一个完整的A股量化选股解决方案，集数据获取、策略分析、选股执行、交易模拟于一体。支持多种（可扩展）选股策略，可灵活组合使用，帮助投资者快速发现投资机会。
- 11种选股策略 - 覆盖底部反转、趋势加速、形态突破等多个维度
- 策略灵活组合 - 支持多策略OR/AND逻辑组合，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1000天历史数据回溯
- 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，无需重启系统
- 虚拟账户管理 - 支持多账户、自定义初始资金
- 完整交易流程 - 模拟真实交易，包括买入、卖出、持仓、收益计算
- 交易记录追踪 - 完整的交易历史和收益分析
- 一键启动 - 简单的命令行接口，快速开始选股
- 自动风险过滤 - 自动排除ST股、退市股等风险股票
- 完善的文档 - 详细的策略说明和使用指南
- Python 3.8+
- 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. 首次全量抓取最多1000天历史数据"
python main.py init
# 5. 启动Web界面
python main.py web访问 http://localhost:5000 查看Web界面。
| # | 策略名称 | 核心逻辑 | 适用场景 |
|---|---|---|---|
| 1 | 碗口反弹策略 | 知行趋势线与多空线的碗口反弹形态 | 中期反弹 |
| 2 | 阻力位突破策略 | 股价突破关键阻力位 | 突破选股 |
| 3 | 启明星策略 | 三根K线底部反转形态 | 底部反转 |
| 4 | 底部趋势拐点 | 深度下跌后的反转拐点 | 极端底部 |
| 5 | 趋势加速拐点 | 上升趋势中的加速拐点 | 趋势加速 |
| 6 | 多金叉共振 | 均线/KDJ/MACD金叉共振 | 多头共振 |
| 7 | 多死叉共振 | 均线/KDJ/MACD死叉共振 | 空头共振 |
| 8 | 多方炮策略 | 两阳夹一阴K线组合 | 短期反弹 |
| 9 | 缩量回调策略 | 上升趋势中的缩量回调 | 趋势回调 |
| 10 | W底策略 | W底双底反转形态 | 双底反转 |
| 11 | M头策略 | M头双顶反转形态 | 双顶反转 |
编辑 config/strategy_params.yaml 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。
# 首次全量抓取数据（最多1000天历史数据）
python main.py init
# 启动Web界面（默认端口5000）
python main.py web
# 显示版本信息
python main.py --version访问 http://localhost:5000 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
- 策略配置 - 在线查看和修改策略参数
- 交易管理 - 虚拟账户、持仓查询、交易记录、收益计算
系统内置完整的交易模拟功能，支持：
- 虚拟账户管理 - 创建多个虚拟账户，设置初始资金
- 买入/卖出操作 - 模拟真实交易流程
- 持仓管理 - 查看当前持仓、成本价、收益率
- 交易记录 - 完整的交易历史记录
- 收益计算 - 自动计算成本价、手续费、收益
- Python 3.8+ - 核心语言
- 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.py # 股票分析器
├── technical.py # 技术指标计算
├── strategy/ # 策略模块
│ ├── base_strategy.py # 策略基类
│ ├── bowl_rebound.py # 碗口反弹策略
│ ├── morning_star.py # 启明星策略
│ ├── pattern_*.py # B1完美图形相关
│ └── ... # 其他策略
├── utils/ # 工具模块
│ ├── akshare_fetcher.py # 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
│ └── ...
├── trading/ # 交易模拟模块
│ ├── trading_service.py # 交易服务
│ ├── trading_dao.py # 数据访问层
│ └── ...
├── config/ # 配置文件
│ ├── config.yaml # 主配置
│ ├── strategy_params.yaml # 策略参数
│ └── strategy_order.yaml # 策略顺序
├── web/ # Web前端
│ ├── templates/ # HTML模板
│ └── static/ # 静态资源
├── data/ # 股票数据（CSV格式）
│ ├── 00/ # 000xxx股票
│ ├── 30/ # 300xxx股票
│ ├── 60/ # 600xxx股票
│ └── 68/ # 688xxx股票
└── test/ # 测试文件
# 数据获取配置
data:
max_retries: 3 # 最大重试次数
timeout: 30 # 超时时间（秒）
cache_dir: data/akshare_cache
# 选股配置
selection:
max_stocks: null # 最大处理股票数（null表示全部）
min_market_cap: 4000000000 # 最小市值（40亿）
exclude_st: true # 排除ST股票
exclude_delisted: true # 排除退市股票
# Web服务配置
web:
host: 0.0.0.0
port: 5000
debug: false每个策略都有独立的参数配置，可根据需要调整。详见配置文件注释。
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。
- 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。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。
📄 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 文档: 详见 doc/ 目录