作 者：老余捞鱼
原创不易，转载请标明出处及原作者。
技术讨论不构成任何操作建议。
模型评测不等于投资建议。
不荐股、不卖课、不承诺收益。
市场有风险，请合法合规投资。
本文约 2300 字 | 预计阅读 6 分钟
先看两个放在一起很别扭的数字。
一个是官方性能数据。A 股全市场 1913 万条日 K 线，预热之后，算一遍 20 日均线再求和，166 毫秒。另一个是热度。这个项目在 GitHub 上攒了 14 年，3631 个 star。比 Qlib、vnpy 这些头部框架，低了一个量级。
性能排第一梯队，热度却没跟上，中间差的这点认知，就是我今天想补的。
写这篇的由头是我自己挑回测框架时踩过的坑。海外框架拿到 A 股，T+1 和除权除息处理不对，曲线看着漂亮，口径从根上就是错的。所以我把这个叫 Hikyuu 的老项目从头翻了一遍，又亲手装了一遍。这篇拆五个问题，它是什么，策略怎么组织，性能数字的口径，装机踩的坑，它哪里不行。等不及的可以直接跳到第四节看坑。
一、它是什么，先看基本盘
Hikyuu 是一个 C++/Python 的开源量化研究框架，作者网名 fasiondog。仓库 2012 年 7 月创建，到今天 6970 次提交。最近一次提交在 2026 年 10 月 26 日。协议 Apache-2.0，允许商用。
项目官方介绍截图
交代一个查资料时的小插曲。我一开始在 GitHub 仓库页面上找 star 数，翻了两遍没找着。后来才反应过来，直接调接口问就行，3631 star、850 fork、131 个关注者。数字拿到手，画像就出来了。
有三个事实放在一起看，基本盘就清楚了。
第一，它是真老，不是那种火两年就弃坑的项目。14 年的提交记录摆在那里，open issue 只有 5 个，处理得很干净。
第二，它是单人业余维护。作者在项目页明说了，这是用业余时间写和维护的，靠知识星球这类付费社区支撑。这件事是双刃剑，后面第五节细说。
第三，它的定位很克制。主语言是 C++，内核管计算，Python 管策略开发，两者打通。它管自己叫量化研究框架，重心放在回测和策略分析上，实盘只留了接口位。
它 README 里有一句话，我认为是理解整个项目的钥匙。官方说，绝不让一个能跑但经不起推敲的策略被当作结论。翻译成人话，手续费怎么算、除权除息日持仓怎么变、空值怎么传播，这些容易糊弄过去的地方，框架里全有明确定义，糊弄不过去。
二、把交易系统拆成零件，是它最值钱的设计
一个完整的交易系统，其实要回答六个问题。市场环境允不允许做，什么条件才做，什么时候进出，每次动多少仓位，错了怎么退，成交价按什么算。
大多数人的做法是把这些搅在一个脚本里。Hikyuu 的做法是每个问题对应一个零件，信号、资金管理、止损止盈、滑点、市场环境判断，每个零件职责单一，可以单独替换。
官方的快速上手示例，几行就是一个完整系统。
代码 1，官方快速上手示例
# 模拟账户，初始资金 30 万
my_tm = crtTM(init_cash=300000)
# 信号，快慢双均线
my_sg = SG_Flex(EMA(CLOSE(), n=5), slow_n=10)
# 每次固定成交 1000 股
my_mm = MM_FixedCount(1000)
# 组装成系统，对平安银行最近 150 根日K跑一遍
sys = SYS_Simple(tm=my_tm, sg=my_sg, mm=my_mm)
sys.run(sm['sz000001'], Query(-150))这段代码的价值不在策略本身，双均线只是演示。价值在于零件可以换。把信号换成突破类，资金管理换成按比例，系统其余部分一行不用动。用得久了，你会攒出自己的零件库，新策略就是重新配一次零件。
再往上一层是组合。多个策略可以组成 Portfolio，选股、资金分配、多因子评分各是一个位子，组合还能套组合，官方管这个叫组合即策略。做资产配置或者多策略混合回测，这一层是现成的，不用自己手写调度。
三、166 毫秒这个数字，口径要说清
前面提到的 166 毫秒，出处是官方 README。测试平台 AMD 7950x，任务是对全市场 1913 万条日 K 线算 20 日均线求和。首次加载约 6 秒，预热后 166 毫秒。
166 毫秒是什么概念？一次眨眼大约三百毫秒，全市场算完，眨眼都用不满。
快的原理不复杂。C++ 内核原生多线程，算过的指标有缓存，第二次直接取。社区的公开反馈和这个量级对得上，十年日线级别的策略验证，几分钟出结果，纯 Python 框架同样的活要跑更久。
有一说一，166 毫秒是官方机器上的数字，我没有在同配置机器上复测过，我的笔记本上具体快多少，我不敢打包票。但加速的来源是实打实的，C++ 内核加缓存加多线程，这三样没有一样是虚的。
数据层也交代一下。四种存储后端，HDF5、MySQL、ClickHouse、SQLite，默认 HDF5，轻量好备份。行情数据全部落在本地，不经过任何第三方平台，这一点对在意数据隐私的人是加分项。
四、我装了一遍，坎在数据这一步
第一步装库。我一开始估五分钟搞定，用默认官方源跑 pip，结果卡了 25 分钟没动静，52MB 的主包进度条都没挪一下。换清华镜像。几分钟装完。这不怪项目，锅在网速，但主包加上一堆依赖，裸装确实是个体力活。
第二步看装进来的东西，我盯着依赖清单看了半天。PySide6 整个 Qt 全家桶，连 WebEngine 都在里面。再算上 akshare、bokeh、clickhouse-connect、tables，一个回测框架装完，虚拟环境里多出 107 个包，占了2GB。
2GB，一个回测框架。它自带一套 Qt 写的图形界面，功能上是加分，代价是装库变重。只想用 Python 接口跑回测的人，这个包体有点超重。
第三步 import。首次导入它要在用户目录建一个 .hikyuu 文件夹，初始化 SQLite，存零件仓库的配置。我的环境对这个目录的写入有安全限制，初始化没跑通，甩出一长串数据库报错。后来才看明白，是环境拦了写入，不是项目的问题。普通电脑上没有这层限制，一般遇不上。但有一点是确定的，第一次跑之前，得先把行情数据导入本地库，官方给了从通达信等来源导入的工具，这一步跳不过去。
装机环节的结论，装得上，但不是无脑顺畅。镜像、依赖、数据导入，三件事都要自己过一遍。对目标用户这不算障碍，对想十分钟跑通的人，这是个劝退点。
五、它哪里不行，这三条是硬的
优点说了不少，短板更值得看清楚。
第一条，生态小。3600 多个 star 的社区规模，意味着你遇到问题时，能搜到的中文教程和答疑帖有限，很多时候要自己啃源码和文档。
第二条，单人维护。14 年的活跃是作者一个人扛下来的，靠业余时间和付费社区支撑。项目现在是活的，但它的命脉系在一个人身上，这是客观风险。
第三条，实盘基础。回测和研究这块它做得很重，实盘只留了事件驱动框架和订单接口位，接券商、做风控，这些工程量都得自己上。想要一键实盘的人，它给不了。
还有一条软的，学习曲线。零件化的思维和写脚本跑回测的习惯不一样，刚开始要转弯。官方甚至明说，这个门槛是有意保留的，原话是框架不会用漂亮的曲线，去弥补你没有思考过的前提。
另外它主要覆盖 A 股，期货、期权和海外市场要自己扩展，多市场需求重的人不用看了。
六、适合谁，一句话说完
认真做 A 股系统化研究的个人投资者和小团队，值得装一遍。行情数据落在本地，策略拆成零件慢慢攒，这套东西用三五年不过时。想两天看到漂亮收益曲线的人，别装。它会让你失望，故意的。
说不好这项目再过五年什么样，单人项目的生命周期我没法替它担保。但这 14 年的提交记录是真的，166 毫秒背后的功夫也是真的。
开头的两个数字，现在可以对上了。14 年攒 7000 次提交和 166 毫秒算完全市场，其实是同一件事，慢功夫堆出的快。这种项目热度不会爆，但一直在。
留个问题，你现在跑全市场扫一遍指标要几分钟？评论区报个数，我看看这个 166 毫秒对你们是量级碾压还是锦上添花。
项目GitHub地址：github.com/fasiondog/hikyuu
觉得有用的话，把这篇转给同样在挑回测框架的朋友。
#开源项目 #Hikyuu #量化回测 #A股 #量化框架 #Python量化 #C++ #策略回测 #量化工具 #本地化部署 #系统化交易 #程序化交易
Be First to Comment