KHunter 开源实测：15 种选股策略 + 五维评分，A 股量化系统能打吗？

最近 GitHub 上一个叫 KHunter 的开源项目引起了我的注意——15 种选股策略、5 维评分体系、Web 管理界面、PTrade 自动交易支持，号称"开箱即用的 A 股量化交易系统"。花了点时间研究了一下，分享我的看法。

一、KHunter 是什么？

KHunter 是开发者 ling-0729 开源的 A 股量化系统，基于原项目 a-share-quant-selector 扩展而来，MIT 许可证，完全免费。

一句话定位：面向个人投资者的全流程量化解决方案，覆盖数据获取、策略选股、择时交易、风险控制、回测验证。

二、核心亮点

15 种选股策略

5 种择时策略

布林带、RSI、支撑位、海龟策略、顺势宝，覆盖震荡、短线、波段、趋势等场景。

五维评分体系

技术面 35% + 资金面 35% + 基本面 10% + 板块强度 10% + 事件驱动 10%

从选股 → 排名评分 → 筛选过滤 → 狩猎场 → 追踪管理，形成完整闭环。

Web 管理 + K 线可视化

Flask 构建的 Web 界面，支持策略参数在线修改、回测配置、结果查看，每只入选股票自动生成 K 线图。

PTrade 自动交易

支持事件驱动模型（before_trading_start / after_trading_end），信号读取 → 委托下单 → 结果反馈全链路自动化。

风险控制

VaR 风险评估、市场温度计连续监控、自动过滤 ST / 退市 / 市值过低 / 涨幅过高股票。

三、存在的问题

数据源稳定性

这是最大的短板。KHunter 目前使用 TickFlow + 腾讯财经作为免费数据源，官方 README 也承认：

"选股排名和狩猎场等功能依赖于除 K 线以外的资金面、基本面、板块、事件等数据，可能存在数据无法稳定获取的情况。"

完整功能需要 Tushare 6000 积分。

历史数据仅 3 年

对于需要长期回测验证的策略来说，3 年数据量偏少。

单开发者项目

刚上线不久，迭代节奏和 Issue 响应速度有待观察。

四、跟 Backtrader 对比

对比项       | Backtrader         | KHunter
策略数量     | 自己写             | 15 种内置 + 可扩展
数据源       | 自建（SQLite）      | TickFlow / 腾讯财经
回测         | 专业回测引擎        | 内置回测
可视化       | matplotlib          | Flask Web + K线图
自动交易     | 需自己对接          | PTrade 内置支持
上手难度     | 中等（需会编程）    | 低（一行命令启动）
数据深度     | 无限（自己控制）    | 3 年
风险控制     | 需自己实现          | VaR + 温度计内置
适用人群     | 进阶量化开发者      | 散户 / 快速选股

五、安装体验

git clone https://github.com/ling-0729/KHunter.git
cd KHunter
pip install -r requirements.txt
python main.py web

然后访问 http://localhost:5001 即可使用全部功能。

六、总结

KHunter 是一个诚意十足的开源项目，对散户非常友好：

• 适合谁用： 想快速上手量化选股但不想从头写代码的散户
• 不适合谁用： 已经有自己工具链的进阶玩家（比如你我）
• 最大的价值： 提供了一套完整的量化选股思路参考，15 种策略的源码本身就很值得学习

对于 aiquants.cn 的读者来说，KHunter 可以作为入门量化选股的快速通道，上手门槛低，效果立竿见影。进阶之后再迁移到 Backtrader 做更精细的控制。

👉 GitHub 仓库 | MIT 开源

⚠️ 风险免责声明：本文内容仅供技术学习与交流，不构成任何投资建议或交易推荐。所有量化策略、模型调用示例均基于公开资料整理，实际交易存在市场风险，请自行评估并承担相应责任。入市有风险，投资需谨慎。