miniQMT不能继续使用以后，很多人第一时间想到的是交易接口断了。但对已经有本地策略系统的人来说，数据链路同样重要。因为一个真正能运行的量化系统，不只是下单，还包括行情、因子、股票池、信号、日志和复盘。

如果数据断了，外部系统就很难继续计算。如果外部系统不能继续计算，后面再谈交易执行就没有基础。所以，QMT能不能把数据导出来，就变成了迁移中的关键点。

QMT不是简单复制miniQMT外部接口。更现实的方式是：在QMT内置Python里读取客户端可用数据，再把这些数据写到本地文件或数据库。外部程序继续读取这些结果，做因子计算、策略判断和信号生成。

这个过程可以理解成“数据桥”。

一端是QMT里的行情和策略环境，另一端是自己的外部系统。中间用什么桥，要看需求。

CSV适合人工检查。比如导出某只ETF的日线数据，看看日期、价格、成交量是否正常。它简单直观，但不适合高频持续写入。

JSON适合保存当前状态。比如一条最新快照、一条最新交易信号、一个策略配置。结构清楚，读取方便。

JSONL适合连续记录。每一行是一条事件，适合保存盘中信号、状态变化和处理日志。

SQLite适合长期运行。它可以查询、去重、更新状态，也适合保存信号队列、执行结果和订单反馈。对有外部系统的人来说，SQLite往往比单个文件更适合长期衔接。

但数据导出不是写出文件就结束。还要检查数据是否完整。

历史K线是否已经下载？

字段权限是否足够？

最新时间是否正确？

有没有重复记录？

外部系统读取时会不会读到不完整文件？

重启以后能不能继续接上？

这些问题没有处理好，导出来的数据也不一定能支撑真实策略。

比较稳妥的验证方式，是从小范围开始。先选一个标的，一个周期，一种格式。比如先导出日线CSV，再导出最新快照JSON，最后再测试SQLite持续写入。每一步都验收时间、字段、数量和重复情况。

不要一上来就做全市场、全周期、全字段。数据越多，系统越复杂，排查越困难。迁移阶段最重要的是先跑通链路，再逐步扩大范围。

数据导出还有一个重要作用：它能让迁移过程变得可验证。可以先只看数据是否正确，不急着接交易；数据稳定以后，再让外部系统生成信号；信号稳定以后，再让QMT侧做模拟执行。这样一步一步推进，问题不会全部混在一起。

这里还要区分“导出给人看”和“导出给系统用”。导出给人看，CSV就够直观；导出给系统用，就要考虑字段稳定、重复处理、写入时机和异常恢复。很多迁移失败，不是因为数据不能写出来，而是因为写出来以后没有办法长期稳定被读取。

如果外部策略要持续运行，数据格式就不能只考虑方便打开，还要考虑后续查询、去重和状态追踪。这个时候，SQLite这类本地数据库的价值就会明显高于普通表格文件。

先把这个基础跑稳，再讨论执行端，节奏会更安全。

如果以后还要做外部信号执行，数据桥就是前置条件。没有稳定数据，信号和订单都很难长期验证。主页后续会继续整理QMT数据导出与外部策略衔接的内容，本文用于量化工具迁移学习，不构成投资建议。