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

476次浏览 2026-5-18 15:42

可转债兼具债券和股票属性，是量化交易的优质品种。PTrade支持可转债交易和转股操作，可以实现折价套利、双低轮动等策略。本文介绍两种经典的量化可转债策略。策略一：折价转股套利。当可转债价格低于转股价值（即折价）时，买入转债并申请转股，次日卖出股票，赚取折价收益。注意，转股后股票T+1才能卖出，需承担隔夜风险。在PTrade中实现：1.盘后计算所有可转债... 阅读全文

456次浏览 2026-5-18 15:41

大额订单直接下单会造成市场冲击，增加交易成本。QMT提供了TWAP（时间加权平均价格）和VWAP（成交量加权平均价格）算法，帮助用户智能拆单。本文详细介绍这两个算法的原理和使用方法。TWAP算法：将大额订单在指定时间内均匀拆分为多个小单，按固定时间间隔发出。目标是使得成交均价接近该时间段的算术平均价格。例如，买入10万股，设置TWAP从10:00到11... 阅读全文

355次浏览 2026-5-18 15:40

ETF轮动是简单有效的量化策略，通过在不同行业或风格的ETF之间切换，捕捉相对强势。PTrade支持完全自定义的Python策略，本文给出一个完整的月度ETF轮动策略代码。策略逻辑：每月最后一个交易日，计算轮动池中每个ETF过去20日的收益率，选择收益率最高的ETF全仓买入；如果所有ETF收益率为负，则买入国债ETF或空仓。轮动池示例：沪深300ETF... 阅读全文

500次浏览 2026-5-18 15:39

许多策略需要同时使用不同周期的数据，例如用日线判断趋势，用60分钟线找入场点。在QMT中获取多周期数据时，最容易犯的错误是未来函数。本文讲解正确的对齐方法。在QMT回测中，handle_bar是按你选择的主周期调用的。如果你选择日线，那么每次调用时，只能获取到当天及之前的数据。获取分钟线时，只能获取到当天已完成的分钟线（即如果当前是T日日线，分钟线只能... 阅读全文

270次浏览 2026-5-18 15:38

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

277次浏览 2026-5-18 15:38

纯技术指标的策略容易过拟合，加入基本面因子可以提高策略的稳健性。QMT本身不提供财务数据，但允许用户导入外部数据。本文介绍如何在QMT中接入财务因子，实现价值选股策略。第一步，获取财务数据。可以使用免费源如TusharePro、AkShare，或者付费数据服务。以Tushare为例，注册后获取token，通过Python脚本下载季度财务数据，包括PE、... 阅读全文

275次浏览 2026-5-18 15:37

A股科创板和创业板提供了盘后固定价格交易功能，交易时间15:05-15:30，以当日收盘价成交。这一机制对于量化策略非常有用，可以避免盘中冲击成本，实现以收盘价执行的算法。PTrade支持盘后定价交易的下单，本文介绍如何应用。盘后定价交易的特点：-申报时间：交易日9:30-11:30、13:00-15:30，但成交仅在15:05-15:30。-价格固定... 阅读全文

334次浏览 2026-5-18 15:36

量化策略在回测和实盘运行时，难免出现意料之外的行为。有效的日志记录和调试技巧可以大幅缩短问题排查时间。本文介绍QMT中常用的日志与调试方法。一、使用log_info输出关键信息。QMT提供了log_info、log_debug、log_error等函数。在策略的关键位置（如开仓条件、参数计算）打印变量值。例如：`pythonlog_info(f&quo... 阅读全文

240次浏览 2026-5-18 15:35

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

459次浏览 2026-5-18 15:34

在量化交易中，订单可能会因为价格波动而未能成交。QMT提供事件驱动接口，可以监控订单状态，实现自动撤单重发，提高成交率。本文介绍如何利用on_order_status和on_order_trade回调构建智能订单管理模块。首先，了解QMT的订单状态回调。on_order_status在订单状态发生变化时调用，状态包括：ORDER_STATUS_SUBM... 阅读全文

265次浏览 2026-5-18 15:33

因子投资是量化选股的主流方法。因子是股票某一方面的特征，如市盈率（估值因子）、ROE（质量因子）、过去一个月涨跌幅（动量因子）。通过筛选因子得分高的股票构建组合，期望获得超额收益。本文介绍单因子回测和多因子合成的步骤。单因子回测：验证某个因子是否有效。以市盈率因子为例：1.获取全市场股票的市盈率数据（TTM）。2.在每个调仓日（如每月末），按市盈率从小... 阅读全文

320次浏览 2026-5-18 15:31

随着量化策略复杂度的提升，需要管理多个股票池、多个信号来源以及中间计算结果。QMT的Python环境允许使用任意自定义数据结构，如字典、列表、PandasDataFrame。本文介绍如何在QMT中高效组织数据。场景一：多股票池轮动。定义两个列表：stock_pool_1=['000001.SZ','000002.SZ�... 阅读全文

121次浏览 2026-5-18 15:31

很多量化策略只需要在每天固定时间点执行，比如尾盘买入、开盘卖出。PTrade提供了强大的定时任务功能run_daily，可以精确到秒级触发。本文介绍如何用定时任务实现“收盘前清仓”和“开盘买入”两种常见模式。首先，定时任务的基本用法。在init函数中注册：`pythondefinitialize(cont... 阅读全文

209次浏览 2026-5-18 15:30

回测表现良好的策略，直接上实盘仍然有风险。中间还需要一步：模拟盘（仿真交易）。模拟盘使用实时行情、模拟资金，但成交基于模拟撮合，可以暴露实盘中可能遇到的技术问题。本文介绍QMT模拟盘的完整使用方法。第一步，注册模拟账号。在QMT登录界面选择“模拟交易”，系统会自动生成一个模拟资金账号（初始资金可自定义）。模拟环境的数据与实盘完全... 阅读全文

275次浏览 2026-5-18 15:29