Hikyuu Quant Framework 基于 C++/Python 的极速量化交易框架，同时可基于策略部件进行资产重用，快速累积策略资产。

更多信息，参见:

• 项目主页: https://hikyuu.org
• gitee 地址：https://gitee.com/fasiondog/hikyuu
• github 地址：https://github.com/fasiondog/hikyuu
• hub 地址: https://gitee.com/fasiondog/hikyuu_hub

2.6.8 版本主要更新

🚀 新增特性

• 新增 get_inds_view 方法，用于指定日期或范围内的系列指标结果并返回 pandas.DataFrame 结果。该方法主要用于获取系列指标结果后，使用其他 python 库，进行进一步数据处理，或日常监控打印。

  In [3]: df = get_inds_view(blocka, [CLOSE(), OPEN(), MA(CLOSE()), AMA(CLOSE()), MA(CLOSE(),n=30)], Datetime(20250822))
  
  In [4]: df
  Out[4]: 
        证券代码  证券名称   交易时间  CLOSE   OPEN         MA        AMA         MA
  0     SH600229  城市传媒 2025-08-22   5.89   7.23   7.087273   7.060143   7.034000
  1     SH601121  宝地矿业 2025-08-22   7.21   6.01   2.482273   2.486140   6.544000
  2     SH600227    赤天化 2025-08-22   7.97   6.41   6.292273   6.406271   2.462333
  3     SH600390  五矿资本 2025-08-22   6.62   2.59   6.585455   6.015825   6.208000
  4     SZ000612  焦作万方 2025-08-22   2.56   6.69   6.260000   6.334334   8.710933
  ...        ...       ...        ...    ...    ...        ...        ...        ...
  3467  SH603255    鼎际得 2025-08-22  32.36  32.39  31.984409  32.237558  31.445567
  3468  SH600621  华鑫股份 2025-08-22  17.91  16.80  16.134909  16.596052  15.940933
  3469  SH600999  招商证券 2025-08-22  19.32  18.68  18.342727  18.646812  18.188667
  3470  SZ002301  齐心集团 2025-08-22   7.32   7.36   7.130000   7.192394   7.109333
  3471  SH603369    今世缘 2025-08-22  42.49  42.21  40.229545  41.319146  40.089333
  
  [3472 rows x 8 columns]
  

   
• 新增 AGG 系列聚合指标（捐赠用户），如日线使用分钟线聚合结果

  #如计算：每日成交金额 / 日内分钟线最大成交金额
  ind = AGG_MAX(AMO(), ktype=Query.MIN)/AMO()
  s = sm['sz000001']
  k = s.get_kdata(Query(-100, ktype=Query.DAY))
  result = ind(k)
  print(result.to_df()))
  

   
• IC 指标增加 strict 参数，strict 模式下为当前时刻的 N 日后收益，非 strict 模式下为当前时刻之前的 N 天收益
• 新增 REFX 指标，增强 REF 指标，可进行左移（未来函数， 勿在回测中使用，通常用于其他数据处理）
• K线添加分时和分笔数据支持, 在 KQuery 中添加 TIMELINE 和 TRANS 两种新 K 线类型，可直接使用指标计算分时和分笔数据

  In [28]: s = sm['sz000001']
  
  In [29]: k = s.get_kdata(Query(-100, ktype=Query.TRANS))
  
  In [30]: MA(CLOSE())(k).to_df()
  Out[30]: 
                datetime     value0
  0  2025-09-04 14:52:08  11.750000
  1  2025-09-04 14:52:11  11.750000
  2  2025-09-04 14:52:14  11.750000
  3  2025-09-04 14:52:17  11.750000
  4  2025-09-04 14:52:20  11.750000
  ..                 ...        ...
  95 2025-09-04 14:56:53  11.730455
  96 2025-09-04 14:56:56  11.730909
  97 2025-09-04 14:56:59  11.731364
  98 2025-09-04 14:57:02  11.732273
  99 2025-09-04 15:00:00  11.732727
  
  [100 rows x 2 columns]
  

   
• KData新增 get_kdata 方法获取对应时间范围内其他不同 K 线周期数据
• 添加 Indicator 结果集转换为 numpy.array 的新方法 to_array
• StockManager 添加 is_trading_hours 方法判断是否为交易时间段

⚡️ 优化改进

• 改进 python 中 std::share_ptr 引出对象的 clone 操作，提升 windows 下相关并行处理速度
• Indicaotr 优化双指标等特殊指标的表达式去重，提升公式计算性能
• 预加载模式 KData 与 Stock 共享数据、非预加载模式下捐赠用户 KData 使用LRUCache
• CVAL、SLICE、ALIGN 支持处理多结果集指标
• KRecord/KDataImp 使用全局 Null对象

🐞 缺陷修复

• 修复 MySQL/ClickHouse 无法按索引方式获取非预加载数据的错误
• 修复 Indicator 类中 to_numpy 函数的内存泄漏问题
• 修复 ALIGN 当日期超过给定范围时的对齐问题，优化了对齐算法
• 修复非中文环境 Windows 设置终端为中文编码导致的终端崩溃