QMT 是深圳迅投科技开发的本地化量化交易平台，支持 Python 和 VBA 两种语言开发策略。以下是基于 QMT 平台的量化策略开发全流程实战指南：

前期准备

• 确认券商支持：确保所在券商支持 QMT 接口，如国泰君安、招商、华泰等主流券商大多已支持，联系券商客户经理开通量化交易权限。
• 下载安装：从迅投官网或券商指定网址下载安装包，安装时建议选择非 C 盘路径。QMT 自带 Python 3.8 环境，也可使用 Anaconda（建议 Python 3.9 或 3.10 版本），并在策略编辑器中配置 Python 路径。
• 完成初始化：首次登录需安装认证驱动，配置数据存储路径和策略根目录，可在 “系统设置” 中操作，同时关闭不必要的插件和弹窗以避免干扰。

策略编写

• 了解运行机制：QMT 策略需实现init()与handlebar()两个接口。init()用于初始化，如设定股票池、资金账号等，只在策略启动时执行一次。handlebar()是核心执行函数，会根据行情驱动，逐 K 线运行，用户的策略核心逻辑，如获取数据、设置下单条件等都在此编写。
• 编写代码：在策略编辑器中编写 Python 代码。可利用 QMT 内置数据接口获取股票历史数据，结合 pandas 等库进行数据处理和指标计算。例如，实现一个简单的收盘价突破策略，当今日收盘价超过过去 5 日均线时买入，低于时卖出。代码示例如下：
• python

# 初始化函数
def init(ContextInfo):
    # 获取股票代码，这里假设为贵州茅台
    ContextInfo.stock_code = '600519.SH'
    # 设置回测时间范围
    ContextInfo.start_date = '2025-01-01'
    ContextInfo.end_date = '2026-01-01'

# 核心执行函数
def handlebar(ContextInfo):
    # 获取历史收盘价数据
    close_prices = ContextInfo.get_history_data(ContextInfo.stock_code, 'close', 5)
    if len(close_prices) < 5:
        return
    # 计算5日均线
    ma5 = close_prices.rolling(window=5).mean()[-1]
    current_price = ContextInfo.get_current_data(ContextInfo.stock_code, 'close')
    if current_price > ma5:
        # 买入操作，这里假设买入100股
        ContextInfo.buy(ContextInfo.stock_code, 1)
    elif current_price < ma5:
        # 卖出操作，这里假设卖出100股
        ContextInfo.sell(ContextInfo.stock_code, 1)

策略回测

编写好策略后，在回测模块设置回测时间范围（建议至少 3 个月）、选择标的股票（新手可选大盘股）、设置初始资金（默认 10 万即可），然后运行回测，查看收益曲线、交易记录等指标，评估策略效果。

模拟交易

回测通过后，可进行模拟交易。在模拟交易模块，使用与实盘相同的交易逻辑和参数，接收实时行情数据并模拟下单，进一步验证策略的稳定性和有效性，可运行一段时间观察效果。

实盘交易

模拟交易效果良好后，可将策略部署到实盘交易。确保账户资金充足，在策略运行前仔细检查参数设置，启动策略后，实时监控策略运行情况和账户持仓、交易记录等，根据实际情况及时调整策略或进行风险控制。

股票、量化开户欢迎找我！免费使用量化软件QMT、miniQMT、ptrade！还有佣金优惠！ETF、可转债万0.5！国债逆回购一折！