# KHunter **Repository Path**: lilonghua/KHunter ## Basic Information - **Project Name**: KHunter - **Description**: No description available - **Primary Language**: Unknown - **License**: MIT - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-04-29 - **Last Updated**: 2026-04-29 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # KHunter - 专注技术形态识别的量化选股工具 **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、五维评分、选股择时、策略回测等于一体。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。 ## ✨ 核心优势 ### 🎯 多维度选股 - **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** - 支持多策略组合，精准捕捉投资机会 ### 📊 完整的数据支持 - **5000+只A股数据** - 覆盖全市场股票，支持最多三年历史数据回溯 - **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 ### 🌐 可视化管理界面 - **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 ## 📈 股票评分系统 KHunter采用**五维度综合评分模型**，从多个角度全面评估股票投资价值。 ### 五维度评分体系 | 维度 | 权重 | 评分范围 | 说明 | |------|------|--------|------| | **技术面** | 35% | 不限 | 策略命中情况，权重累加 | | **资金面** | 35% | -100~100 | 资金流向分析，最重要指标 | | **基本面** | 10% | -60~+60 | 财务指标分析，排雷为主 | | **板块强度** | 10% | -100~+200 | 所属板块表现，顺势而为 | | **事件驱动** | 10% | -100~+100 | 重大事件催化，短期机会 | ### 狩猎场使用流程 1. **执行选股** - 运行选股策略，获得初步候选股票 2. **排名评分** - 对选股结果进行五维评分和排名 3. **筛选过滤** - 按评分等级、支撑位等条件筛选 4. **狩猎场展示** - 查看符合条件的优质股票 5. **追踪管理** - 对狩猎场股票进行追踪和管理 ``` ### 🔒 风险过滤 - **自动风险过滤** - 自动排除ST股、退市股、市值过低股票、近期涨幅过高等高风险标的 ### � 策略回测功能 - **回测配置** - 配置回测参数，包括策略选择、回测时间范围、资金管理等 - **回测执行** - 执行策略回测，模拟真实交易环境 - **结果分析** - 展示回测结果，包括收益率、胜率、最大回撤等指标 - **交易记录** - 查看详细的交易记录，了解策略表现 - **收益曲线** - 展示资金曲线，直观展示策略效果 ### 🚀 开箱即用 - **一键启动** - 快速开始选股 - **完善的文档** - 详细的策略说明和使用指南 ### 环境要求 - Python 3.8+ - pip 或 conda ### 安装步骤 ```bash # 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. 启动Web界面 python main.py web ``` 第2，3步也可以直接在windows下双击根目录下start.bat文件自动处理 **配置说明：** 1. **Tushare Token（可选）**：编辑 `config/tushare_config.json` 配置 Tushare API Token，可获得更稳定的数据来源。 2. **主配置文件**：复制 `config/config.yaml.template` 为 `config/config.yaml` 并修改配置。 ## 🌐 Web界面功能 访问 `http://localhost:5001` 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，支持多策略组合 - **策略配置** - 在线查看和修改策略参数 - **策略回测** - 配置和执行策略回测，查看回测结果 - **狩猎场** - 查看多维度评分的股票筛选结果 - **数据管理** - 查看数据更新状态，执行数据初始化和更新 - **看板功能** - 展示金股、热门行业和板块分布 - **行业分析** - 展示指定行业的股票列表和表现 - **板块分析** - 展示指定板块的股票列表和表现 初次使用必须执行的功能： 初始化数据，数据更新 日常每天收盘后执行数据更新，增量更新最新k线数据 通过查询基础数据和首页的数据最新日期，股票数量等信息可以验证数据准备情况 数据准备好了以后，可以通过执行选股功能，按策略选股，并保存选股结果 选股完成后，可以通过选股排名功能，对选股结果进行五维分析，并对结果排名 对于选股结果，通过分数阈值和跟踪天数过滤，对当前价格和支撑位价格比较分析，对于符合条件的股票筛选到狩猎场 可以对排名靠前的股票，狩猎场股票进行跟踪，便于调整策略参数，迭代优化策略，有一定开发基础的朋友可以自己扩展策略 可以对策略进行历史数据回测，便于进一步优化策略 *****注意，由于免费数据源的稳定性问题，经过测试，策略选股功能可以稳定使用，但是由于选股排名和狩猎场等功能依赖于除k线以外的如资金面，基本面，板块，事件等数据，可能存在数据无法稳定获取的情况，对功能有一定影响。一方面开发者积极探索稳定数据源，另一方面可以通过注册tushare获取api token解决数据稳定性问题，带来的困扰请理解。 ## 📊 11种选股策略 | # | 策略名称 | 核心逻辑 | 适用场景 | |----|---------|--------|--------| | 1 | **底部趋势拐点** | 深度下跌后的反转拐点 | 极端底部 | | 2 | **涨停回马枪策略** | 涨停后回调再次启动 | 短期强势 | | 3 | **涨停横盘策略** | 涨停后横盘整理突破 | 突破选股 | | 4 | **启明星策略** | 三根K线底部反转形态 | 底部反转 | | 5 | **多金叉共振** | 均线/KDJ/MACD金叉共振 | 多头共振 | | 6 | **多方炮策略** | 两阳夹一阴K线组合 | 短期反弹 | | 7 | **阻力位突破策略** | 股价突破关键阻力位 | 突破选股 | | 8 | **强势洗盘弱转强** | 强势股洗盘后转强 | 趋势反转 | | 9 | **趋势加速拐点** | 上升趋势中的加速拐点 | 趋势加速 | | 10 | **趋势共振反转策略** | 多指标共振的趋势反转 | 趋势反转 | | 11 | **W底策略** | W底双底反转形态 | 双底反转 | ### 策略参数配置 可以前端功能调整策略参数。每个策略都有独立的参数配置，支持在线修改。 ## 🛠️ 技术栈 - **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 ## 📁 项目结构 ``` ├── 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 │ ├── __init__.py # 初始化文件 │ ├── base_strategy.py # 策略基类 │ ├── bottom_trend_inflection.py # 底部趋势拐点 │ ├── limit_up_pullback_strategy.py # 涨停回马枪策略 │ ├── limit_up_sideways_strategy.py # 涨停横盘策略 │ ├── morning_star.py # 启明星策略 │ ├── multi_golden_cross.py # 多金叉共振 │ ├── multi_party_cannon.py # 多方炮策略 │ ├── resistance_breakout.py # 阻力位突破策略 │ ├── strong_wash_weak_to_strong.py # 强势洗盘弱转强 │ ├── trend_acceleration_inflection.py # 趋势加速拐点 │ ├── trend_resonance_reversal.py # 趋势共振反转策略 │ ├── w_bottom_strategy.py # W底策略 │ ├── parallel_strategy_executor.py # 并行策略执行器 │ ├── strategy_registry.py # 策略注册表 │ └── ... # 其他策略相关文件 ├── 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/ # 回测和评分模块 │ ├── __init__.py # 初始化文件 │ ├── backtest_engine.py # 回测引擎 │ ├── backtest_dao.py # 回测数据访问 │ ├── routes.py # 回测API路由 │ ├── khunter_api.py # 狩猎场API │ ├── khunter_dao.py # 狩猎场数据访问 │ ├── khunter_data_processor.py # 狩猎场数据处理 │ ├── khunter_support_calculator.py # 狩猎场支撑位计算 │ ├── khunter_buy_point_judge.py # 狩猎场买点判断 │ ├── stock_score_calculator.py # 股票评分计算 │ ├── stock_score_dao.py # 股票评分数据访问 │ ├── stock_score_api.py # 股票评分API │ ├── vectorbt_backtest_engine.py # VectorBT回测引擎 │ └── ... ├── config/ # 配置文件 │ ├── config.yaml # 主配置 │ ├── strategy_params.yaml # 策略参数 │ ├── strategy_order.yaml # 策略顺序 │ ├── strategy_weights.json # 策略权重 │ └── ... ├── web/ # Web前端 │ ├── templates/ # HTML模板 │ └── static/ # 静态资源 ├── data/ # 数据库 │ ├── doc/ # 文档 ``` ## ⚙️ 配置说明 ### 配置文件 - **主配置文件** (`config/config.yaml`) - 系统级配置，包括数据获取、选股和Web服务设置 - **策略参数配置** (`config/strategy_params.yaml`) - 各策略的参数配置 - **策略顺序配置** (`config/strategy_order.yaml`) - 策略执行顺序 - **策略权重配置** (`config/strategy_weights.json`) - 策略权重设置 详细配置说明请参考各配置文件中的注释。 ## 🔄 智能数据更新 系统采用智能更新策略： 1. **3点前** - 不更新，使用本地已有数据 2. **3点后** - 检查每只股票是否有当天数据 3. **100%有当天数据** - 跳过更新，直接使用 4. **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。 ## 🔧 扩展新策略 ### 创建新策略 1. 在 `strategy/` 目录创建新文件，继承 `BaseStrategy` 2. 实现 `calculate_indicators()` 和 `select_stocks()` 方法 3. 在 `config/strategy_params.yaml` 添加参数 4. 系统自动识别并执行 示例： ```python 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 ``` ## ⚠️ 免责声明 1. **本项目仅供学习和研究使用**，不构成任何投资建议。 2. **筛选结果仅为技术指标计算结果**，不代表对任何股票的推荐或预测。 3. **过往表现不代表未来收益**，股市有风险，投资需谨慎。 4. **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。 5. **本项目按“原样”提供**，不附带任何明示或暗示的保证，包括但不限于适销性、特定用途适用性的保证。 📄 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