3.2 策略工具箱：常用函数与技巧 - khQuant看海量化交易平台

为了让策略编写更加高效和便捷，看海量化（KHQuant）提供了一套丰富的内置函数工具箱。这些工具函数封装了常见的重复性任务，例如时间判断、数据查询、交易计算、指标分析等，使您可以将更多精力聚焦于策略逻辑本身，而不是底层的实现细节。

本章将详细介绍这些最核心、最常用的工具函数。您无需关心它们来自哪个具体的内部模块，只需知道可以通过 from khQuantImport import * 这一行简单的代码，将它们全部导入到您的策略文件中，然后便可直接调用。

1 便捷数据查询函数

这类函数的目标是以最简洁的方式，从 data 数据字典中提取出您最关心的数据。

`khGet(data, key)` – 万能数据获取函数 (V2/V3 通用)

khGet 是一个功能强大的“万能”数据获取函数，它可以帮助您轻松地从 data 中提取各种嵌套的信息，而无需编写繁琐的字典访问代码。

函数签名：khGet(data: Dict, key: str) -> Any
功能：根据指定的 key，从 data 数据字典中安全地获取对应的值。
参数:
- data (dict): 即策略回调函数中收到的 data 对象。
- key (str): 您希望获取的数据的“别名”。支持的别名包括：
  - 'date_str'：返回 "YYYY-MM-DD" 格式的日期字符串。
  - 'date_num'：返回 "YYYYMMDD" 格式的日期字符串。
  - 'time_str'：返回 "HH:MM:SS" 格式的时间字符串。
  - 'datetime_str'：返回 "YYYY-MM-DD HH:MM:SS" 格式的日期时间字符串。
  - 'datetime_obj'：返回 Python 的 datetime 对象。
  - 'timestamp'：返回当前时间的 Unix 时间戳。
  - 'cash'：返回当前可用资金 (float)。
  - 'market_value'：返回当前持仓总市值 (float)。
  - 'total_asset'：返回当前总资产 (float)。
  - 'stocks'：返回当前股票池的完整列表 (List[str])。
  - 'first_stock'：返回股票池中的第一支股票代码 (str)。
  - 'positions'：返回完整的持仓字典 (Dict)。
返回值：根据 key 返回不同类型的数据。如果键不存在或数据无效，会返回一个安全的默认值（如 None, 0.0, []）。

示例：

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    # 获取时间信息
    current_date = khGet(data, 'date_str') # "2024-07-15"
    current_time = khGet(data, 'time_str') # "09:31:00"

    # 获取账户信息
    available_cash = khGet(data, 'cash')

    # 获取股票池信息
    stock_list = khGet(data, 'stocks')
    first_stock = khGet(data, 'first_stock')

    logging.info(f"日期: {current_date}, 时间: {current_time}, 资金: {available_cash:.2f}")

    return []

`khPrice(data, stock_code, field)` – 获取行情价格 (V2/V3 通用)

khPrice 是专门用于获取股票行情数据的函数，相比直接访问 data，它更加安全，能自动处理数据不存在或无效的情况。

函数签名：khPrice(data: Dict, stock_code: str, field: str = 'close') -> float
功能：获取指定股票在当前时间点的特定行情字段值。
参数:
- data (dict): 即 data 对象。
- stock_code (str): 股票代码，如 '000001.SZ'。
- field (str, 可选): 行情字段名，默认为 'close'。支持 'open', 'high', 'low', 'volume', 'amount' 等。
返回值：(float) 对应的行情数据。如果数据不存在或无效，安全地返回 0.0。

示例：

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    stock = '000001.SZ'

    # 获取平安银行的当前开盘价和收盘价
    open_price = khPrice(data, stock, 'open')
    close_price = khPrice(data, stock, 'close') # 等同于 khPrice(data, stock)

    if open_price > 0:
        logging.info(f"{stock} 开盘价: {open_price}, 最新价: {close_price}")

    return []

`khIndex(data, stock_code, field)` – 获取技术指标 (V3 专用)

khIndex 是专门用于获取技术指标数据的函数。虽然底层实现与 khPrice 类似，但在语义上区分了“基础行情”和“衍生指标”，使代码更具可读性。

函数签名：khIndex(data: Dict, stock_code: str, field: str) -> float
功能：获取指定股票在当前时间点的特定技术指标值。
参数:
- data (dict): 即 data 对象。
- stock_code (str): 股票代码。
- field (str): 指标字段名，如 'MA_5', 'RSI_14', 'MACD' 等。注意：这些指标需要在 init 函数中通过 khAddExtraFields 预先注册才会自动计算。
返回值：(float) 对应的指标数据。如果数据不存在或无效，返回 0.0。

示例：

# 在 init 中注册指标
def init(stock_list, data):
    khAddExtraFields(data, ['MA_5', 'RSI_14'])

# 在 khHandlebar 中获取指标
def khHandlebar(data: Dict) -> List[Dict]:
    stock = '000001.SZ'
    ma5 = khIndex(data, stock, 'MA_5')
    rsi = khIndex(data, stock, 'RSI_14')
    # ...

`khHas(data, stock_code)` – 判断持仓 (V2/V3 通用)

khHas 是一个简洁的函数，用于快速判断当前是否持有某只特定的股票。

函数签名：khHas(data: Dict, stock_code: str) -> bool
功能：检查账户当前是否持有指定的股票。
参数:
- data (dict): 即 data 对象。
- stock_code (str): 股票代码。
返回值：(bool) 如果持有该股票，返回 True；否则返回 False。

示例：

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    stock = '600519.SH'

    # 检查是否持有贵州茅台
    if khHas(data, stock):
        logging.info(f"当前持有 {stock}。")
        # 在这里可以添加卖出逻辑
    else:
        logging.info(f"当前未持有 {stock}。")
        # 在这里可以添加买入逻辑

    return []

2 策略配置与数据预加载 (进阶)

为了提高回测效率，KHQuant 提供了数据预加载机制，允许您在策略初始化阶段声明需要用到的额外数据字段。

`khAddExtraFields(data, fields)` – 注册额外数据字段 (V3 专用)

这是一个非常重要的优化函数。默认情况下，框架只加载基础行情数据（OHLCV）。如果您在策略中需要使用技术指标（如 MA, RSI, MACD 等），必须在 init 函数中调用此函数进行注册。框架会自动计算并在 khHandlebar 中提供这些指标数据。

函数签名：khAddExtraFields(data: Dict, fields: List[str]) -> None
功能：动态配置需要额外加载的数据字段。
参数:
- data (dict): 策略的 data 字典（在 init 函数中传入）。
- fields (list): 需要额外加载的字段列表，如 ['MA_5', 'RSI_14', 'MACD', 'KDJ']。
使用场景：必须在 init 函数中调用。

示例：

def init(stock_list, data):
    # 告诉框架：我需要用到 5日均线、14日RSI 和 MACD 指标
    # 框架会在回测开始前自动计算好这些数据
    khAddExtraFields(data, ['MA_5', 'RSI_14', 'MACD'])

def khHandlebar(data: Dict) -> List[Dict]:
    # 直接获取计算好的指标，速度极快
    ma5 = khIndex(data, '000001.SZ', 'MA_5')
    pass

3 时间与日期工具

在编写择时策略或进行时间相关的逻辑判断时，时间工具函数是必不可少的。

`is_trade_time()` (V2/V3 通用)

函数签名：is_trade_time() -> bool
功能：判断当前时间是否处于A股的常规交易时间段内（09:30-11:30, 13:00-15:00）。
返回值：(bool) 是则返回 True，否则返回 False。
使用场景：确保交易逻辑只在开盘时段执行，避免在午休或非交易时段产生无效信号。

示例：

if is_trade_time():
    # 只在交易时段内执行核心策略
    pass

`is_trade_day(date_str)` (V2/V3 通用)

函数签名：is_trade_day(date_str: str = None) -> bool
功能：判断指定日期是否为A股的交易日（会自动剔除周末和中国的法定节假日）。
参数：
- date_str (str, 可选): 日期字符串，支持 "YYYY-MM-DD" 和 "YYYYMMDD" 两种格式。如果留空，则默认判断当天。
返回值：(bool) 是交易日则返回 True，否则返回 False。

示例：

# 判断特定日期是否为交易日
is_trading_day = is_trade_day("20241001") # 返回 False (国庆节)

# 结合 khGet 使用
current_date = khGet(data, 'date_num')
if is_trade_day(current_date):
    pass

`get_trade_days_count(start_date, end_date)` (V2/V3 通用)

函数签名：get_trade_days_count(start_date: str, end_date: str) -> int
功能：计算两个日期之间的A股交易日天数。
参数：
- start_date (str): "YYYY-MM-DD" 格式的开始日期。
- end_date (str): "YYYY-MM-DD" 格式的结束日期。
返回值：(int) 两个日期之间的交易日总数。

示例：

# 计算2024年第一季度的交易日天数
days = get_trade_days_count("2024-01-01", "2024-03-31")
logging.info(f"2024年Q1共有 {days} 个交易日。")

4 历史数据与技术指标 (核心)

这类函数专注于历史数据的获取和常用技术指标的计算。

`khHistory(symbol_list, fields, bar_count, fre_step, ...)` – 历史数据获取 (V2/V3 通用)

khHistory 是策略中最核心的功能之一，用于获取指定证券的历史K线数据，是计算各种技术指标的基础。

函数签名：khHistory(symbol_list, fields, bar_count, fre_step, current_time=None, skip_paused=False, fq='pre', force_download=False)
功能：获取历史K线数据。
参数:
- symbol_list (list/str): 一个或多个股票代码。
- fields (list): 希望获取的行情字段，如 ['open', 'high', 'low', 'close']。
- bar_count (int): 希望获取的K线数量。
- fre_step (str): K线周期，支持 '1m', '5m', '1d' 等。
- current_time (str, 可选): 获取历史数据的截止时间点（不包含）。如果为 None，则数据截止到当前最新时间。在回测中，为了避免用到未来数据，通常应传入当前时间点。
- skip_paused (bool, 可选): 是否跳过停牌日，默认为 False。
- fq (str, 可选): 复权类型，默认为 'pre' (前复权)。
- force_download (bool, 可选): 是否强制下载新数据，默认为 False。
返回值: (dict) 一个字典，键为股票代码，值为包含历史数据的 pandas.DataFrame。

`current_time` 参数详解

current_time 参数定义了数据获取的“观察点”，函数将返回该观察点之前的历史数据，严格不包含 current_time 这一时刻的数据。这是为了在回测中模拟真实的交易场景：在做决策时，我们只能看到“当前时刻”之前发生的行情。

该参数支持多种时间格式，系统会根据 fre_step 自动适配过滤逻辑：

日期格式 (YYYY-MM-DD 或 YYYYMMDD)
- 适用场景：主要用于日线 (1d) 回测。
- 过滤逻辑：返回日期小于 current_time 的数据。
- 示例：若 current_time="2024-01-15"，则返回 2024-01-14 及之前的 K 线，不包含 15 号当天的数据（因为 15 号收盘后才能看到当日 K 线）。
时间格式 (YYYY-MM-DD HH:MM:SS 或 YYYYMMDD HHMMSS)
- 适用场景：主要用于分钟线 (1m, 5m) 或 Tick 数据回测。
- 过滤逻辑：返回时间戳小于 current_time 的数据。
- 示例：若 current_time="2024-01-15 10:30:00"，则返回 10:30:00 之前的所有分钟线（如 10:29 及其之前的 K 线），不包含 10:30 这一时刻结束的 K 线。

使用案例

案例 1：在日线策略中获取历史数据

def khHandlebar(data: Dict) -> List[Dict]:
    # 假设当前回测日期为 2024-01-15
    current_date = khGet(data, 'date_num') # "20240115"

    # 获取截止到昨日的最近20根日线
    history_data = khHistory(
        symbol_list='000001.SZ',
        fields=['close'],
        bar_count=20,
        fre_step='1d',
        current_time=current_date # 传入当天日期
    )

    # 结果：history_data 中包含 2024-01-14 及之前的20天数据
    # 不包含 2024-01-15 的数据（避免未来函数）
    pass

案例 2：在分钟策略中获取历史数据

def khHandlebar(data: Dict) -> List[Dict]:
    # 假设当前回测时间为 2024-01-15 14:00:00
    current_time = khGet(data, 'datetime_str') # "2024-01-15 14:00:00"

    # 获取截止到当前时刻前的最近60根1分钟K线
    history_data = khHistory(
        symbol_list='000001.SZ',
        fields=['close'],
        bar_count=60,
        fre_step='1m',
        current_time=current_time 
    )

    # 结果：history_data 中最后一条数据的时间应为 13:59:00
    # 不包含 14:00:00 的数据（假设此时刚到14点，K线尚未走完或刚走完）
    pass

案例 3：获取指定历史时刻的数据（用于复盘）

# 想要查看 2023年春节前（2023-01-20）最后10天的行情
history_data = khHistory(
    symbol_list='000001.SZ',
    fields=['close', 'volume'],
    bar_count=10,
    fre_step='1d',
    current_time='2023-01-21' # 设置为春节后第一天或春节期间
)

MyTT 指标库速查 (V2/V3 通用)

KHQuant 内置了功能强大的 MyTT 指标库，您可以直接在策略中调用这些经典的通达信/同花顺风格指标函数。无需自己编写复杂的公式，直接使用即可。

以下是支持的核心指标函数一览：

基础运算类

REF(S, N): 引用N周期前的数据（如 REF(CLOSE, 1) 为昨收）。
ABS(S): 绝对值。
MAX(S1, S2) / MIN(S1, S2): 序列最大/最小值。
HHV(S, N) / LLV(S, N): N周期内的最高值/最低值。
MA(S, N): 简单移动平均。
EMA(S, N): 指数移动平均。
SMA(S, N, M): 加权移动平均（中国式）。
STD(S, N): 样本标准差。
SUM(S, N): N周期累加和。
CONST(S): 取序列最后一个值为常数。

核心指标类

MACD(CLOSE, SHORT=12, LONG=26, M=9): MACD指标。返回 (DIF, DEA, MACD)。
RSI(CLOSE, N=14): 相对强弱指标。
KDJ(CLOSE, HIGH, LOW, N=9, M1=3, M2=3): KDJ指标。返回 (K, D, J)。
BOLL(CLOSE, N=20, P=2): 布林带。返回 (UPPER, MID, LOWER)。
BIAS(CLOSE, L1=6, L2=12, L3=24): 乖离率。
WR(CLOSE, HIGH, LOW, N=10, N1=6): 威廉指标。
CCI(CLOSE, HIGH, LOW, N=14): 顺势指标。
ATR(CLOSE, HIGH, LOW, N=20): 真实波幅。
TRIX(CLOSE): 三重指数平滑平均线。

使用示例：计算 MACD 金叉

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    stock = '000001.SZ'

    # 1. 获取历史数据
    h_data = khHistory(stock, ['close'], 100, '1d', current_time=khGet(data, 'date_num'))
    if stock not in h_data: return []

    # 2. 提取收盘价序列 (转换为 numpy array)
    close_prices = h_data[stock]['close'].values

    # 3. 使用 MyTT 计算 MACD
    DIF, DEA, MACD_VAL = MACD(close_prices)

    # 4. 判断金叉 (DIF 上穿 DEA)
    if DIF[-1] > DEA[-1] and DIF[-2] <= DEA[-2]:
        logging.info(f"{stock} 出现 MACD 金叉！")

    return []

缠论工具箱 (KhChanLunTools) (V2/V3 通用)

对于高阶用户，KHQuant 提供了专门的缠论形态分析工具，支持分型识别、趋势判断和分型突破检测。这些工具对于构建基于形态的策略非常有帮助。

1. 分型识别

分型是缠论中最基本的形态单元，分为顶分型和底分型。

is_bottom_fractal(kline_data, index=-1): 判断是否为底分型。
- 定义: 中间K线的高点和低点都低于左右两根K线。
- 参数:
  - kline_data (pd.DataFrame): K线数据，必须包含 high 和 low 列。
  - index (int): 要判断的K线位置，默认为 -1（最新一根）。注意：index 指向的是分型中间那根K线的位置。
- 返回值: (bool) 是底分型返回 True，否则返回 False。
is_top_fractal(kline_data, index=-1): 判断是否为顶分型。
- 定义: 中间K线的高点和低点都高于左右两根K线。
- 参数: 同上。
- 返回值: (bool) 是顶分型返回 True，否则返回 False。
find_all_fractals(kline_data): 批量查找所有分型。
- 功能: 扫描整段K线数据，找出所有的顶分型和底分型位置。
- 返回值: (List[int], List[int])，分别返回顶分型和底分型的索引列表。

2. 趋势与价格分析

get_trend_direction(kline_data, period=20): 判断K线趋势方向。
- 原理: 综合均线方向、高低点序列和收盘价位置进行判断。
- 参数:
  - kline_data: K线数据。
  - period (int): 判断周期，默认20。
- 返回值: (str) 返回 'up' (上升), 'down' (下降), 或 'sideways' (震荡)。
get_fractal_price(kline_data, index, fractal_type): 获取分型关键价格。
- 参数:
  - index: 分型位置索引。
  - fractal_type: 'top' (顶分型) 或 'bottom' (底分型)。
- 返回值: (float) 顶分型返回最高价，底分型返回最低价。
check_fractal_break(kline_data, fractal_index, fractal_type, current_index=-1): 检查分型是否被突破。
- 功能: 判断后续行情是否突破了指定分型的极值点（顶分型被向上突破，底分型被向下突破）。
- 返回值: (bool) 突破返回 True。

3. 高级K线数据获取

khKline(symbol_list, period, bar_count, ...): 高级K线获取函数。
- 特点:
  - 支持任意自定义周期（如 3d, 2h, 15m）。
  - 年对齐: 多日周期（如3日线）以每年第一个交易日为基准对齐，避免跨年数据错位。
  - 实时快照: 在交易时段内，未收线的K线会包含当前时刻的快照数据，适合实时监控。
- 参数:
  - symbol_list: 股票代码或列表。
  - period: 周期字符串，如 '15m', '2h', '3d'。
  - bar_count: 获取数量。
  - end_time: 结束时间（可选），用于历史回测验证。

综合示例：缠论底分型买入策略

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    stock = '000001.SZ'

    # 1. 获取 15分钟 K线数据（缠论常用小周期）
    # 获取50根K线，确保有足够数据判断趋势和分型
    kline_dict = khKline(stock, '15m', 50) 

    if stock in kline_dict:
        df = kline_dict[stock]

        # 2. 判断最新 K 线（倒数第二根为中间K线，所以检查 index=-2 或 -1）
        # 注意：实盘中通常等待分型确认（右侧K线收盘），或者在右侧K线运行中预判
        # 这里演示判断刚刚完成的一组分型（假设当前时刻是右侧K线的结束或下一根的开始）

        # 判断倒数第二根是否构成底分型的中间K线（即分型已确立）
        if is_bottom_fractal(df, index=-2):

            # 3. 结合趋势过滤：只有在上升趋势或震荡中才买入
            trend = get_trend_direction(df)
            if trend != 'down':
                logging.info(f"{stock} 15分钟级别确立底分型，趋势: {trend}")

                # 4. 获取分型最低点作为止损位
                stop_loss_price = get_fractal_price(df, -2, 'bottom')
                logging.info(f"建议止损位: {stop_loss_price}")

                # 生成买入信号...

    return []

5 交易信号与资金管理

这类函数用于简化交易信号的生成和仓位计算，能极大提高策略编写效率。

`calculate_max_buy_volume(data, stock_code, price, cash_ratio)` (V2/V3 通用)

函数签名：calculate_max_buy_volume(data: Dict, stock_code: str, price: float, cash_ratio: float = 1.0) -> int
功能：根据可用资金、股价和交易成本，精确计算出理论上可以买入的最大股票数量（会自动向下取整到100的倍数）。
参数：
- data (dict): data 对象。
- stock_code (str): 股票代码。
- price (float): 计划买入的价格。
- cash_ratio (float, 可选): 计划使用的资金比例，默认为 1.0 (全部可用资金)。
返回值：(int) 可以买入的最大股数。

示例：

# 计划用50%的资金买入平安银行
current_price = khPrice(data, '000001.SZ', 'close')
max_volume = calculate_max_buy_volume(data, '000001.SZ', current_price, cash_ratio=0.5)
if max_volume > 0:
    logging.info(f"最多可买入 {max_volume} 股")

`generate_signal(data, stock_code, price, ratio, action, reason)` – 智能信号生成 (V2/V3 通用)

generate_signal 是一个强烈推荐使用的高级信号生成函数。它封装了繁琐的仓位计算逻辑，让您只需关注交易方向和比例即可。

函数签名：generate_signal(data: Dict, stock_code: str, price: float, ratio: float, action: str, reason: str = "") -> List[Dict]
功能：智能生成标准交易信号。
参数：
- data (dict): data 对象。
- stock_code (str): 股票代码。
- price (float): 交易价格。
- ratio (float): 核心参数。
  - 当 action 为 'buy' 时, ratio 代表资金使用比例（如 0.5 代表使用50%的可用资金）。
  - 当 action 为 'sell' 时, ratio 代表持仓卖出比例（如 1.0 代表全部卖出）。
  - 特殊用法: 当 action 为 'buy' 且 ratio > 1 时，ratio 会被视为固定股数进行买入（必须是100的整数倍）。
- action (str): 'buy' 或 'sell'。
- reason (str, 可选): 交易原因，默认为空字符串。
返回值：List[Dict]，一个包含单个交易信号的列表。如果条件不满足（如资金不足或无仓可卖），则返回空列表。

示例：

from khQuantImport import *

def khHandlebar(data: Dict) -> List[Dict]:
    signals = []
    stock = '000001.SZ'
    price = khPrice(data, stock, 'close')

    if price == 0: return []

    # 逻辑1：如果未持仓，则使用50%的资金买入
    if not khHas(data, stock):
        # generate_signal会自动计算股数并返回信号列表
        buy_signals = generate_signal(data, stock, price, 0.5, 'buy', "首次建仓")
        signals.extend(buy_signals)

    # 逻辑2：如果已持仓，且满足某个条件，则全部卖出
    elif should_sell_condition:
        # ratio=1.0 代表全仓卖出
        sell_signals = generate_signal(data, stock, price, 1.0, 'sell', "止盈卖出")
        signals.extend(sell_signals)

    return signals

`round_price(price, decimals)` – 价格规整 (V2/V3 通用)

在实盘交易中，申报价格必须符合交易所的最小变动价位（tick size）。此函数用于将计算出的理论价格规整为合法的申报价格。

函数签名：round_price(price: float, decimals: int = None, data: Dict = None) -> float
功能：对价格进行四舍五入。
参数：
- price: 原始价格。
- decimals: 保留的小数位数。如果为 None，则尝试从 data 中的框架配置自动获取，或根据默认规则（股票2位，ETF 3位）处理。
- data: 策略上下文数据（可选，用于获取配置）。
返回值：规整后的价格。

6 ETF 专属工具

针对 ETF 交易，框架提供了专门的辅助函数。

is_etf(stock_code) (V2/V3 通用): 判断指定代码是否为 ETF 基金。
- 示例：is_etf('510300.SH') 返回 True。
is_t0_etf(stock_code) (V3 专用): 判断指定 ETF 是否支持 T+0 交易（当日买入当日可卖）。
- 示例：is_t0_etf('159915.SZ') 返回 True（创业板ETF支持T+0）。

7 其他实用工具

`get_stock_names(stock_codes, stock_list_file)` (V2/V3 通用)

函数签名：get_stock_names(stock_codes: Union[List[str], str], stock_list_file: str) -> Dict[str, str]
功能：根据股票代码列表，查询并返回对应的股票名称。
参数：
- stock_codes (list/str): 一个或多个股票代码。
- stock_list_file (str): 包含股票代码和名称映射关系的CSV文件路径。通常是 data/stock_list/沪深A股_股票列表.csv。
返回值：一个字典，键为股票代码，值为股票名称。

示例：

stock_names = get_stock_names(['000001.SZ', '600519.SH'], "data/stock_list/沪深A股_股票列表.csv")
# 返回: {'000001.SZ': '平安银行', '600519.SH': '贵州茅台'}
print(stock_names)

`normalize_stock_code(stock_code)` (V2/V3 通用)

函数签名：normalize_stock_code(stock_code: str) -> str
功能：将各种格式的股票代码统一转换为标准格式（XXXXXX.SZ 或 XXXXXX.SH）。
支持格式：
- "sh.600000" -> "600000.SH"
- "600000" (需结合上下文，此函数主要处理带后缀的情况)
- "sz000001" -> "000001.SZ"

1 便捷数据查询函数

khGet(data, key) – 万能数据获取函数 (V2/V3 通用)

khPrice(data, stock_code, field) – 获取行情价格 (V2/V3 通用)

khIndex(data, stock_code, field) – 获取技术指标 (V3 专用)

khHas(data, stock_code) – 判断持仓 (V2/V3 通用)

2 策略配置与数据预加载 (进阶)

khAddExtraFields(data, fields) – 注册额外数据字段 (V3 专用)

3 时间与日期工具

is_trade_time() (V2/V3 通用)

is_trade_day(date_str) (V2/V3 通用)

get_trade_days_count(start_date, end_date) (V2/V3 通用)

4 历史数据与技术指标 (核心)

khHistory(symbol_list, fields, bar_count, fre_step, ...) – 历史数据获取 (V2/V3 通用)

current_time 参数详解

使用案例

MyTT 指标库速查 (V2/V3 通用)

基础运算类

核心指标类

缠论工具箱 (KhChanLunTools) (V2/V3 通用)

1. 分型识别

2. 趋势与价格分析

3. 高级K线数据获取

5 交易信号与资金管理

calculate_max_buy_volume(data, stock_code, price, cash_ratio) (V2/V3 通用)

generate_signal(data, stock_code, price, ratio, action, reason) – 智能信号生成 (V2/V3 通用)

round_price(price, decimals) – 价格规整 (V2/V3 通用)

6 ETF 专属工具

7 其他实用工具

get_stock_names(stock_codes, stock_list_file) (V2/V3 通用)

normalize_stock_code(stock_code) (V2/V3 通用)

`khGet(data, key)` – 万能数据获取函数 (V2/V3 通用)

`khPrice(data, stock_code, field)` – 获取行情价格 (V2/V3 通用)

`khIndex(data, stock_code, field)` – 获取技术指标 (V3 专用)

`khHas(data, stock_code)` – 判断持仓 (V2/V3 通用)

`khAddExtraFields(data, fields)` – 注册额外数据字段 (V3 专用)

`is_trade_time()` (V2/V3 通用)

`is_trade_day(date_str)` (V2/V3 通用)

`get_trade_days_count(start_date, end_date)` (V2/V3 通用)

`khHistory(symbol_list, fields, bar_count, fre_step, ...)` – 历史数据获取 (V2/V3 通用)

`current_time` 参数详解

`calculate_max_buy_volume(data, stock_code, price, cash_ratio)` (V2/V3 通用)

`generate_signal(data, stock_code, price, ratio, action, reason)` – 智能信号生成 (V2/V3 通用)

`round_price(price, decimals)` – 价格规整 (V2/V3 通用)

`get_stock_names(stock_codes, stock_list_file)` (V2/V3 通用)

`normalize_stock_code(stock_code)` (V2/V3 通用)