有一套完整详细的替代方案，适用于大部分投资者，想要获取更详细、更具体、更能实操的代替方案，请留言“量化”

大QMT平替miniQMT：策略迁移与行情获取全攻略

一、先搞明白：miniQMT为啥要换，大QMT到底是个啥？

简单说，miniQMT就像一台“外卖车”——它只管把外部Python算好的交易指令送给券商执行，本身不带厨房（不提供研究环境）。而大QMT更像一个“中央厨房+外卖车”的整合体——它有自己内置的Python环境，策略直接在客户端里跑，不需要单独开一个外部Python进程去连它-5。

根据最新政策，从2026年7月6日起，新开通的QMT权限默认不再包含miniQMT模式，存量用户后续也会逐步迁移

。

两者最核心的区别就两点：

二、四条平替路线：选哪种看你情况

迁移方案从“几乎不用改代码”到“重写所有代码” ，分四个难度等级：

路线一：开源桥接工具——代码改动最小（强烈推荐）

GitHub上有两个开源项目可以把大QMT“伪装”成miniQMT，让你的旧代码几乎原样运行：

方案A：xtquant_big_convert
这个项目在大QMT内置Python里跑一个RPC翻译层，对外暴露和miniQMT同名的xtdata.get_market_data、XtQuantTrader.order_stock等方法。支持Redis、ZMQ、共享内存四种传输方式，覆盖117个只读方法+2个下单方法，你原来的Mini脚本几乎不用改-。

方案B：cfquant
同样是把大QMT转成miniQMT兼容层，提供Web控制台进行桥接端管理和账号绑定。外部Python可以把cfquant当作xtquant兼容层使用，只需要把原来的：

from xtquant import xtdatafrom xtquant.xttrader import XtQuantTrader

改成：

from cfquant import xtdatafrom cfquant.xttrader import XtQuantTrader

就能直接用了-。

适用场景：miniQMT代码量大、不想重写的人，这是最省事的方案。

路线二：文件/SQLite信号中转——中低频策略首选

外部策略算完信号，写入signal.csv或signal.db文件，大QMT里的handlebar()轮询读取文件→执行passorder下单。

优点：零网络依赖，单机最稳，新手半天就能接好-。
缺点：秒级延迟，高频别用；写文件要加filelock防读写冲突。

适用场景：日线/小时线策略、可转债条件单、选股后次日执行这类对延迟不敏感的。

路线三：Redis/ZMQ消息队列——低延迟方案

外部策略发指令到Redis的list或pub/sub，大QMT内置Python订阅消费，成交回报写回Redis。

延迟能到毫秒~几十毫秒，比文件快一个量级，而且支持多策略/多账户解耦，指令可持久化，跨机器也能用-。

路线四：完全重写为handlebar模式——最彻底的方案

如果上面三种都不合适，就只能把策略完全改写成大QMT的handlebar框架了。需要：

• 删掉XtQuantTrader(path, session_id).connect()——大QMT自动维护连接，手动连会打架
• 删掉sys.path.insert(...)找xtquant——内置环境已自带
• xtconstant.STOCK_BUY等常量换成passorder数字常量（23买/24卖/1101限价）
• 定时逻辑从while True改成handlebar(ContextInfo)周期驱动，或用run_time注册1

三、行情数据怎么获取？

大QMT获取行情主要有三种方式-：

1. 本地数据（历史数据）

需要提前下载到本地的加密数据文件，适合回测。对应的Python接口是get_market_data_ex(subscribe=False)。

# 下载历史数据download_history_data("000001.SZ","1d","20231001","")# 读取本地数据data = C.get_market_data_ex([],["000001.SZ"], period="1d",                             start_time="20231001", subscribe=False)

2. 全推数据（实时快照）

客户端启动后自动接收全市场最新数据快照，只有最新值没有历史值。用get_full_tick一次性取当前最新值，或用subscribe_whole_quote注册回调处理增量数据-。

# 获取最新五档盘口tick = C.get_full_tick(["000001.SZ","600000.SH"])print(tick["000001.SZ"]["lastPrice"])

3. 订阅数据（指定品种）

向行情服务器订阅指定品种的行情，有分笔、1分钟、5分钟、日线四种周期。当天以前的需用down_history_data下载。订阅有数量限制（一般最多300个）

# 订阅并获取最新+历史数据data = C.get_market_data_ex([],["000001.SZ"], period="1d",                             subscribe=True, count=-1)

一个常见坑：大QMT里行情接口优先用ContextInfo.get_full_tick()，次选xtdata作为fallback，别只留xtdata-1。

四、实战迁移步骤

第一步：备份旧策略

在miniQMT里把所有策略源码、配置文件、第三方库清单都备份好。

第二步：选迁移路线

根据策略复杂度选上面四条路线之一。新手建议先试路线一（开源桥接） ，不行再考虑其他方案。

第三步：在新环境部署

• 桥接方案：把开源工具拷贝到QMT的Python策略目录，在QMT里加载桥接脚本，在Web控制台完成账号绑定27
• 文件信号方案：在大QMT里新建策略，写handlebar()读取外部信号文件
• 重写方案：新建Python策略，按大QMT框架重写

第四步：验证

1. 先跑历史数据回测，确保结果一致4
2. 再跑模拟盘测试，确认委托正确
3. 最后用小资金实盘测试一段时间

第五步：正式切换

确认没问题后，停掉旧miniQMT，启动大QMT正式运行。

五、几个必须注意的坑

1. 编码问题：大QMT策略文件注意用GBK保存，Mini脚本常是UTF-1
2. 不要同时跑：禁止新旧两套同时运行同一实盘策略，会重复委托-
3. 先核对接口清单：迁移最值钱的是已验证的业务逻辑，不是代码行数。先做一份接口清单，再做最小可运行测试9
4. 保留回退路径：迁移时保留原账户和原策略的可回退路径，别把旧环境直接删了9

六、选大QMT还是PTrade？

如果策略重度依赖外部Python、有自己的数据库和因子计算，大QMT是更自然的选择，它可以在本地读写文件和数据库，外部系统继续负责计算，QMT作为执行端-12。

如果只是做日线调仓、分钟级判断，PTrade可能更省心，更偏平台化策略框架，维护负担相对低-1。

一句话判断：“我是想让策略托管运行，还是想让外部系统继续接入执行？” 前者选PTrade，后者选QMT-12。

总结：miniQMT转大QMT，最省事的是用开源桥接工具（xtquant_big_convert或cfquant），几乎不改代码；不想折腾桥接的就用文件/Redis做信号中转；实在不行再全量重写。行情数据用get_full_tick拿实时快照，用get_market_data_ex拿历史数据。关键是先跑通最小可用版本，再逐步加功能，别一次性全搬。