io.github.akfamily/akquant

AKQuant 是一款专为量化投研设计的下一代高性能混合框架。核心引擎采用 Rust 编写以确保极致的执行效率，同时提供优雅的 Python 接口以维持灵活的策略开发体验。

🚀 核心亮点：

• 高性能内核：得益于 Rust 的零开销抽象与 Zero-Copy 数据导入（add_arrays 借用 NumPy 缓冲入引擎；策略侧 get_history 等读取则返回安全快照拷贝），AKQuant 在部分回测场景下可显著降低 Python 层开销；实际运行速度取决于策略逻辑、数据规模、回调频率与运行环境。
• 原生 ML 支持：内置 Walk-forward Validation（滚动训练）框架，无缝集成 PyTorch/Scikit-learn，让 AI 策略开发从实验到回测一气呵成。
• TA-Lib 指标生态：内置 akquant.talib 双后端（python/rust）兼容能力，支持 104 个指标。
• 因子表达式引擎：内置 Polars 驱动的高性能因子计算引擎，支持 Rank(Ts_Mean(Close, 5)) 等 Alpha101 风格公式，自动处理并行计算与数据对齐。
• 参数优化：内置多进程网格搜索（Grid Search）框架，支持策略参数的高效并行优化。
• 专业级风控：内置完善的订单流管理与即时风控模块，支持多资产组合回测。
• AI 助手（MCP）：自带 MCP 服务，在 WorkBuddy、DeepSeek Harness、Codex、Cursor、Claude 等 AI 助手中用自然语言写策略、跑回测，助手能读到结构化的结果和报错；已上架 MCP 官方注册表（io.github.akfamily/akquant）。

👉 阅读完整文档 | English Documentation

安装说明

AKQuant 已发布至 PyPI，无需安装 Rust 环境即可直接使用。

pip install akquant

在 AI 助手中使用（MCP）

先安装 uv，然后在 WorkBuddy、DeepSeek Harness、Codex、Claude Code 等 AI 助手中说一句话就能装好：

安装 AKShare 和 AKQuant 的官方 MCP，项目目录用 /path/to/akquant-demo，运行一个示例策略并报告结果

助手会自己配置好两个服务，再下载数据、编写策略、运行回测并解读结果，不需要事先安装 AKQuant。助手没能自动安装，或者想手动配置时，--root 是项目目录（请先建好），策略和数据文件都放在里面：

claude mcp add akquant -- uvx --from "akquant[mcp]" akquant-mcp --root /path/to/akquant-demo
codex mcp add akquant -- uvx --from "akquant[mcp]" akquant-mcp --root /path/to/akquant-demo

WorkBuddy、Cursor、Claude Desktop 等使用 JSON 配置的客户端：

{
  "mcpServers": {
    "akquant": {
      "command": "uvx",
      "args": ["--from", "akquant[mcp]", "akquant-mcp", "--root", "/path/to/akquant-demo"]
    }
  }
}

DeepSeek Harness 不读 JSON，要把同样的命令写进 ~/.dsh/profiles/web/cordis.patch.yml，写法见 MCP 服务文档。

接入后可以直接说“用平安银行近三年的日线跑一个均线交叉策略，报告收益和最大回撤”。和 AKTools（AKShare 的官方 MCP）一起接入，助手可以自己查数据、写策略、跑回测。各客户端的配置、工具清单与注意事项见 MCP 服务文档。

快速开始

以下是一个简单的策略示例：

import akquant as aq
import akshare as ak
from akquant import Strategy

# 1. 准备数据
# 使用 akshare 获取 A 股历史数据 (需安装: pip install akshare)
df = ak.stock_zh_a_daily(symbol="sh600000", start_date="20250212", end_date="20260212")
# 交易日历: 不传时按工作日推算, 节假日会被当作交易日
trade_dates = ak.tool_trade_date_hist_sina()["trade_date"]


class MyStrategy(Strategy):
    def on_bar(self, bar):
        # 简单策略示例:
        # 当收盘价 > 开盘价 (阳线) -> 买入
        # 当收盘价 < 开盘价 (阴线) -> 卖出

        # 获取当前持仓
        current_pos = self.get_position(bar.symbol)

        if current_pos == 0 and bar.close > bar.open:
            self.buy(symbol=bar.symbol, quantity=100)
            print(f"[{bar.timesta

... [View full README on GitHub](https://github.com/akfamily/akquant#readme)