# kira **Repository Path**: chenxu8888/kira ## Basic Information - **Project Name**: kira - **Description**: No description available - **Primary Language**: Unknown - **License**: MulanPSL-2.0 - **Default Branch**: master - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-10-18 - **Last Updated**: 2026-10-18 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # KIRA Quant Trading System A股量化选股系统:**5层漏斗选股 → 线性趋势智能推测 → 凯利公式仓位管理**。 > 项目于 2026-10 重启。原 v1.0 代码因工程整合失败(模块接口从未对齐、核心流水线缺失)废弃, > 本版本保留原算法设计内核,重建工程体系。当前进度:**P0~P8 已完成** > (数据/特征/选股/模型/策略/回测/反馈闭环/报告与可视化)。 ## 当前架构(P8) ``` akshare(腾讯主源/新浪+东财备用) → PostgreSQL 缓存(离线增量, 兜底 parquet 文件) → DataProcessor 清洗(停牌/异常检测/交易日历) 产出 ret_1d/log_return → FeatureEngineer 技术指标 + 因果GARCH波动率 + 杜邦质量分 产出 fwd_ret_{h} → FunnelSelector 5层漏斗(L1流动/L2基本面/L3动量/L4质量/L5线性打分) L5 = 线性外推(等权OLS × 在线RLS 融合) + 可选横截面模型(IC门槛) → KellyPositionSizer 目标权重(edge 估计: 胜率/盈亏比) → TradingStrategy 订单(模拟撮合) A股约束: 整手(100) / 涨跌停(±5/10/20/30%) / T+1 → BacktestEngine walk-forward 滚动调仓(次日 open 成交) + 资金曲线 + IC 跟踪(P6) → FeedbackEngine (P7) 预测 vs 实际 -> IC/命中率 -> 凯利 edge + 自适应 IC 门槛 闭环: 仓位层(edge 直接改后续仓位) + 模型层(IC 差则抬高采纳门槛) 落库: performance_record(每只) + feedback_period(每期) → ClosedLoop (P8) 对比: 先验 edge 回测 vs 反馈 edge 回测(各用独立组合) → ReportGenerator (P8) 闭环报告: markdown + 自包含 HTML + 纯手写 SVG 图表(零绘图依赖) ``` > 数据源说明: 环境实测东财被墙断开、新浪单次请求固定 ~170s 不可用; 腾讯证券直连 > (单次请求、正确列语义) 最稳定, 故腾讯优先, 新浪/东财作备用, 任一故障自动切换。 > 参见 `DataFetcher._fetch_tencent` / `_fetch_daily_sources`。 数据库(PostgreSQL)为**可选**组件:日线与基本面缓存均以 PG 为主(连接失败时回退 parquet 文件);单只下载有 `download_timeout`(默认 30s) 兜底,防止 akshare 内部无超时挂起;缓存命中即跳过下载。`migrate_parquet_daily_to_db` / `migrate_parquet_fundamentals_to_db` 可把存量 parquet 缓存直接转存 PG(不触发网络)。 ## 运行 ```bash pip install -r requirements.txt python src/main.py --selftest # 离线自检(合成数据, 无需网络) python src/main.py --symbols 600592,000001 # 指定股票跑数据流水线 python src/main.py --universe --limit 50 # 全A股列表(剔除ST), 限制数量 python src/main.py --symbols 600592 --fundamentals # 附带基本面(行业/ROE/PE/市值...) python src/main.py --symbols 600592 --fill-calendar # 按交易日历补齐缺失日期 # 5层漏斗选股 python src/main.py --universe --limit 200 --select # 漏斗选股 -> TopN 候选 python src/main.py --universe --limit 100 --select --size 1000000 # 附带凯利目标权重/订单 python src/main.py --symbols 600592 --select --as-of 20250930 # 指定调仓日 # 回测(P6): walk-forward 滚动调仓 + 资金曲线 + IC 跟踪 python src/main.py --universe --limit 40 --backtest --start 20240101 --end 20241031 # 反馈闭环(P7): 预测 vs 实际 -> IC/命中率 -> 凯利 edge + 自适应 IC 门槛 python src/main.py --universe --limit 40 --feedback --start 20240101 --end 20241031 # 闭环前后对比 + 报告(P8): 反馈更新 edge 后, 回测复用该 edge 再跑一遍并对比 python src/main.py --universe --limit 40 --closed-loop --start 20240101 --end 20241031 python src/main.py --universe --limit 40 --closed-loop --no-report # 不落报告文件 ``` > **P8 报告产物**(写入 `[PATHS].report_dir`,默认 `./reports`): > - `closed_loop_report_.md`:闭环概览 / 反馈作用 / 逐期 IC-命中率 / 前后对比表 > - `closed_loop_report_.html`:自包含 HTML(内嵌 SVG,可直接用浏览器打开) > - `ic_hit_.svg`、`equity_compare_.svg`:IC-命中率序列、闭环前后资金曲线 > > 图表为**纯手写 SVG**,零绘图依赖(环境未装 matplotlib/plotly 也能生成)。 ```bash # Web 控制台(数据/选股/回测/组合/监控 全功能 + 系统监控) python src/main.py --web # 默认 http://127.0.0.1:5000 python src/main.py --web --web-host 0.0.0.0 --web-port 8080 ``` > **暴露到局域网/公网时开启登录 + CSRF 防护**(默认关闭,localhost 免登录): > 1. 生成密码哈希:`python -m webapp.auth <你的密码>`(输出 `pbkdf2:sha256:...`) > 2. `config/config.ini` 的 `[WEB]` 设 `auth_enabled = true`,填入 `admin_user` 与 `admin_password_hash`(可选固定 `secret_key`) > 3. 重启 Web。开启后:未登录访问跳转 `/login`;所有 `/api` 写操作自动校验 `X-CSRF-Token`(前端已内置)。 > > 监控页:系统指标实时卡片(CPU/内存/线程/uptime)、**CPU/内存历史曲线**(每 3s 采样、近 ~12 分钟,由 webapp 后台守护线程采样,接口 `/api/monitor/history`)、数据库表行数、缓存统计、组件开关、最近日志。 测试: ```bash python -m pytest tests/ -q ``` ## 目录结构 ``` kira-quant/ ├── config/config.ini # 全部参数(含行内注释) ├── src/ │ ├── main.py # CLI 入口(P1: 数据流水线) │ ├── corecontainer.py # 依赖装配(轻量容器) │ ├── config_manager.py # 配置(单例+热重载+行内注释) │ ├── error_handler.py # 重试/错误隔离 │ ├── data_fetcher.py # 多源抓取 + PG/parquet 缓存 │ ├── data_processor.py # 清洗 │ ├── feature_engineer.py# 特征 │ ├── model_engine.py # 横截面树模型(P4 接线) │ ├── funnel_selector.py # 5层漏斗(P3 接线) │ ├── linear_trend_model.py # 线性趋势推测(P4) │ ├── kelly_position_sizer.py# 凯利仓位(P5) │ ├── trading_strategy.py # 目标权重→订单(P5, A股约束) │ ├── portfolio_manager.py # 模拟组合(P5, T+1) │ ├── backtest_engine.py # 回测引擎(P6) │ ├── feedback_engine.py # 反馈闭环(P7): IC/命中率 -> 凯利 edge + 自适应 IC 门槛 │ ├── closed_loop.py # 闭环前后对比(P8): 先验 edge 回测 vs 反馈 edge 回测 │ ├── report_generator.py # 报告(P8): 闭环报告(md/html) + 纯 SVG 图表 │ ├── db_manager.py # PostgreSQL(可选) │ ├── report_generator.py# 报告(P8) │ └── utils.py ├── webapp/ # Web 控制台(Flask): 数据/选股/回测/组合/监控 │ ├── app.py / routes.py / services.py / jobs.py │ ├── templates/index.html └── static/{app.js,style.css} ├── tests/ # test_data_layer / test_funnel / test_p4_model / │ # test_p5_strategy / test_backtest / test_webapp └── data_cache/ # 运行时生成(已 gitignore): daily/ features/ universe.parquet ``` ## P0/P1 修复的关键缺陷(均有回归测试) | # | 缺陷 | 影响 | |---|------|------| | 1 | 两个入口(`main.py`/`main_controller.py`)调用的方法几乎全部不存在 | 项目完全无法运行 | | 2 | `requirements.txt` 缺 **pyarrow**(parquet 引擎) | 所有缓存读写必崩 | | 3 | config.ini 行内注释(`; 注释`)从未被 configparser 剥离 | 所有带注释的配置值解析失败 | | 4 | `ConfigManager` 缺 `has_option` 方法 | 多模块 `AttributeError` | | 5 | Windows cp932 控制台中文 print 崩溃 | 启动即崩 | | 6 | `error_handler` 为 None 时装饰器自身崩溃;`_safe_return` 对类型注解抛 `TypeError` | 错误隔离形同虚设 | | 7 | qfq 复权缓存只追加不覆写 | 除权后历史价格失真(前视/幸存者偏差源) | | 8 | universe `list_date` 恒为 `NaT` | 漏斗 L1 次新过滤完全失效 | | 9 | 单一数据源无回退 | 东财限流即全线停摆(现已自动切新浪) | | 10 | `fetch_daily` 内部 try/except 吞异常 | 重试机制被绕过 | | 11 | 删除 7 个死模块(Informer/DeepSeek/旧控制器/坏反馈引擎等) | 消除 import 即崩链 | | 12 | GARCH 原为**全样本拟合**(参数用未来数据,前视偏差) | 已改为因果实现:每 `garch_refit_every` 日用过去数据重估参数,块内前向递推;递推公式与 arch 官方滤波**零误差**一致 | | 13 | 目标命名混乱(`return`/`fwd_return` 混用) | 统一为 `ret_1d`(单日)+ `fwd_ret_{horizon}`(未来收益目标) | | 14 | `ConfigManager` 无 `__getitem__`,而 funnel/kelly/strategy 均用 `config['SECTION']` 下标访问 | 三模块实际从未初始化成功;已补字典式访问 | | 15 | `ak.stock_a_indicator_lg` 在 akshare 1.17 已被移除(PE/PB/市值全空) | 改为多接口防御式获取(个股信息+百度估值兜底)+ 基本面 parquet 缓存(TTL) | | 16 | 漏斗 L3 均线排列是 placeholder 死代码;无 as_of 切片;基本面全量预取 | L3 真正判定;as_of 切片支撑回测;懒加载仅请求预筛幸存者 | ## 路线图 | 阶段 | 内容 | 状态 | |------|------|------| | P0 | 清理死代码、重建配置/依赖/入口 | ✅ | | P1 | 数据层:多源抓取、缓存修正、清洗、特征、测试 | ✅ | | P2 | 特征层:因果 GARCH(去前视)、统一目标命名 `ret_1d`/`fwd_ret_{h}` | ✅ | | P3 | 选股层:5层漏斗接线(L1预筛、懒加载基本面、as_of 切片、凯利试算);腾讯主源、东财/新浪备用 | ✅ | | P4 | 模型层:真正 RLS 在线学习重写 + 横截面模型 IC 门槛 | ✅ | | P5 | 策略层:凯利 edge 估计 + A股约束(T+1/整手/涨跌停) | ✅ | | P6 | 回测引擎:walk-forward、资金曲线、IC 跟踪 | ✅ | | P7 | 反馈闭环:预测偏差 → 模型状态/凯利 edge 更新 | ⬜ | | P8 | 报告与可视化 | ⬜ | ## 设计原则 - **无前视泄漏**:所有特征只用截至当日的信息(有回归测试守护)。 - **抗过拟合**:漏斗逐层硬过滤 + 线性主模型可解释 + 树模型 IC 门槛。 - **免费数据源**:akshare(东财/新浪双源互备),无券商依赖,模拟撮合。 - **优雅降级**:数据库、arch、psycopg2 等均为可选,缺失时自动回退。