Hikyuu 2.5.5版本发布:修复东财接口问题并新增指标公式
项目简介
Hikyuu是一款开源的量化交易框架,为金融数据分析与量化策略开发提供了强大的工具支持。该项目采用C++/Python混合编程架构,既保证了计算性能,又提供了Python的易用性。Hikyuu框架包含了从数据获取、策略回测到实盘交易的全套解决方案,是量化交易研究者和实践者的理想选择。
2.5.5版本更新详解
1. 东财接口变更修复
在本次更新中,开发团队修复了由于东方财富网接口变更导致的板块信息缺失问题。东方财富网作为国内重要的金融数据提供商,其接口的变动经常会影响依赖它的数据采集系统。Hikyuu团队及时响应了这一变化,确保了用户能够继续获取完整的板块分类信息。
板块数据对于量化策略开发至关重要,特别是对于行业轮动、主题投资等策略而言。修复后的版本能够准确获取包括行业板块、概念板块、地域板块等各类分类信息,为策略开发提供了坚实的基础数据支持。
2. 新增BARSSINCEN指标公式
2.5.5版本引入了一个重要的新指标公式——BARSSINCEN。这个函数用于计算满足特定条件的周期数,其功能可以描述为:统计从当前周期向前回溯,首次满足条件到当前的周期数。
BARSSINCEN函数的典型应用场景包括:
- 计算某只股票突破某个关键价位后的持续时间
- 统计某个技术指标发出买入信号后的持有周期
- 测量特定形态形成后的持续时间
该函数的加入丰富了Hikyuu的技术指标库,使得策略开发者能够更方便地实现基于时间维度的条件判断和策略逻辑。
3. 日期范围获取功能优化
本次更新还对get_date_range函数进行了优化,新增了对最大日期的限制,将其设置为系统明日。这一改进有效防止了因日期参数设置不当导致的数据请求异常。
在实际应用中,获取日期范围是常见的操作,特别是在以下场景:
- 回测时设置时间区间
- 下载指定时间段的历史数据
- 分析特定时期的市场表现
优化后的函数能够更智能地处理日期边界条件,提高了代码的健壮性和用户体验。开发者现在可以更放心地使用该函数,而不必担心因意外设置未来日期而导致的错误。
技术价值与影响
Hikyuu 2.5.5版本虽然是一个小版本更新,但包含了重要的功能改进和问题修复。这些变化体现了开发团队对用户体验的持续关注和对金融数据接口变化的快速响应能力。
对于量化交易开发者而言,稳定的数据接口和丰富的分析工具是策略开发的基础。本次更新确保了数据获取的可靠性,同时通过新增指标公式扩展了分析能力,有助于开发者构建更复杂、更精确的交易策略。
升级建议
建议所有Hikyuu用户升级到2.5.5版本,特别是那些:
- 依赖东方财富板块数据的策略开发者
- 需要使用时间维度分析功能的量化研究员
- 重视系统稳定性和边界条件处理的专业用户
升级过程通常简单快捷,用户可以参考项目的文档说明进行操作。新版本保持了良好的向后兼容性,现有策略通常无需修改即可在新版本中运行。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5HunyuanVideo-1.5作为一款轻量级视频生成模型,仅需83亿参数即可提供顶级画质,大幅降低使用门槛。该模型在消费级显卡上运行流畅,让每位开发者和创作者都能轻松使用。本代码库提供生成创意视频所需的实现方案与工具集。00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00