QKA - 快量化

Quick Quantitative Assistant

一个简洁易用、可实操A股的量化交易框架

快速开始 GitHub

---

✨ 特性

核心特性

• 🚀 极简API - 3行代码完成回测
• 📊 多数据源 - 支持QMT、Akshare等数据源
• 🔄 事件驱动 - 现代化的事件系统架构
• 📈 实盘对接 - 直接对接QMT进行A股实盘交易
• 🛠️ 工具丰富 - 内置缓存、日志、配置管理等工具
• 📖 文档完善 - 详细的文档和示例

🚀 快速体验

安装

pip install qka

3分钟上手

获取数据定义策略运行回测

import qka

# 获取股票数据
data_obj = qka.data('akshare', stocks=['000001', '000002'])
hist_data = data_obj.get(start_time='2023-01-01', end_time='2023-12-31')

from qka.core.backtest import Strategy

class MyStrategy(Strategy):
    def on_bar(self, data, broker, current_date):
        for symbol, df in data.items():
            if len(df) >= 20:
                price = df['close'].iloc[-1]
                ma20 = df['close'].rolling(20).mean().iloc[-1]

                if price > ma20 and broker.get_position(symbol) == 0:
                    broker.buy(symbol, 0.3, price)  # 买入30%资金
                elif price < ma20 and broker.get_position(symbol) > 0:
                    broker.sell(symbol, 1.0, price)  # 全部卖出

# 运行回测
result = qka.backtest(
    data=data_obj,
    strategy=MyStrategy(),
    start_time='2023-01-01',
    end_time='2023-12-31'
)

# 查看结果
print(f"总收益率: {result['total_return']:.2%}")
print(f"年化收益率: {result['annual_return']:.2%}")
print(f"最大回撤: {result['max_drawdown']:.2%}")

📋 功能模块

• 📊 数据管理

  ---

  支持多种数据源，自动缓存，数据质量检查

  → 了解更多

• 🧠 策略开发

  ---

  简洁的策略框架，丰富的技术指标，事件驱动

  → 了解更多

• 📈 回测分析

  ---

  高效的回测引擎，详细的绩效分析，可视化图表

  → 了解更多

• 🚀 实盘交易

  ---

  直接对接QMT，支持A股实盘交易，风险控制

  → 了解更多

🏗️ 架构优势

graph TB
    A[策略层] --> B[事件系统]
    B --> C[数据层]
    B --> D[回测引擎]
    B --> E[交易接口]

    C --> F[QMT数据]
    C --> G[Akshare数据]

    E --> H[模拟交易]
    E --> I[实盘交易]

    J[配置管理] --> A
    J --> C
    J --> D
    J --> E

    K[日志系统] --> A
    K --> C
    K --> D
    K --> E

📊 使用场景

典型应用

• 量化策略研究 - 快速验证交易想法
• A股程序化交易 - 实盘自动化交易
• 金融数据分析 - 多源数据整合分析
• 风险管理 - 投资组合监控和风控
• 教学研究 - 量化金融教学和研究

🎯 版本规划

版本	状态	主要功能
v0.1.x	✅ 已发布	基础回测、数据接口、QMT交易
v0.2.x	🚧 开发中	配置管理、事件系统、增强日志
v0.3.x	📋 规划中	数据缓存、质量检查、多频率
v0.4.x	📋 规划中	策略优化、风险管理、指标库
v1.0.x	📋 规划中	稳定版本、完整文档、生态

🐛 问题反馈

• GitHub Issues - 报告bug或提出功能建议

---

开始您的量化之旅 🚀

立即开始