Skip to content

Releases: ling-0729/KHunter

KHunter v1.0.0 - 首次稳定发布

26 Mar 07:34
@ling-0729 ling-0729
release
17aea7d
This commit was created on GitHub.com and signed with GitHub’s verified signature.
GPG key ID: B5690EEEBB952194
Verified
Learn about vigilant mode.

Choose a tag to compare

View all tags
KHunter v1.0.0 - 首次稳定发布 Latest
Latest

KHunter v1.0.0 发布说明

发布日期: 2026-03-26
版本: 1.0.0
状态: 稳定版本 (Stable)

🎉 发布概述

KHunter 是一个完整的A股量化选股解决方案，集数据获取、策略分析、选股执行、交易模拟于一体。本版本是首个稳定发布版本，包含12种选股策略、Web管理界面和完整的交易模拟系统。

✨ 核心功能

📈 12种选股策略

  • 底部趋势拐点 - 识别深度下跌后的反转拐点
  • 趋势加速拐点 - 识别上升趋势中的加速拐点
  • 阻力位突破 - 识别股价突破关键阻力位
  • 缩量回调策略 - 识别上升趋势中的缩量回调机会
  • W底策略 - 识别W底双底反转形态
  • M头策略 - 识别M头双顶反转形态
  • 多金叉共振 - 识别均线/KDJ/MACD金叉共振
  • 多死叉共振 - 识别均线/KDJ/MACD死叉共振
  • 碗口反弹策略 - 知行趋势线与多空线的碗口反弹形态
  • 启明星策略 - 三根K线底部反转形态
  • 多方炮策略 - 两阳夹一阴的K线组合形态
  • B1完美图形匹配 - 基于10个历史成功案例的三维相似度匹配

🌐 Web管理界面

  • 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
  • 策略配置 - 在线查看和修改策略参数
  • 交易管理 - 虚拟账户、持仓查询、交易记录、收益计算

💼 交易模拟系统

  • 虚拟账户管理 - 支持多账户、自定义初始资金
  • 买入/卖出操作 - 模拟真实交易流程
  • 持仓管理 - 查看当前持仓、成本价、收益率
  • 交易记录 - 完整的交易历史记录
  • 收益计算 - 自动计算成本价、手续费、收益

📊 数据支持

  • 5000+只A股数据覆盖
  • 6年历史数据回溯
  • 智能数据更新机制
  • 多层降级机制确保稳定性

📈 K线图可视化

  • 为每只入选股票生成K线图
  • 包含趋势线和成交量
  • 支持快速和标准两种生成模式

🚀 快速开始

环境要求

  • Python 3.8+
  • pip 或 conda
  • Windows/Linux/Mac

安装步骤

# 1. 克隆或下载项目
git clone https://github.com/your-repo/khunter.git
cd khunter

# 2. 安装依赖
pip install -r requirements.txt

# 3. 首次全量抓取数据（6年历史数据）
python main.py init


# 5. 启动Web界面
python main.py web

访问 http://localhost:5000 查看Web界面。

常用命令

# 启动Web界面（默认端口5000）
python main.py web

# 显示版本信息
python main.py --version

📋 版本信息

项目 信息
项目名称 KHunter - A股形态猎手
版本号 1.0.0
发布日期 2026-03-26
源项目 a-share-quant-selector
许可证 MIT
开发语言 Python 3.8+

📦 项目规模

指标 数量
源代码文件 60+
选股策略 12
技术指标 6+
A股数据 5000+
REST API 15+
可调参数 100+
测试文件 30+
文档文件 100+
总代码行数 12000+

🔧 技术栈

后端技术

  • Python 3.8+ - 核心语言
  • akshare >= 1.11.0 - A股数据获取
  • pandas >= 2.0.0 - 数据处理
  • numpy >= 1.24.0 - 数值计算
  • Flask >= 3.0.0 - Web框架
  • SQLite - 数据库
  • matplotlib >= 3.7.0 - K线图生成

前端技术

  • HTML5 + CSS3 + JavaScript
  • WebSocket实时数据更新

📚 文档

核心文档

  • README.md - 项目说明和快速开始
  • doc/系统分析文档.md - 完整的系统分析和架构
  • doc/策略列表.md - 12个策略的详细说明
  • doc/项目来源说明.md - 项目来源和许可证

策略文档

  • 12个策略的详细说明书
  • 每个策略包含核心逻辑、参数说明、应用场景

其他文档

  • CONTRIBUTING.md - 贡献指南
  • CODE_OF_CONDUCT.md - 行为准则
  • SECURITY.md - 安全政策
  • LICENSE - MIT许可证

🎯 主要特性

✅ 完整的量化选股系统

  • 从数据获取到选股的全流程
  • 支持12种不同的选股策略
  • 灵活的策略组合和参数配置

✅ 智能数据管理

  • 自动更新、缓存、降级机制
  • 支持6年历史数据回溯
  • 5000+只A股数据覆盖

✅ Web管理界面

  • 可视化查看数据和执行选股
  • 在线修改策略参数
  • 实时交易管理

✅ 交易模拟系统

  • 支持虚拟账户、持仓、交易记录
  • 自动计算成本价、手续费、收益
  • T+1规则验证

✅ 完善的文档

  • 系统分析文档
  • 策略详细说明
  • 开发指南和贡献指南

✅ 全面的测试

  • 30+个单元测试
  • 策略测试覆盖
  • 数据和交易测试

🔄 更新内容

v1.0.0 (2026-03-26)

新增功能

  • ✨ 12种选股策略实现
  • ✨ B1完美图形匹配功能
  • ✨ Web管理界面
  • ✨ 交易模拟系统
  • ✨ K线图可视化
  • ✨ 智能数据更新机制

改进

  • 🔧 移除钉钪通知功能（开源版本）
  • 🔧 移除定时任务功能（开源版本）
  • 🔧 优化数据获取性能
  • 🔧 完善错误处理和日志

文档

  • 📚 完整的系统分析文档
  • 📚 12个策略详细说明
  • 📚 项目来源说明
  • 📚 开源资料清单

⚠️ 已知限制

功能限制

  • 不支持实盘交易（仅模拟交易）

数据限制

  • 依赖akshare API的可用性
  • 历史数据回溯最多6年

性能限制

  • 首次初始化需要较长时间（取决于网络）
  • 大量股票处理可能较慢
  • 建议使用SSD存储

🐛 已知问题

当前版本已解决的问题

  • ✅ 事件驱动策略已移除
  • ✅ 钉钪功能已移除
  • ✅ 定时任务已移除
  • ✅ 所有策略参数已优化
  • ✅ 数据更新机制已完善

可能的问题

  • ⚠️ 网络不稳定时数据获取可能失败（有重试机制）
  • ⚠️ 某些股票数据可能不完整（自动跳过）
  • ⚠️ 首次运行较慢（后续会缓存）

🔐 安全性

数据安全

  • 所有数据存储在本地SQLite数据库
  • 支持数据备份和恢复
  • 没有上传任何用户数据到云端

代码安全

  • 所有依赖都来自官方源
  • 定期更新依赖包
  • 遵循Python安全最佳实践

隐私保护

  • 不收集任何用户信息
  • 不追踪用户行为
  • 完全开源，代码透明

详见 SECURITY.md

📞 支持和反馈

获取帮助

  1. 查看 README.md 了解快速开始
  2. 查看 doc/系统分析文档.md 了解系统架构
  3. 查看 doc/策略列表.md 了解策略详情
  4. 查看 CONTRIBUTING.md 了解贡献指南

报告问题

  • 提交Issue到GitHub
  • 提供详细的错误信息和复现步骤
  • 包含系统信息和Python版本

贡献代码

  • Fork项目
  • 创建特性分支
  • 提交Pull Request
  • 遵循贡献指南

📄 许可证

本项目采用 MIT License

许可证说明

  • 可自由使用、修改、分发
  • 必须保留原作者信息
  • 不提供任何担保

项目来源

本项目基于开源项目 a-share-quant-selector 扩展开发，感谢原作者 Dzy-HW-XD 的开源贡献。

详见 LICENSE 和 doc/项目来源说明.md

🙏 致谢

感谢以下项目和贡献者：

🔮 未来计划

短期计划 (v1.1.0)

  • 性能优化
  • 前端UI美化
  • 测试覆盖率提升
  • 文档完善

中期计划 (v1.2.0)

  • 策略回测功能
  • 风险管理模块
  • 更多数据源支持
  • 算法优化

长期计划 (v2.0.0)

  • 实盘交易接口
  • 机器学习策略
  • 分布式处理
  • 高级数据分析

📊 系统要求

最低要求

  • Python 3.8+
  • 2GB RAM
  • 500MB磁盘空间
  • 网络连接

推荐配置

  • Python 3.10+
  • 4GB+ RAM
  • SSD存储（至少1GB）
  • 稳定网络连接

支持的操作系统

  • Windows 7+
  • Linux (Ubuntu 18.04+)
  • macOS 10.14+

🎓 学习资源

入门指南

  1. 阅读 README.md
  2. 查看 doc/系统分析文档.md
  3. 运行 python main.py init
  4. 访问 Web界面

深入学习

  1. 查看 doc/策略列表.md
  2. 研究各个策略的实现
  3. 修改参数进行测试
  4. 查看测试代码

开发指南

  1. 查看 CONTRIBUTING.md
  2. 查看代码注释
  3. 运行单元测试
  4. 提交Pull Request

📈 性能指标

选股性能

  • 初始化时间: ~5-10分钟（首次）
  • 选股执行时间: ~2-5分钟（5000只股票）
  • 数据更新时间: ~1-3分钟（增量更新）

系统性能

  • Web响应时间: <500ms
  • 数据库查询: <100ms
  • K线图生成: ~1-2秒/只股票

资源占用

  • 内存占用: ~200-500MB
  • 磁盘占用: ~500MB-1GB（含数据）
  • CPU占用: 低（选股时较高）

✅ 质量保证

代码质量

  • ✅ 所有代码通过语法检查
  • ✅ 遵循PEP 8编码规范
  • ✅ 函数级注释完整
  • ✅ 代码行数控制在1500行以内

测试覆盖

  • ✅ 30+个单元测试
  • ✅ 策略测试覆盖
  • ✅ 数据测试覆盖
  • ✅ 交易测试覆盖

文档完整

  • ✅ 系统分析文档
  • ✅ 策略详细说明
  • ✅ API文档
  • ✅ 贡献指南

🎉 发布清单

  • ✅ 源代码完整
  • ✅ 配置文件完整
  • ✅ 文档完整
  • ✅ 测试完整
  • ✅ 许可证完整
  • ✅ 贡献指南完整
  • ✅ 安全政策完整
  • ✅ 行为准则完整

📞 联系方式

感谢您使用 KHunter！

如有任何问题或建议，欢迎提交Issue或Pull Request。

发布信息

  • 发布日期: 2026-03-26
  • 版本: 1.0.0
  • 状态: 稳定版本
  • 维护者: KHunter开发团队

Full Changelog: https://github.com/ling-0729/KHunter/commits/release

Assets 2
Loading