Hikyuu Quant Framework 是一款基于 C++/Python 的开源量化交易研究框架，用于策略分析及回测。其核心思想基于当前成熟的系统化交易方法，将整个系统化交易抽象为由市场环境判断策略、系统有效条件、信号指示器、止损 / 止盈策略、资金管理策略、盈利目标策略、移滑价差算法七大组件，你可以分别构建这些组件的策略资产库，在实际研究中对它们自由组合来观察系统的有效性、稳定性以及单一种类策略的效果。例如：
#创建模拟交易账户进行回测，初始资金30万
my_tm = crtTM(initCash = 300000)
#创建信号指示器（以5日EMA为快线，5日EMA自身的10日EMA最为慢线，快线向上穿越慢线时买入，反之卖出）
my_sg = SG_Flex(OP(EMA(n=5)), slow_n=10)
#固定每次买入1000股
my_mm = MM_FixedCount(1000)
#创建交易系统并运行
sys = SYS_Simple(tm = my_tm, sg = my_sg, mm = my_mm)
sys.run(sm['sz000001'], Query(-150))
完整示例参见：
Jupyter Notebook Viewer
表示一个完整的系统化交易方法或策略。而在系统之上，称为 Portfolio 资产组合，选股策略则是 Portfolio 的组件，Portfolio 的另一重要组成则是资金分配策略，比如选股策略选定了 4 个交易对象（股票或基金等），
Hikyuu Quant Framework 其实是在 System 和 Portfolio 基础之上、包含了九大策略组件：市场环境判断策略、系统有效条件、信号指示器、止损 / 止盈策略、资金管理策略、盈利目标策略、移滑价差算法、交易对象选择策略、资金分配策略。可以在此基础上构建自己的策略库，并进行灵活的组合和测试，甚至可以更进一步，在选择交易对象的同时，选取与之匹配的最优系统交易策略（System）。
1、组合灵活，分类构建策略资产库 Hikyuu 对系统化交易方法进行了良好的抽象，将完整的系统交易分为不同的策略组件接口，在进行策略探索时，可以更加专注于某一方面的策略性能与影响，可以构建自己的策略库累计资产，并灵活组合。其主要功能模块如下：
2、性能保障，打造自己的专属应用 目前项目包含了 3 个主要组成部分：基于 C++ 的核心库、对 C++ 进行包装的 Python 库 (hikyuu)、基于 Python 的交互式工具。
-
C++ 核心库，提供了整体的策略框架，在保证性能的同时，已经考虑了对多线程和多核处理的支持，在未来追求更高运算速度提供便利。C++ 核心库，可以单独剥离使用，自行构建自己的客户端工具。
-
Python 库（hikyuu），提供了对 C++ 库的包装，同时集成了 talib 库（如 TA_SMA，对应 talib.SMA），可以与 numpy、pandas 数据结构进行互相转换，为使用其他成熟的 python 数据分析工具提供了便利。
-
hikyuu.interactive 交互式探索工具，提供了 K 线、指标、系统信号等的基本绘图功能，用于对量化策略的探索和回测。
3、多范式支持，探索更便捷、自由 同时支持面向对象和命令行编程范式。其中，命令行在进行策略探索时，更加简单、便捷、自由。
4、安全、自由、隐私，搭建自己的专属云量化平台 结合 Python + Jupyter 的强大能力与云服务器，可以搭建自己专属的云量化平台。将 Jupyter 部署在云服务器上，随时随地的访问自己的云平台，即刻实现自己新的想法，如下图所示通过手机访问自己的云平台。结合 Python 强大成熟的数据分析、人工智能工具（如 numpy、scipy、pandas、TensorFlow) 搭建更强大的人工智能平台。
5、数据存储方式可扩展 目前支持本地 HDF5 格式、MySQL 存储。默认使用 HDF5，数据文件体积小、速度更快、备份更便利。截止至 2017 年 4 月 21 日，沪市日线数据文件 149M、深市日线数据文件 184M、5 分钟线数据各不到 2G。
MF 多因子组件，用于时间截面对各标的排序评分，重新整理 PF (投资组合)、SE (选股算法)。从投资组合 (PF)-- 截面评分 (MF)-- 选股过滤 (SE)-- 系统策略 (SYS)-- 择时 (SG)-- 资金管理 (MM)-- 止损 (ST)/ 止盈 (TP)-- 盈利目标 (PG) 全链条的交易组件化
指标 ZBOND10（10 年期国债收益率用于计算夏普比例）、SPEARMAN（秩相关系数）、IC（信息系数）、ICIR（信息比率）
复权类指标（EQUAL_FORWARD 等）, 方便需要复权数据的指标计算
