qka 1.6.3

快捷量化助手（Quick Quantitative Assistant）- 简洁易用的A股量化交易框架

QKA — 快量化

快捷量化助手（Quick Quantitative Assistant） — 简洁易用的 A 股量化交易框架。三行代码完成回测，从研究到实盘一路畅通。

---

三行代码跑回测

import qka

bt = qka.Backtest(qka.Strategy()).run(benchmark='000300.SH')
bt.report('我的策略')   # 生成交互式 HTML 报告，浏览器自动打开

这就是全部。数据获取、回测执行、绩效计算、基准对比、图表可视化，一行搞定。

安装

# 推荐 — 用 uv
uv add qka

# 或
pip install qka

快速上手

1. 拿数据

import qka

data = qka.Data(
    symbols=['000001.SZ', '600000.SH'],
    period='1d',
    adjust='qfq'
)
df = data.get()

2. 写策略

class MyStrategy(qka.Strategy):
    def on_bar(self, date, get):
        close = get('close')
        # 价格低于10元买入1000股（注意前复权可能导致早期价格为负）
        if '000001.SZ' in close and 0 < close['000001.SZ'] < 10:
            self.broker.buy('000001.SZ', close['000001.SZ'], 1000)

3. 跑回测 + 看报告

bt = qka.Backtest(data, MyStrategy())
bt.run(benchmark='000300.SH')          # 自动获取沪深300做基准对比
bt.report(title='我的策略')            # 一键生成HTML报告

生成的 HTML 报告包含：

• 📊 净值曲线 + 基准对比（交互式 Plotly 图表）
• 📉 回撤曲线
• 📅 月度收益率热力图
• 📋 交易明细（含手续费）
• 🏆 绩效指标：年化收益、夏普比率、最大回撤、胜率、盈亏比……

4. 调整成本参数

bt = qka.Backtest(
    data, strategy,
    commission_rate=0.0003,      # 佣金万分之三
    stamp_duty_rate=0.001,       # 印花税千分之一
    slippage=0.001               # 滑点 0.1%
)
bt.run(benchmark='000300.SH')

💡 详细教程 👉 qka.quantai.chat

特性一览

特性	说明
🚀 极简 API	统一的 Data/Strategy/Backtest 三件套，上手零门槛
📊 A 股数据	基于 Akshare，覆盖全市场 A 股数据
⚡ 并发下载	多线程批量拉数据，几百只股票秒级完成
🔄 高效回测	时间序列引擎，天然支持多股票横截面处理
📈 HTML 报告	一键生成自包含的交互式回测报告，浏览器直接打开
📉 基准对比	自动获取沪深300做基准，曲线叠加展示
💰 成本模型	佣金/印花税/滑点全支持，贴近实盘
🔧 模块化	核心、经纪商、MCP、Server 各模块可独立使用
📝 文档完善	qka.quantai.chat

核心模块

Data — 数据获取

多数据源、自动缓存、并发下载、统一格式。支持日线/分钟线，前复权/后复权。

Strategy — 策略编写

事件驱动框架，在 on_bar 里写你的交易逻辑，get() 拿到当前截面数据做决策。

Backtest — 回测引擎

时间序列驱动，支持多资产、成本模型、基准对比。run() 执行，report() 出报告，summary() 打印绩效指标。

Brokers — 实盘交易（建设中）

集成 QMT 接口，客户端/服务器架构，支持远程交易。

文档站

完整文档、API 参考、最佳实践：

👉 qka.quantai.chat

许可证

MIT

致谢

• Akshare — 免费 A 股数据源
• Plotly — 交互式图表
• FastAPI — API 框架
• xtquant — QMT Python 接口

---

⚠️ 量化交易存在风险，请充分了解风险后再使用本框架。作者不对任何投资损失负责。