一、常见量化策略开发平台/框架推荐（按场景）

1）国内实盘交易（A股为主）

• QMT（迅投 QMT / MiniQMT）：券商端应用很普遍，偏“交易执行+策略运行+风控/账户”一体化，适合A股实盘。
• Ptrade（聚宽实盘）/ JoinQuant 研究平台：研究环境、数据接口做得更省心，实盘能力取决于其通道与方案。
• 米筐 Ricequant（研究为主，实盘需另接）：研究体验好，数据/回测完善，实盘落地通常要再对接通道。
• vn.py（开源）：偏期货/CTA、多品种接入，灵活度高但工程化、数据清洗、风控要自己搭。

2）研究回测与因子挖掘（更偏“研”）

• backtrader / zipline / vectorbt（海外开源）：回测和研究方便，但国内A股数据、券商实盘对接要自己解决。
• 自研（pandas + 自建事件驱动/撮合）：最灵活，成本也最高。

二、QMT量化系统怎么样（适合什么、不适合什么）

整体评价：QMT在国内属于“偏实盘、偏工程落地”的成熟方案，优势在于券商侧接入、行情交易链路稳定、下单执行与账户/风控能力较完整。
更适合：

• A股/ETF（以及部分券商支持的期权等）策略的实盘交易；
• 需要低延迟/稳定运行、并且想少踩“通道对接/柜台协议/账户风控”坑的团队；
• 中低频到日内的事件驱动策略、择时/轮动、网格、套利（取决于品种与通道能力）。

可能不太适合：

• 强依赖超高频撮合、微秒级延迟、共址等极致HFT；
• 跨多个海外市场（美股/加密等）统一交易的场景（需要额外接入）。

三、QMT核心功能特点（你最关心的点）

不同券商/版本会略有差异，但QMT的核心通常包括：

1）行情能力

• 实时行情订阅/推送：盘口、逐笔/分笔（视权限与数据源）、K线等。
• 事件驱动回调：行情触发策略逻辑（而不是你自己死循环轮询）。
• 多品种支持：股票/ETF，部分环境支持可转债、期权等（以券商开通为准）。

2）交易执行（实盘核心）

• 下单接口：市价/限价等常用委托方式（具体类型取决于柜台与交易所规则）。
• 撤单/改单（视支持情况）、订单状态、成交回报订阅。
• 持仓/资金/资产查询：策略中可实时读取账户状态做仓位控制。
• 交易时段与交易规则处理：对接券商柜台，很多“实盘细节”由系统封装。

3）策略运行与工程化

• 本地运行（常见是Windows端，亦有组件化部署方式，依券商提供为准）。
• 多策略管理：策略启停、日志、异常处理、参数管理。
• 任务调度：定时任务、开盘/收盘钩子等（方便做日频/盘前盘后流程）。

4）风控与合规模块（实盘强相关）

• 交易前风控：如最大仓位、单笔最大金额、黑白名单、频率限制等（具体能力看版本/券商配置）。
• 风控拦截与告警：降低“策略失控”风险。

5）回测/模拟（取决于你使用的组件）

• QMT在实盘侧很强；回测/仿真能力在不同组合方案里差异较大。很多团队会采用**“研究回测在别处做 → 产出信号 → QMT负责实盘执行”**的分层架构。