khy-quant 1.6.6.1

KHY-Quant quantitative trading system — modular, extensible, SaaS-ready

KHY-Quant 量化交易系统

模块化 · 智能化 · 开箱即用的中文量化交易平台

快速开始 • 功能特性 • 命令参考 • AI 能力 • 生态社区 • English

---

概述

KHY-Quant 是一套面向中国 A 股市场的智能量化交易系统，集成了数据获取、策略回测、AI 分析、模型训练和实盘交易等完整链路。通过简洁的命令行界面（CLI），支持中文/拼音/英文多种输入方式，让量化交易触手可及。

核心优势：

• 🇨🇳 完整中文支持 — 命令、提示、文档全中文化
• 🤖 内置 AI 网关 — 支持 10+ 大模型提供商，一键切换
• 📊 专业回测引擎 — 支持多种策略的历史回测
• 🔧 开箱即用 — 一条命令安装，无需复杂配置
• 🌐 SaaS 就绪 — 支持云端部署和多用户管理

---

快速开始

环境要求

• Python >= 3.8
• Node.js >= 18（安装时自动检测）
• 操作系统: Linux / macOS / Windows

安装

# 基础安装（CLI + 回测 + 数据）
pip install khy-quant

# 包含机器学习策略
pip install khy-quant[ml]

# 完整安装（所有功能）
pip install khy-quant[full]

首次启动

# 启动交互式 CLI
khy

# 或使用完整命令名
khy-quant

首次启动时系统会自动执行初始化：

1. 检测 Node.js 环境
2. 安装 npm 依赖
3. 初始化数据库
4. 配置 AI 网关

快速体验

# 查看股票行情
khy quote sh600519      # 或: hq 茅台

# 回测策略
khy backtest sh600519   # 或: bt sh600519

# AI 分析
khy analyze sh600519    # 或: fx sh600519

# 启动 Web 界面
khy server start        # 或: fw

---

功能特性

📈 数据服务

• A 股实时行情、历史 K 线、财务数据
• 基于 AkShare 的多源数据获取
• 本地缓存加速，支持增量更新

📊 策略回测

• 内置多种经典策略（均线、MACD、布林带等）
• 支持自定义策略编写
• 详细的回测报告与可视化

🤖 AI 智能分析

• 10+ 大模型提供商支持（OpenAI、Claude、Gemini、通义千问、DeepSeek 等）
• 自然语言交互，中文对话分析
• 智能策略推荐

🧠 模型训练

• 基于用户交互数据自动记录训练语料
• 支持 LoRA/QLoRA 微调
• 支持知识蒸馏（大模型 → 小模型）
• 模型导出为 GGUF（Ollama）/ safetensors（HuggingFace）格式
• 训练后模型命名: khy-1.0, khy-2.0, ... 自动递增

🔄 中转站兼容

• 支持 API 中转/代理配置
• Claude/OpenAI 等模型通过中转即可使用
• khy 训练模型同样支持中转部署

💰 用量统计

• 实时 token 消耗追踪
• 人民币计价（¥）的费用统计
• 按日/月/会话维度汇总

🖥️ Web 前端

• 专业交易看板
• K 线图表与指标叠加
• 策略可视化配置

---

命令参考

KHY-Quant 支持中文、拼音缩写和英文三种输入方式：

功能	中文	拼音	英文
行情查询	行情	hq	quote
策略回测	回测	bt	backtest
策略列表	策略	cl	strategy list
数据下载	下载	xz	data fetch
AI 分析	分析	fx	analyze
持仓查看	持仓	cc	position
下单交易	买入/卖出	mai/maichu	buy/sell
费用统计	费用	feiyong	cost
模型训练	训练	xunlian	train
恢复上下文	恢复	huifu	history resume
系统更新	更新	gengxin	update
帮助	帮助	bz	help
退出	退出	q	exit

训练子命令

khy train start          # 开始本地训练
khy train cloud          # 提交云端训练
khy train distill        # 知识蒸馏
khy train status         # 查看训练状态
khy train list           # 列出已训练模型
khy train export gguf    # 导出 GGUF 格式（需密码）
khy train export safetensors  # 导出 safetensors（需密码）
khy train upload github  # 上传到 GitHub
khy train upload gitee   # 上传到 Gitee
khy train data           # 查看训练数据统计

用量查询

khy cost                 # 当前会话费用
khy usage                # 本月用量摘要
khy usage today          # 今日用量
khy usage history        # 30天历史

---

AI 能力

支持的模型提供商

提供商	类型	配置方式
OpenAI (GPT-4/3.5)	云端	API Key
Anthropic (Claude)	云端	API Key
Google (Gemini)	云端	API Key
DeepSeek	云端	API Key
通义千问 (Qwen)	云端	API Key
Groq	云端	API Key
OpenRouter	云端	API Key
Ollama	本地	自动检测
LM Studio	本地	自动检测
Claude (中转)	代理	Relay URL

AI 网关配置

khy gateway status       # 查看网关状态
khy gateway config       # 配置 API Key
khy gateway model        # 选择模型
khy gateway relay        # 配置中转

---

系统更新

# 更新到最新版本
khy update
# 或
pip install --upgrade khy-quant

系统会自动检测新版本并提示更新。

---

项目结构

khy-quant/
├── khy_quant/          # Python 包入口
├── backend/            # Node.js 后端服务
│   ├── src/
│   │   ├── cli/        # 命令行交互
│   │   ├── services/   # 核心服务层
│   │   └── routes/     # Web API 路由
│   └── data/           # 策略与配置
├── frontend/           # Vue.js Web 前端
├── scripts/            # 工具脚本
└── docs/               # 文档

---

部署方式

方式一：pip 安装（推荐）

pip install khy-quant[full]
khy

方式二：Docker 部署

docker compose up --build

• 前端: http://localhost:18080
• 后端 API: http://localhost:3000
• 默认账号: admin / admin123

方式三：源码部署

git clone https://github.com/khyquant/khy-quant.git
cd khy-quant
pip install -e .[full]
khy init
khy

---

生态社区

官方资源

资源	地址
🌐 官方网站	https://khyquant.top
📖 在线文档	https://khyquant.top/docs
💻 GitHub	https://github.com/khyquant/khy-quant
📦 PyPI	https://pypi.org/project/khy-quant/

社区交流

渠道	信息
📱 QQ 群	1083973296（量化交流群，入群暗号: khy）
📧 邮箱	[e-mail]
🐛 Bug 反馈	GitHub Issues

加入我们

我们欢迎所有对量化交易感兴趣的开发者参与贡献：

• 提交 Issue 报告问题或建议新功能
• 提交 Pull Request 贡献代码
• 在 QQ 群内交流策略和使用心得
• 分享你训练的 khy 模型

---

常见问题

安装后提示找不到 Node.js？

KHY-Quant 后端基于 Node.js 运行。请先安装 Node.js >= 18：

# Ubuntu/Debian
curl -fsSL https://deb.nodesource.com/setup_18.x | sudo -E bash -
sudo apt install -y nodejs

# macOS
brew install node

# Windows
# 从 https://nodejs.org 下载安装包

然后重新运行 khy，系统会自动完成初始化。

如何配置 AI 模型？

khy gateway config

按照提示输入 API Key 即可。支持 OpenAI、Claude、DeepSeek 等多种提供商。本地模型（Ollama）无需 API Key，安装后自动检测。

训练模型需要什么硬件？

• 本地训练: 建议 NVIDIA GPU (≥ 8GB VRAM) 配合 QLoRA
• 云端训练: 无硬件要求，使用 KHY 云服务
• CPU 训练: 可行但速度较慢，建议小模型 (1.5B-3B)

如何恢复之前的对话上下文？

khy history resume    # 或输入: /huifu

系统会自动保存每次对话，支持随时恢复。

模型导出需要密码？

是的，为保护训练成果，导出模型（GGUF/safetensors）需要输入导出密码。请在 QQ 群或官方文档中获取。

---

许可证

本项目基于 MIT License 开源。

---

_{Made with ❤️ by KHY-Quant Team | khyquant.top}