qka 1.7.0

QKA（快量化 / Quant Kit for A-shares）- 简洁易用的 A 股量化回测框架

QKA — 快量化

Quant Kit for A-shares

QKA（快量化 / Quant Kit for A-shares） — 简洁易用的 A 股量化回测框架。

from qka import Data, Strategy, Backtest

class MyStrategy(Strategy):
    def on_bar(self, date):
        close = self.get('close')
        for sym in close.index:
            if sym not in self.broker.positions:
                price = float(close[sym])
                if price > 0:
                    size = self.sizing.percent(0.1, price)
                    if size >= 100:
                        self.broker.buy(sym, price, size)

bt = Backtest(Data(['000001.SZ']), MyStrategy(cash=100_000))
bt.run(benchmark='000300.SH')
bt.report()

---

安装

pip install qka

需要 Python 3.10+。

快速上手

数据

from qka import Data

data = Data(
    symbols=['000001.SZ', '600000.SH'],
    indicators={'sma_5': ('sma', 5), 'rsi_14': ('rsi', 14)},
)
df = data.get()  # 触发下载，返回宽表 DataFrame

策略

from qka import Strategy

class MyStrategy(Strategy):
    def __init__(self, cash=100_000):
        super().__init__(cash=cash)
        # 自定义状态放这里

    def on_bar(self, date):
        close = self.get('close')
        hist = self.history('close', 20)
        # 写你的交易逻辑

回测

from qka import Backtest

bt = Backtest(data, MyStrategy(cash=100_000))
bt.run(benchmark='000300.SH')
print(bt.summary())    # 输出绩效指标
bt.report()            # 生成 HTML 报告

更多示例

策略	说明
买入持有与定投	买入不动 + 每月定投
均线交叉	5日线上穿/下穿20日线
RSI + ATR 风控	RSI 超卖买入，ATR 止损
动量排序选股	月度动量排序，Top 5 等权
多因子打分	PE/ROE/动量/波动率打分选股

核心能力

• 多数据源 — baostock（默认）、akshare、QMT，自动缓存
• 预计算指标 — sma/ema/macd/rsi/bbands/atr + 自定义因子
• 事件驱动回测 — 按日推进，self.get() 横截面 + self.history() 窗口序列
• 仓位管理 — self.sizing.percent() / self.sizing.fixed_amount() / self.sizing.fixed_shares() / self.sizing.atr_risk()
• 交易模拟 — 佣金万2.5、印花税万5、滑点0.1%，最低佣金5元
• HTML 报告 — Plotly 交互图表，累计收益、回撤、月度热力图、交易明细
• 基准对比 — 自动下载沪深300（或指定指数）做对比

文档

完整教程、API 参考、示例代码：

👉 qka.quantai.chat

下一步规划

• 分钟级数据支持
• 自适应参数优化
• 实盘交易（QMT 接口）

许可证

MIT

致谢

• baostock — 免费 A 股数据
• Akshare — 补充数据源
• Plotly — 交互式图表
• xtquant — QMT 接口

---

⚠️ 量化交易存在风险，请充分了解后再使用本框架。