📋 1. 准备工作

在开始之前，请确保您的电脑满足以下基本要求：

  • 操作系统：Windows 10/11 (教程以 Windows 为例，Linux/macOS 原理类似)
  • 网络环境：能够稳定访问互联网
  • Python 环境：Python 3.8 或更高版本 已正确安装并添加到系统环境变量 (PATH) 中。
  • Git (可选)：用于克隆项目代码。您也可以直接下载 ZIP 压缩包。

🚀 2. 快速部署与启动 (Windows)

这是最简单、最快捷的启动方式，适合首次使用的用户。

  1. 获取代码：

    • 打开命令行工具 (CMD 或 PowerShell) 或 Git Bash。

    • 执行以下命令克隆项目：

      1
      git clone https://github.com/ling-0729/KHunter.git

    • 如果无法使用 Git，可以直接在浏览器访问 https://github.com/ling-0729/KHunter，点击绿色的 “Code” 按钮，选择 “Download ZIP” 并解压到本地。

  2. 一键启动：

    • 进入解压后的 KHunter 文件夹。
    • 双击运行根目录下的 start.bat 文件。
    • 此时系统会自动安装所有必需的依赖库，并启动 Web 管理界面。
    • 等待命令行窗口中不再有新的输出，并且最后几行显示 Running on http://127.0.0.1:5001 等类似信息时，表示启动成功。

  3. 访问系统：

    • 打开您的浏览器，访问 http://localhost:5001，即可看到 KHunter 的 Web 管理界面。

🛠️ 3. 手动部署与启动 (更灵活)

如果您希望更深入地了解部署过程，或需要自定义配置，可以使用手动方式。

  1. 获取代码：同上，克隆或下载项目代码到本地。

  2. 安装依赖：

    • 在 KHunter 项目根目录下，打开命令行工具。

    • 执行以下命令安装所有必需的 Python 库：

      1
      pip install -r requirements.txt

    • 由于网络原因，下载过程可能较慢。您可以考虑使用国内镜像源加速，例如：pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple。

  3. 启动系统：

    • 在同一个命令行窗口中，执行以下命令：

      1
      python main.py web

    • 当命令行显示 Running on http://127.0.0.1:5001 时，即表示启动成功。

⚙️ 4. 核心配置与数据初始化

系统启动后，您需要进行一次性的数据初始化，才能开始使用选股和狩猎场功能。

  1. 登录 Web 界面：确保已完成上述部署，并已打开 http://localhost:5001。
  2. 执行数据初始化：
    • 在 Web 界面中，找到顶部的导航菜单，点击 “数据管理”。
    • 在数据管理页面，您会看到 “初始化数据” 或类似的按钮。点击它。
    • 注意：系统默认会使用免费数据源 (如 TickFlow, akshare) 获取全市场约 5000+ 只股票的历史数据，这个过程可能需要较长时间 (如 30 分钟至 1 小时)，请耐心等待，并确保网络稳定。
  3. 执行数据更新：
    • 数据初始化完成后，您需要获取最新的行情数据。
    • 仍然在 “数据管理” 页面，找到并点击 “更新数据” 按钮。
    • 提示：系统有智能更新机制，建议在 每日收盘后 (如 16:30 之后) 执行更新，以获取当日完整的 K 线数据。日常使用只需点击“更新数据”进行增量更新即可。
  4. 验证数据状态：
    • 回到 “系统概览” 或 “首页”，检查显示的 “股票数量” 是否接近 5000+，以及 “最新数据日期” 是否为最近一个交易日。如果数据正常，则说明准备工作完成。

🎯 5. 首次选股与狩猎场使用流程

数据准备就绪后，您可以开始体验核心的量化选股流程。

  1. 执行选股：
    • 点击导航菜单中的 “选股执行”。
    • 您可以选择一个或多个策略 (系统默认提供了 15 种策略，如“底部趋势拐点”、“多金叉共振”等)。
    • 点击 “执行选股” 按钮。系统将基于您选择的策略，对全市场股票进行扫描。
    • 执行完成后，页面会显示命中的股票列表。
  2. 进行评分与排名：
    • 选股完成后，找到并点击 “选股排名” 或 “狩猎场” 相关的功能入口。
    • 系统会对上一轮选出的股票，基于 技术面、资金面、基本面、板块强度、事件驱动 这五个维度进行综合评分和排名。
    • 注意：此功能依赖除 K 线外的其他数据 (如资金流向)，若免费数据源不稳定，可能无法获取全部数据。如需稳定体验，可考虑注册 Tushare 并获取 6000 积分以上的 API Token 进行配置。
  3. 筛选与狩猎场：
    • 您可以根据评分等级、支撑位等条件进行筛选。
    • 符合条件的优质股票会被自动纳入 “狩猎场”，方便您进行后续的追踪和管理。
  4. 策略回测：
    • 在 “策略回测” 页面，您可以配置回测参数 (如时间范围、初始资金)，选择策略，然后执行回测。
    • 系统会生成详细的回测报告，包括收益率、胜率、最大回撤等关键指标，并展示资金曲线，帮助您评估策略的历史表现。

📚 6. 扩展与进阶 (供开发者参考)

  • 修改策略参数：您可以在 Web 界面的 “策略配置” 中在线调整各策略的参数，无需重启服务。
  • 扩展新策略：
    1. 在 strategy/ 目录下创建新的 Python 文件。
    2. 继承 BaseStrategy 类，并实现 calculate_indicators() 和 select_stocks() 方法。
    3. 在 config/strategy_params.yaml 中添加新策略的参数。
    4. 系统会自动识别并加载您的新策略。
  • 启用 PTrade 自动交易：如需对接 PTrade 平台实现自动交易，请参考 trading/ptrade/ 目录下的示例代码 (ptradesample.py 和 khunter_auto_trade.py) 进行配置和部署。

⚠️ 7. 重要提示与免责声明

  • 数据源稳定性：项目默认依赖免费数据源，可能存在获取失败或数据不完整的情况。您可以尝试在非高峰时段操作，或自行配置更稳定的数据源。
  • 投资风险：本项目所有功能（包括选股、评分、回测）仅供学习和研究使用，不构成任何投资建议。 所有筛选结果仅为历史数据的技术指标计算，不代表对未来收益的预测。股市有风险，投资需谨慎。
  • 维护与更新：建议定期关注项目 GitHub 仓库，获取最新的版本更新和 Bug 修复。

按照以上步骤，您应该已经成功部署并运行了 KHunter 系统。祝您使用愉快，探索量化投资的乐趣！