Tick数据是市场中最精细的行情快照，每笔成交都会产生一个tick。基于Tick数据的策略可以捕捉到秒级甚至亚秒级的交易机会，例如盘口失衡、买卖力量对比等。QMT支持订阅实时Tick数据，并在每个tick到来时触发回调函数。下面介绍具体实现方法。首先，订阅Tick数据。使用subscribe_quote函数订阅感兴趣股票的实时行情。代码示例：`pyth... 阅读全文

15次浏览 2026-5-15 14:32

在信用账户中使用QMT进行量化交易，仓位计算比普通账户复杂，因为涉及融资负债、维持担保比例、可用保证金等。本文介绍如何在QMT策略中正确计算两融仓位。首先，获取账户信息。QMT提供了以下函数：-get_margin_ratio()：维持担保比例。-get_available_margin()：可用保证金（融资额度）。-get_credit_positi... 阅读全文

15次浏览 23小时前

随着策略数量增加，重复的代码（如风控、下单、日志）会降低开发效率。QMT支持导入自定义模块，实现代码重用。本文介绍如何构建自己的量化函数库。步骤一：创建一个公共Python文件，例如my_lib.py，放在QMT工作目录下。内容示例：`pythonmy_lib.pydefmoving_average(data,window):  returnsum(data[-window:])/windowdefcheck_risk(context):  ifcontext.total_value<context.daily_initial*0.97:    forstockincontext.portfolio.positions:      order_ta... 阅读全文

15次浏览 23小时前

在回测中模拟算法交易（如TWAP）可以更准确地评估策略的真实成本。PTrade的回测引擎支持算法交易模拟。本文介绍如何设置和解读算法交易回测。步骤一：在策略代码中，使用order_algo函数代替普通order。`pythondefhandle_bar(context):  ifsignal_buy:    order_algo('00000... 阅读全文

15次浏览 23小时前

PTrade内置了条件选股功能，可以快速筛选出符合特定技术形态的股票，例如“平台突破”、“均线金叉”等。选股结果可以一键添加到自选或直接交易。本文介绍如何使用条件选股构建量化池。步骤一：打开PTrade的“条件选股”模块。系统预设了数十种选股条件，包括：-技术指标：MACD金叉、K... 阅读全文

14次浏览 23小时前

量化策略在实盘中可能遭遇极端行情，导致单日大幅亏损。设置单日最大亏损限额可以防止策略失控。QMT支持自定义风控模块，实现熔断机制。本文介绍实现方法。思路：在每天开始时记录初始总资产，盘中实时计算当前总资产，如果亏损超过预设阈值（如总资产的3%），则立即平仓所有持仓，并停止当日交易。实现代码：`pythondefinit(context):  conte... 阅读全文

14次浏览 23小时前

许多量化开发者发现，同样的策略在QMT回测和模拟盘中表现差异很大。这往往是因为回测设置与模拟盘环境不一致。本文教你如何调整，使模拟盘更接近实盘。差异来源：1.滑点：回测中通常设置了固定滑点，但模拟盘使用的是真实盘口的对手价，可能滑点更大。2.成交量限制：回测假设无限流动性，模拟盘会受真实盘口挂单量限制，大单可能无法完全成交。3.数据质量：回测使用的历史... 阅读全文

14次浏览 23小时前

对于高频策略研究，需要存储tick数据以便离线分析。PTrade策略可以实时接收tick并写入本地数据库。本文介绍如何使用SQLite存储tick数据。优点：SQLite轻量级，无需安装，支持SQL查询，适合个人使用。步骤一：在init中创建数据库和表。`pythonimportsqlite3definitialize(context):  conte... 阅读全文

14次浏览 23小时前

PTrade内置了丰富的技术指标函数，无需自己编写计算公式，可以快速开发策略。本文介绍PTrade常用指标函数及其使用方法。常用指标函数：-MA(close,n)：简单移动平均-EMA(close,n)：指数移动平均-MACD(close,fast=12,slow=26,signal=9)：返回dif,dea,bar-RSI(close,n=14)：相... 阅读全文

13次浏览 23小时前

双均线策略是量化入门的经典例子，代码简单且逻辑清晰。本文用QMT的PythonAPI完整实现一个双均线趋势策略，并讲解回测步骤。策略逻辑：当短周期均线（如5日）上穿长周期均线（如20日）时全仓买入；当短周期均线下穿长周期均线时清仓卖出。不加止盈止损，让趋势自然发展。代码实现（QMT环境）：`pythondefinit(context):设置股票代码  ... 阅读全文

13次浏览 23小时前

单一策略难免有表现不佳的时期，将多个低相关性的策略组合运行，可以平滑收益曲线。PTrade支持在一个账户中同时运行多个策略代码，但需要设计资金分配和信号合并机制。本文介绍两种实现方式。方式一：策略独立运行，手动分配资金。在PTrade中，你可以创建多个策略文件，每个策略独立运行。例如，策略A使用30%资金做趋势跟踪，策略B使用30%做网格，策略C使用4... 阅读全文

13次浏览 23小时前

并非所有人都需要全自动量化，半自动模式（条件单+人工决策）可能更适合部分投资者。PTrade的条件单功能可以与策略组合使用，实现“策略产生信号，条件单执行”的流程。本文介绍一种高效的手动+自动混合模式。思路：使用PTrade的Python策略生成交易信号，但不直接下单，而是将信号输出到条件单中。这样，投资者可以审核信号后再决定是... 阅读全文

12次浏览 23小时前

止损止盈是交易的生命线。PTrade提供了灵活的条件单功能，可以设置固定止损、移动止损、止盈等，无需编程。本文详细介绍如何在PTrade中使用条件单进行风险控制。首先，创建条件单。在PTrade的“条件单”模块中，选择“止盈止损”类型。你需要设置：-标的代码-触发类型：可选择“价格触发&rdq... 阅读全文

10次浏览 23小时前

对于需要从全市场快速筛选股票的量化策略，QMT提供了高效的扫描机制。本文介绍如何在QMT中实现实时股票筛选，并触发交易。方法一：使用get_stock_list_in_sector获取全市场股票列表，然后在handle_bar中循环计算指标。但全市场4000多只股票，循环计算会非常慢，不适用于分钟级策略。适合日线级别，每日盘后筛选，次日开盘交易。示例：... 阅读全文

9次浏览 23小时前

对于高频或对速度敏感的量化策略，普通的交易通道可能不够快。QMT支持极速交易通道（通常称为“快速交易柜台”），可以大幅降低交易延迟。本文介绍个人如何申请及使用。极速交易通道的特点：-延迟：从策略发出指令到交易所，可控制在10毫秒以内（普通通道约50-100毫秒）。-交易系统：通常是独立部署的极速柜台，支持更高的并发。-适用场景：... 阅读全文

8次浏览 23小时前