QMT（迅投量化）策略编辑的完整、 step-by-step 详细流程，从准备环境→新建策略→写代码→调试→回测→实盘，全部讲清楚，用的是目前券商通用的 Python 策略流程（最主流）。

一、准备工作（首次用 QMT 必做）

1. 登录 QMT 客户端

• 打开券商版 QMT（如国金、华泰、中信等）
• 用资金账号登录（必须开通量化权限）

2. 安装 / 下载 Python 环境（只做一次）

• 进入顶部 我的 → 下载 Python 库
• 选择 Python3.6 因子版 + xtquant 包
• 安装后自动重启 QMT

3. 下载历史数据（策略运行的基础）

• 首页左上角 操作 → 数据管理 → 补充数据
• 选择：市场（沪 / 深）、品种（股票 / 指数）、周期（日线 / 1 分钟）、起止时间
• 建议至少下载 最近 3 年日线 + 最近 6 个月 1 分钟数据

二、新建策略（进入编辑器）

方式 1：从零新建（最常用）

1. 左侧进入 模型研究 / 策略交易
2. 右键 → 新建策略 → Python 策略
3. 弹出策略编辑器，自动生成基础框架代码

方式 2：基于示例策略修改（新手推荐）

1. 模型研究 → 示例策略（双均线、网格、MACD 等）
2. 选中一个 → 编辑
3. 在原有代码上改参数、改逻辑，快速上手

三、QMT Python 策略代码结构（必须掌握）

每个策略必须包含两个核心函数：

1. 初始化函数：init(ContextInfo)

• 只执行一次（策略启动时）
• 用途：设置标的、周期、参数、全局变量、佣金费率等
• python
• 运行

def init(ContextInfo):
    # 设置交易标的
    ContextInfo.tradecode = "000001.SZ"
    # 均线参数
    ContextInfo.short = 5
    ContextInfo.long = 20
    # 初始资金、佣金
    ContextInfo.capital = 100000
    ContextInfo.commission = 0.0003

2. 行情处理函数：handlebar(ContextInfo)

• 每根 K 线执行一次（日线 / 分钟线）
• 用途：取数据、算指标、写买卖逻辑、下单
• python
• 运行

def handlebar(ContextInfo):
    # 获取最近20根收盘价
    close = ContextInfo.get_bar_data('close', ContextInfo.long)
    # 计算均线
    ma5 = close[-ContextInfo.short:].mean()
    ma20 = close.mean()

    # 金叉买入：ma5上穿ma20 且 空仓
    if ma5 > ma20 and not ContextInfo.hold():
        ContextInfo.order_buy(ContextInfo.tradecode, 100)

    # 死叉卖出：ma5下穿ma20 且 持仓
    elif ma5 < ma20 and ContextInfo.hold():
        ContextInfo.order_sell(ContextInfo.tradecode, 100)

3. 可选：全局变量、工具函数

• 用 ContextInfo.xxx 存全局变量
• 可自定义函数（如计算 MACD、RSI）

四、策略编写详细步骤（以双均线为例）

Step 1：头部编码声明（必须）

python

运行

#coding:gbk




防止中文乱码

Step 2：写 init 初始化

• 设置 股票代码、周期、参数、资金、费率

Step 3：写 handlebar 主逻辑

1. 获取 K 线数据（开盘、收盘、最高、最低、成交量）
2. 计算指标（均线、MACD、量能等）
3. 判断买卖条件（金叉 / 死叉、突破、背离等）
4. 执行下单（order_buy / order_sell / order_volume）

Step 4：添加风控（强烈建议）

• 仓位控制：不超过 80%
• 止损：亏损 5% 强制平仓
• 单日最大亏损：不超过总资金 2%
• python
• 运行

# 止损示例
if ContextInfo.position_pnl() / ContextInfo.market_value() < -0.05:
    ContextInfo.order_sell_all()

五、编译与调试（排错关键）

1. 编译（保存 + 语法检查）

• 编辑器点 编译（或 Ctrl+S）
• Python 策略只保存，不强制语法校验，报错在运行时显示

2. 运行测试（看日志）

• 点 运行 → 选主图标的、周期
• 底部 日志面板 输出结果 / 报错
• 常见错误：

3. 调试技巧

• 多用 print() 打印中间变量
• 逐步注释代码，定位出错段落

六、策略回测（验证历史效果）

1. 进入回测界面

• 编辑器点 回测
• 设置：

2. 运行回测

• 点 开始回测
• 输出回测报告：

3. 回测优化

• 调整参数（如均线周期）
• 优化买卖逻辑
• 加入风控，降低回撤

七、模拟交易（实盘前必测）

1. 模型交易 → 选策略 → 模拟模式
2. 运行 1–2 周，观察：

八、实盘运行（谨慎！）

1. 模拟稳定后，切换为 实盘模式
2. 确认：
3. 点击 开始，策略自动盯盘、下单

九、常见坑 & 避坑要点

1. 数据缺失：回测 / 运行前必须 补充对应周期数据
2. 中文乱码：头部必须加 #coding:gbk
3. 缩进错误：Python 用 4 空格缩进，不要用 Tab
4. 实盘滑点：回测无滑点，实盘建议加 0.1% 滑点
5. 频繁交易：小周期策略注意 佣金成本

十、完整流程总结（一句话）

准备数据 → 新建 Python 策略 → 写 init 初始化 → 写 handlebar 逻辑 → 编译调试 → 回测验证 → 模拟测试 → 实盘运行

股票开户找我！无门槛国债逆回购一折 (百万分之一）！ETF佣金万0.5！融资利率5%以下！优惠多多！免费量化！ptrade&QMT!