Hikyuu项目中过滤ST股票的技术实现方案

背景介绍

在量化交易回测过程中，过滤ST股票是一个常见的需求。ST股票（特别处理股票）通常具有较高的风险，很多交易策略会主动规避这类股票。本文将详细介绍在Hikyuu项目中如何实现ST股票的过滤。

技术实现方案

基本过滤方法

Hikyuu项目提供了基础的股票过滤方法，可以通过股票名称进行筛选：

stks = [s for s in sm if 'ST' not in s.name]

这种方法简单直接，但存在一个重要的限制：它只能基于当前股票名称进行过滤，无法处理历史ST状态。

历史ST状态处理的挑战

在回测过程中，我们往往需要根据历史数据中的ST状态进行过滤。然而Hikyuu的数据库中默认不包含股票曾用名信息，这使得基于历史ST状态的过滤变得困难。

扩展解决方案

对于需要处理历史ST状态的情况，可以考虑以下技术方案：

1. 自定义指标法： 使用df_to_ind或PRICELIST将外部数据转换为指标，标记每个交易日的ST状态（0表示非ST，1表示ST）。

2. 数据整合方案： 从其他数据源（如Tushare）获取股票曾用名数据，将其转换为Hikyuu可用的指标格式。

3. 复合过滤策略： 结合当前名称过滤和历史指标过滤，构建更全面的ST股票过滤机制。

实现建议

对于大多数用户，如果不需要精确的历史ST状态过滤，使用名称过滤即可满足基本需求。对于需要精确回测的专业用户，建议：

1. 建立ST状态历史数据库
2. 开发自定义指标转换工具
3. 在策略中集成多维度过滤条件

总结

Hikyuu作为以指标计算为核心的量化框架，提供了灵活的股票过滤机制。虽然默认不包含历史ST信息，但通过自定义指标和数据转换，用户完全可以实现精确的ST股票过滤功能。在实际应用中，用户应根据自身需求选择适合的过滤方案。