symbol] > volumes.mean() * 2: # 成交量放大
self.broker.buy(symbol, close_prices[symbol], 100)from pathlib import Path
data = qka.Data(
symbols=['000001.SZ'],
datadir=Path("/path/to/cache") # 自定义缓存目录
)A: 可以使用Akshare获取股票列表：
import akshare as ak
stock_list = ak.stock_info_a_code_name()A: 目前版本默认无手续费，可以在策略中手动计算或扩展Broker类。
A: 目前主要支持日线数据，可根据需要扩展分钟线、周线等。
A: 继承Data类并实现相应的数据获取方法。
本项目采用 MIT 许可证 - 查看 LICENSE 文件了解详情。
- 项目主页: https://github.com/zsrl/qka
- 问题反馈: GitHub Issues
感谢以下开源项目的支持：
注意: 量化交易存在风险，请在充分了解风险的情况下使用本框架。作者不对使用本框架产生的任何投资损失负责。