前言
欢迎使用 khQuant
欢迎您选择看海量化交易平台 (khQuant)！
khQuant 是一款旨在帮助您将交易想法转化为实际策略，并在历史数据中进行验证的工具。无论您是想测试一个新的交易指标，还是评估一个自动化交易流程的效果，khQuant 都致力于为您提供一个便捷、高效的平台来测试和验证您的交易想法。
阅读对象
本教程主要面向 khQuant 软件的使用者。无论您是量化交易的新手，还是有一定经验的交易者，只要您希望利用本软件进行策略的回测分析，本教程都将为您提供必要的指导。本教程侧重于软件的操作和使用。
主要功能概览
khQuant 提供了以下核心功能，帮助您更好地进行量化策略研究：
- 图形用户界面 (GUI): 提供直观易用的操作界面，方便您配置参数、运行策略和查看结果。
- 核心运行模式: 支持策略的 历史回测，让您可以在历史数据上检验策略效果。
- 便捷的数据管理: 内置数据下载工具，方便获取股票历史行情数据。
- 策略执行与监控: 在回测过程中实时显示模拟的账户资金、持仓变动、订单状态和策略日志。
- 结果查看: 提供回测报告或关键指标展示，帮助评估策略表现。
与其他平台的简要对比
您可能了解或使用过其他的量化交易平台。下表旨在帮助您理解 khQuant 与常见的 vn.py 和 Backtrader 平台之间的主要差异和侧重点：
| 特性 | khQuant | vn.py | Backtrader |
|---|---|---|---|
| 主要定位 | 集成图形界面的回测平台，具备 标准化的 Python 策略框架 | 功能全面的综合性量化平台 (覆盖回测、模拟、实盘) | 专注于策略回测的纯 Python 框架库 |
| 易用性 | 高 (GUI 驱动友好，同时核心框架也可独立使用) | 中等 (功能强大但配置和学习曲线较陡峭) | 低 (纯代码驱动，需要扎实的 Python 编程能力) |
| 灵活性与扩展性 | 高 (标准化框架易于维护; GUI 与核心逻辑低耦合, 支持纯代码运行; 为 AI 生成策略等集成提供良好基础) | 高 (模块化设计，支持多种交易接口和自定义开发) | 极高 (完全代码控制，提供最大的自定义可能性) |
| 框架设计 | 结构清晰、标准化 (降低策略开发复杂度，利于 AI 对接与团队协作); GUI 与核心分离 | 事件驱动，模块化 | 核心精简，高度灵活，依赖用户自行构建 |
| 核心依赖 | 深度绑定 miniQMT / xtquant (数据和未来交易依赖迅投生态) | 相对独立 (支持对接多种 CTP/API 接口及数据源) | 框架独立 (用户需自行解决数据和交易接口对接) |
| 典型用户 | 偏好 GUI 操作、需快速回测验证、或希望基于标准框架进行代码回测、关注 AI 策略应用、miniQMT 用户 | 需要完整交易周期支持(含实盘)、有一定开发能力的专业用户或机构 | 资深 Python 开发者、进行复杂算法研究、需极致定制化用户 |
| 核心优势 | 易用性 (GUI) 与 结构化 (标准框架) 的结合, 支持 GUI 或纯代码运行模式, AI 策略集成潜力 | 功能覆盖全面 (从研究到实盘)，成熟稳定，社区支持广泛 | 无与伦比的代码灵活性和控制力，深度研究利器 |
总的来说，如果您希望通过图形界面快速进行策略的历史回测，或者倾向于使用一个结构清晰、标准化的框架进行代码驱动的回测（该框架的低耦合设计也为后续引入 AI 生成策略等扩展提供了便利），并且主要在 miniQMT 生态内操作，khQuant 提供了一个非常有吸引力的选择。如果您需要直接支持广泛的实盘接口、进行高度复杂的代码级自定义开发或纯粹的代码级深度研究，vn.py 或 Backtrader 可能是更合适的选项。
为什么开发 khQuant？
您可能会好奇，在已有不少量化工具的情况下，为什么还要开发 khQuant？这主要源于以下几点考虑，这些考虑也旨在最终为用户带来更好的体验：
- 追求开放与灵活的潜力: 许多现有系统在策略实现上可能存在限制，特别是在引入最新的 AI 算法方面。khQuant 基于
xtquant构建，旨在保留最大的灵活性，其标准化的策略框架也为未来集成更先进的分析方法（例如 AI 生成策略）打下了基础，希望能为用户的策略探索提供更广阔的空间。 - 保障策略安全与本地运行: 策略是量化交易的核心。khQuant 确保您的策略代码完全在本地计算机上运行，仅通过接口与 miniQMT 交互获取行情和（未来可能的）执行交易，这是保障策略安全性的最佳方式。同时，本地运行也为处理大规模数据或复杂计算提供了性能优势。
- 打造称手易用的工具: 软件终究是工具，目的是服务于策略研究。khQuant 的开发目标是打造一款”称手好用”的兵器——在保证专业功能的同时，力求界面友好、操作便捷，让用户能将更多精力投入到策略开发与验证本身，而不是被复杂的工具所困扰。
- 丰富 miniQMT 生态选择: 针对 miniQMT 用户，khQuant 希望填补一个空白，提供一个集成化的、易于使用的回测平台选项，为大家在该生态下的量化研究提供更多便利。
希望本教程能帮助您快速上手 khQuant，开启您的量化策略研究之旅！