Hikyuu高性能量化研究框架助力探索

Hikyuu Quant Framework 是一款基于C++/Python的开源量化交易分析与研究工具，主要用于A股市场的交易策略分析与回测，目前不支持期货等，需要自行改造。

Hikyuu的目标

Hikyuu的最初目的是为了快速对A股全市场股票进行策略回测和验证，而不是“乌龟拖车”式的漫长等待。为了达成这个目标，Hikyuu除了使用 C++ 来实现快速的计算引擎外，还同时将交易概念进行了抽象和分割，可以自行根据需要进行构建、组合，既能快速重用也避免了复杂代码容易出错的问题。另外，因为部件策略都是统一的命名规则，还带来了一个额外的好处，也就是理论上可以方便进行策略部件级别的组合和探索，更加专注于某一方面策略的性能和影响，甚至使用AI去进行策略部件级别的挖掘，而不是仅仅用来挖掘因子，当然目前还没有实现，仍然需要继续前行与探索。

Hikyuu的性能和缺点

作者本人没有和其他回测框架进行过比较，但之前在知乎上有人做过对比，这里借用一下，大家有兴趣也可以自行搜索下“不同回测框架的比较”：
在这里插入图片描述

让作者汗颜，虽然个人其实觉得文档其实是有的，只不过更多的是API形式，而没有按使用场景去组织也没有提供更多的示例。另外，Hikyuu是对交易概念的抽象，要想真正用好 hikyuu，需要对“交易是如何赚钱”的有所了解，而不是仅仅只是低买高卖，这也是初入门时的门槛。所以，现在开始补文档，感觉任重道远，也欢迎大家加入星球共建。

即然提到了缺点，这里也说一下 Hikyuu 的缺点（虽然我很想只说优点）供大家更好的进行决策选择：

目前只支持国内A股市场，不支持期货等，但可以自行改造，hikyuu的核心计算引擎和数据存储是分离的
以探索性编程为主，并未提供相关的GUI，需要有一定的编程基础
回测是 onBar 且类向量化的方式，不是事件驱动型的。这是为了进行快速在全市场中进行探索而生的，虽然后续会加入事件驱动级别的回测进行，但目前尚未提供，只是列入计划。向量化的方式也决定了在回测时，通常不能使用前向复权进行测试（原理以后再说）。

Hikyuu的概念架构

这里并不会对Hikyuu进行价格进行详细的介绍，以后再逐一介绍，仅是让大家先有个初步了解，因为后面的示例中会经常出现一些缩写，这里主要让大家了解熟悉Hikyuu中常用缩写代表的含义。

Hikyuu的概念架构如下图所示，其核心计算引擎包含了2个策略框架：单标的系统交易策略(SYS)，投资组合策略(PF)；9个策略部件：市场环境判断策略(EV)、系统有效条件(CN)、信号指示器(SG)、止损/止盈策略(ST/TP)、资金管理策略(MM)、盈利目标策略(PG)、移滑价差算法(SP)、交易对象选择策略(SE)。

在这里插入图片描述