AKQuant · AI 工具图鉴

📌 核心价值：把"Python 写策略、Rust 跑回测"做成 A 股原生流水线

一个 Rust + Python 双引擎、覆盖 A 股全栈场景的开源量化研究框架，内置 ML 滚动训练、Polars 因子表达式、Plotly 可视化。

封面图

本文仅作技术交流，不构成投资建议。任何策略在接入实盘前，都应完成样本外验证、成本压力测试、权限隔离与人工审批。

🚀 什么是 AKQuant？

AKQuant 是一款专为 A 股及多市场设计的高性能量化研究框架，由国内 AKFamily（AKShare 团队）推出。它的核心思路是把策略开发的灵活性与回测执行的高性能拆开：Python 层负责策略逻辑、Rust 层承担事件循环与订单撮合。

它和你之前见过的"AI 写策略 + Python 回测脚本"完全不同：

Rust 内核 + Zero-Copy 数据导入：策略侧 add_arrays 借用 NumPy 缓冲入引擎，回测核心路径无 Python 解释开销
原生 ML 支持：内置 Walk-forward Validation（滚动训练），无缝对接 PyTorch / Scikit-learn
A 股原生规则：内置 T+1、涨跌停、保证金、broker_profile（cn_stock_miniqmt / cn_futures），黄金测试覆盖
可视化一行出报告：result.viz.report() 生成 Plotly 交互式 HTML，含权益曲线 / 回撤 / 月度热力图 / 基准对比

PyPI Version

核心定位：把"AI 写因子 + Rust 跑回测"做成一条完整流水线，覆盖从数据获取到可视化报告的全链路。

✨ 核心功能一览

核心功能对比

🛠️ 5 分钟跑通第一个回测

安装

# PyPI 一键安装（无需 Rust 环境）
pip install akquant

# 或从源码编译（推荐，启用所有扩展）
git clone https://github.com/akfamily/akquant.git
cd akquant
uv sync
uvx maturin develop

完整示例

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

# 1. 准备数据（akshare 免费 A 股数据）
df = ak.stock_zh_a_daily(symbol="sh600000", start_date="20250212", end_date="20260212")


class MyStrategy(Strategy):
    def on_bar(self, bar):
        current_pos = self.get_position(bar.symbol)

        # 阳线买入
        if current_pos == 0 and bar.close > bar.open:
            self.buy(symbol=bar.symbol, quantity=100)
            print(f"[{bar.timestamp_iso}] Buy 100 at {bar.close:.2f}")
        # 阴线卖出
        elif current_pos > 0 and bar.close < bar.open:
            self.close_position(symbol=bar.symbol)


# 2. 运行回测
result = aq.run_backtest(
    data=df,
    strategy=MyStrategy,
    initial_cash=100000.0,
    symbols="sh600000",
)

# 3. 一键生成 Plotly HTML 报告
result.viz.report(filename="quickstart_report.html", show=False)

注意：示例中"阳线买入/阴线卖出"仅作引擎演示，并非可投产策略；任何实盘策略都需经过样本外验证。

复杂订单助手：OCO / Bracket

from akquant import OrderStatus, Strategy


class BracketStrategy(Strategy):
    def __init__(self):
        self.entry_order_id = ""

    def on_bar(self, bar):
        if self.get_position(bar.symbol) > 0 or self.entry_order_id:
            return
        # 一次性挂入场 + 止损 + 止盈（自动绑定 OCO）
        self.entry_order_id = self.place_bracket(
            symbol=bar.symbol,
            quantity=100,
            stop_trigger_price=bar.close * 0.98,   # -2% 止损
            take_profit_price=bar.close * 1.04,    # +4% 止盈
            entry_tag="entry",
            stop_tag="stop",
            take_profit_tag="take",
        )

完整代码可直接 python examples/06_complex_orders.py 跑通。

📊 回测指标可视化

下面这张图把 README 快速开始示例的运行结果做了可视化展示（数据来源：result.metrics_df），覆盖了 6 个核心风险与收益指标：

回测指标可视化

重申：示例数据来自 README 自带的"阳线策略"演示，是为展示引擎指标计算能力而设计，不是真实可投产的策略样本。

📊 与主流量化框架对比

竞品对比

💡 适用场景

场景一：AI 因子研究 → Rust 引擎验证

AKQuant 策略仪表盘

功能说明：在 Python 层用 PyTorch / Scikit-learn 训练因子模型，把模型打分信号喂给 AKQuant 的 Rust 内核跑事件驱动回测。整套流水线无缝衔接 ML 训练与高频回测。

输入要求：pandas DataFrame（含 OHLCV + 自定义因子列），ML 模型输出 score ∈ [0, 1]

输出效果：40+ 项指标（Sharpe / Sortino / Calmar / UPI / SQN / Kelly / VaR / CVaR 等）+ Plotly HTML 报告

适用场景：

✅ 多因子融合策略（动量 / 波动率 / 情绪三因子加权）
✅ LSTM / XGBoost 因子打分接入
✅ Walk-forward 滚动训练避免过拟合

场景二：A 股原生规则的策略研究

功能说明：内置 cn_stock_miniqmt / cn_futures broker profile，策略代码层面就能直接使用 A 股 T+1、涨跌停、佣金印花税、最小交易单位 100 股等约束。

输入要求：akshare / tushare 拉取的 A 股历史 K 线

输出效果：与真实交易规则一致的回测曲线，避开了"国外回测框架忽略 T+1 导致实盘偏差"的问题

适用场景：

✅ 量化新手学习阶段（规则已内置，不踩踩坑）
✅ 真实规则下的样本外验证
✅ 期货 / 期权策略（broker profile 可切换）

场景三：可视化报告快速分享

功能说明：result.viz.report() 一行生成 Plotly 交互式 HTML 报告，含基准对比（Benchmark Comparison）模块，可同时输出策略与基准 / 超额累计收益曲线、信息比率、Alpha、Beta 等相对指标。

输入要求：任意 BacktestResult 对象 + 可选 benchmark 序列

输出效果：自包含 HTML 文件（无需联网），可发邮件 / 上传服务器 / 内嵌博客

适用场景：

✅ 给非技术同事展示策略表现
✅ 季度 / 月度策略复盘
✅ GitHub README 项目主页嵌入 demo

用户群体总结

✅ AI 因子研究人员：从 ML 模型到事件驱动仿真一条龙
✅ A 股策略开发者：内置 T+1 / 涨跌停，免去手写规则
✅ 教学 / 教程场景：1329 个测试用例覆盖核心逻辑，可放心二次开发
❌ 不适合：纯美股 / 港股高频策略（Rust 内核更擅长中等频率的事件仿真，毫秒级 HFT 不在 AKQuant 主战场）

🧪 测试与质量保证

AKQuant 1329 个测试用例全量通过，覆盖：

单元测试：Rust 核心组件 + Python 接口
黄金测试 (Golden Tests)：合成数据验证 T+1 / 涨跌停 / 保证金 / 期权希腊值，与锁定基线比对，防止算法回退

uv sync
uvx maturin develop
uv run pytest                    # 全量测试
./scripts/cargo-test.sh -q      # Rust 核心测试
uv run pytest tests/golden/     # 仅黄金测试

💰 开源协议与安装

开源协议： MIT License

# PyPI 一键安装（无需 Rust 工具链）
pip install akquant

💡 新用户福利：PyPI 提供预编译 wheel，国内清华 / 阿里镜像源可直接拉取，无需本地 Rust 工具链即可上手。

🎯 总结

AKQuant 把"Python 写策略、Rust 跑回测"做成了一条 A 股原生的开源流水线：内置 103 个 TA-Lib 指标、Polars 因子表达式引擎、Walk-forward 滚动训练、OCO / Bracket 复杂订单、Plotly 一键可视化。

推荐指数： ⭐⭐⭐⭐（4/5，性能与规则双优，但生态相对 Backtrader / Zipline 还年轻）

适合人群： AI 因子研究工程师、A 股量化策略开发者、量化教学场景

立即体验：

📖 中文文档：https://akquant.akfamily.xyz/
📦 PyPI 安装：pip install akquant
💻 GitHub 仓库：akfamily/akquant

数据截至 2026-09-07，最新信息请以官网为准。