QMT和PTrade是国内券商中较为成熟且广泛应用的两款量化交易平台。其中，迅投QMT极速策略交易系统是专为券商、期货公司、信托等机构的高净值客户设计的综合性平台，集行情显示、投资研究、产品交易于一体，并具备完整的风控系统。

QMT内置了强大的行情显示功能，可灵活展示沪深两市各类股票、债券及国内五大期货交易所的所有合约实时行情；其内置的量化研究平台支持CTA、无风险套利等多种策略的实现，并可进行回测验证与自动化交易。此外，它还支持股票、期货、融资融券、组合交易等多种交易方式，能够实现对冲下单、组合下单及高度灵活的算法交易，同时支持多账户批量管理。

平台采用多层次并行风控机制，可以对单个账户或多个账户分别进行不同规则的风控检查，有效降低交易延迟，提升风控效率。同时，QMT还支持数据的完整导入导出、便捷的云配置等功能。

1. 使用量化交易对交易终端运行环境的要求

1.1 系统配置

• 操作系统：Windows 10
• 处理器：i7 或更高配置
• 内存：8GB 或更高
• 存储空间：200GB 可用空间
• 网络：10MB 以上带宽

1.2 网络配置

• 服务器建议使用百兆及以上网络接入
• 客户端建议使用 10MB 以上网络接入

1.3 行情源选择

用户可在行情源设置中添加所需的行情来源。

• 行情主站：指行情界面的数据来源
• 交易中心：指交易界面盘口的数据来源

行情源支持自动更新、自动切换服务器、断线提示窗口、自动隐藏等功能，以确保数据的稳定性和连续性。

2. Python 在 QMT 上编写策略的方法

2.1 如何使用 Python 在 QMT 编写策略

例如，一个简单的 Python 策略如下：

def init(context):
    print("hello init")

def handlebar(context):
    print("hello handlebar")

该策略实现了两个必要的接口函数：init() 和 handlebar()。系统会首先调用 init() 初始化，然后在每根K线生成后调用 handlebar() 执行逻辑。输出窗口将显示相应的信息。

2.2 Python 模型的运行流程

当用户在 Python 平台上编写完策略后，点击【运行】按钮即可执行脚本。系统会先创建一个 Python 模型，并将其与当前运行的产品关联。随后加载用户编写的脚本，调用 init() 进行初始化。模型所需的数据在此时向底层请求，底层接收到请求后向服务器获取行情数据并整理格式。最后，Python 模型根据返回的数据运行 handlebar()，并通过 paint() 方法将计算结果输出到界面上展示。

3. 总结

迅投QMT作为一款集行情显示、投资研究、产品交易于一体的综合平台，具备完善的风控体系，是进行量化交易的重要工具。量化交易需要编写属于自己的投资策略，对软硬件环境都有一定要求。目前，国内仅有少数券商提供QMT、PTrade等量化交易平台，实盘交易前需完成市场数据分析、策略开发、回测及优化等多个步骤。

（注：点我头像旁边有个咨询TA，加我微或者电话联系我开户）