在2026年的量化投研中，“因子”是构建多因子模型、筛选优质标的的核心。简单来说，因子就是影响股票收益的特征属性。常见因子的分类常见的因子可以分为几大类：一是价值因子（如PE、PB），反映股票的估值高低；二是动能因子（如近一个月的涨幅），反映价格趋势的延续性；三是质量因子（如ROE、现金流），衡量企业的经营稳健性。此外，随着大数... 阅读全文

274次浏览 2026-4-3 15:18

在PTrade完成策略编写和回测后，如何稳健地切入实盘，是每一位2026年投资者最关注的环节。为了确保过渡期的平稳，建议遵循“三步走”原则。第一步是“模拟盘跑测”。PTrade提供了与实盘行情完全同步的模拟环境。投资者应将策略在模拟盘中运行至少两周，重点观察实盘撮合逻辑与回测逻辑的差异。很多在回测中因为理... 阅读全文

274次浏览 2026-4-14 15:16

2026年，可转债市场因其独特的“下有保底、上不封顶”特性，持续吸引着量化投资者的关注。可转债量化策略主要围绕债性保护、溢价率分析以及转债与正股之间的联动展开。一个典型策略是“双低策略”，即寻找转债价格和溢价率同时处于较低水平的标的。量化系统可以自动扫描全市场两百多只转债，根据设定的阈值进行实时筛选并自动... 阅读全文

274次浏览 2026-4-23 09:19

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

274次浏览 2026-5-18 15:38

量化策略并非万能钥匙，其有效性建立在风险与收益的匹配之上。2026年的市场参与者日益成熟，根据风险偏好进行策略分类已成为常态。低风险偏好者通常选择“市场中性策略”或“大盘红利增强策略”。这类策略通过对冲手段消除市场系统性风险，追求绝对收益，表现相对稳健。中等风险偏好者则倾向于“指数增强&rdq... 阅读全文

273次浏览 2026-3-20 14:01

数据是量化交易的底座。在2026年，高质量的行情数据获取路径已非常清晰。散户投资者主要面临三类数据需求：历史数据、实时快照和深度逐笔数据。历史数据主要用于回测。虽然市面上有很多开源数据接口，但常存在数据缺失或复权错误的问题。目前最稳妥的方式是利用券商量化终端（如QMT）内置的官方数据库，这些数据经过券商运维部门的清洗，准确度极高且支持一键下载。实时快照... 阅读全文

273次浏览 2026-3-25 13:56

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

273次浏览 2026-5-18 15:59

在2026年的量化交易实战中，策略运行的稳定性重于收益率。QMT虽然强大，但在复杂网络环境下也难免出现延迟或报错。当遇到运行延迟时，投资者应首选检查本地硬件资源。QMT运行Python策略会消耗内存，如果同时开启过多行情软件，会导致算法响应变慢。建议在专门的量化主机上仅运行QMT客户端。对于代码报错，QMT自带的日志管理功能（Log）是排障的核心。投资... 阅读全文

273次浏览 2026-4-1 16:33

对于2026年的量化新手而言，熟练掌握PTrade的核心API是通往程序化交易的第一步。PTrade封装了复杂的底层逻辑，为投资者提供了简洁的Python接口。初始化与行情订阅一切策略始于initialize。在这个函数里，你需要设定基准标的、佣金率。白描核心动作：使用get_price获取历史K线，或在handle_data中接收实时的Tick行情。... 阅读全文

273次浏览 2026-4-20 15:57

一个功能完整的证券账户，往往需要根据投资者的需求手动开启不同的交易权限。2026年的市场分层明确，不同板块的准入门槛各不相同。创业板权限通常要求投资者具备24个月的交易经验，且申请前20个交易日的日均资产不少于10万元。而北交所的准入门槛则要求日均资产达到50万元。此外，对于科创板，同样维持了50万元资产及2年的交易经验要求。白描这些规则的执行方式：系... 阅读全文

273次浏览 2026-4-16 15:26

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

273次浏览 2026-5-18 15:33

在探讨自动化交易时，“API接口”是一个高频词汇。简单来说，API（应用程序编程接口）就像是投资者策略程序与券商交易柜台之间的“翻译官”。当投资者的量化策略计算出买入信号时，程序会通过API接口向券商柜台发送指令。在2026年，API的响应速度和稳定性直接决定了策略的执行效果。对于普通投资者而言，直接开发... 阅读全文

273次浏览 2026-4-10 15:42

一套成熟的量化策略，代码量中可能只有30%是交易逻辑，剩下的70%往往是风险控制。在2026年的高波动市场环境下，忽视风控模块编写无异于裸奔。基础风控应包括：单票持仓上限控制（防止个股黑天鹅）、总仓位限制、单笔交易金额限制等。更高级的风控则涉及逻辑层面，如日内回撤预警。如果在某一交易日内，策略的回撤达到预设阈值（如2%），系统应自动触发止损并停止下单，... 阅读全文

272次浏览 2026-3-24 15:26

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

272次浏览 2026-5-18 15:51

程序化交易并非万能钥匙，QMT系统只是执行逻辑的载体。许多投资者在模拟盘表现优异，一入实盘就出现大幅亏损，往往是因为忽略了现实交易中的客观约束。“未来函数”的识别与剔除最常见的逻辑错误是在回测中使用了“未来函数”。简单来说，就是策略在判断买点时，无意中引用了当天收盘价等尚未发生的数据。在QMT编写界面，应... 阅读全文

272次浏览 2026-4-20 15:17