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，分钟线只能取到T-1日收盘时的数据）。下面是正确获取多周期数据的示例。

假设主周期为日线，需要用到60分钟线判断趋势：

`python

def handle_bar(context):

获取日线数据（当前是T日）

   daily_close = history_bars(context.stock, 20, '1d', 'close')

获取60分钟线数据，注意end_time设置为前一个交易日收盘，避免用到当天未完成数据

   minute_data = get_market_data(['close'], stock_list=[context.stock], period='60m',

                                 end_time=context.now - timedelta(days=1), count=50)

`

关键点：end_time设置为昨天，确保不会用到今天未完成的60分钟数据。如果你需要盘中使用实时分钟数据，可以将主周期设置为分钟线，然后在分钟线中获取日线数据（取前一天的日线）。

另一个常用技巧：使用get_kline_serial函数，它可以获取指定周期的K线序列，但注意最新一根K线可能未完成。可以通过参数include_now=False排除未完成K线。

多周期策略示例：日线MACD金叉时，等待60分钟线回踩不破，再开仓。代码逻辑：

`python

def handle_bar(context):

日线条件

   daily_macd = get_macd('1d')

   if daily_macd['dif'] > daily_macd['dea']:

60分钟线条件

       minute_close = get_kline_serial(context.stock, 30, '60m', include_now=False)

       if minute_close[-1] > ma(minute_close, 20)[-1]:

           order_target_percent(context.stock, 0.5)

`

多周期数据对齐是量化开发中容易出错的地方。建议在回测中打印少量样本，手动验证数据日期是否正确。QMT官方文档有详细说明。

国金证券的QMT提供全面的多周期数据接口，10万资金即可开通。量化社群中有多周期策略的代码模板。同时，两融全线上办理，多周期策略同样适用于信用账户。正确对齐数据，你的回测结果才值得信赖。