在国内量化交易领域，迅投 QMT 是目前应用最广泛的专业级量化交易终端之一。它深度对接券商极速交易柜台，为机构投资者与专业个人交易者提供集行情接收、策略编写、回测验证、实盘交易、风险控制于一体的全链路量化解决方案，覆盖股票、ETF、可转债、期权等主流场内交易品种。本文将从产品定位、技术架构、核心功能、开发流程与实战场景多个维度，系统拆解 QMT 的核心能力，帮助读者快速建立对 QMT 的完整认知。

一、QMT 概述：产品定位与核心价值

1.1 产品定位

迅投 QMT 是由杭州迅投研发的专业量化交易系统，直连券商交易柜台，是面向主动量化交易者的自动化交易工具。区别于普通行情交易软件，QMT 的核心定位是可自定义交易逻辑的可编程交易终端：用户可以通过 Python 编写交易策略，实现信号自动计算、订单自动委托、风险自动管控，支撑 7×24 小时无人值守的自动化交易。

经过多年迭代，QMT 已成为国内量化圈的主流基础设施，既服务于私募机构、券商资管等专业机构，也向具备一定编程能力的个人专业投资者开放。

1.2 两大运行模式

QMT 客户端内置两种核心运行模式，适配不同技术基础的用户群体：

• 极简模式：内置网格交易、条件单、日内回转等现成策略模板，无需编写代码，通过可视化参数配置即可运行策略，适合量化入门交易者快速上手。
• 专业模式：完整开放 Python 开发能力，提供原生量化 API 与全功能策略编辑器，支持自定义复杂交易逻辑、算法交易与套利策略，是专业量化从业者的主流使用模式。

1.3 支持品种与接入方式

• 覆盖品种：A 股普通股、场内 ETF/LOF、可转债、股指期权、商品期权等主流场内交易品种，满足多品类策略开发需求。
• 接入方式：QMT 为券商定制化终端，不支持直接注册使用，需通过对应券商营业部申请开通交易权限，由券商完成账户权限与柜台通道配置。

二、QMT 核心技术架构

QMT 采用 “客户端 + 柜台层 + 行情层” 的三层分离架构，各模块职责清晰，在保障低延迟交易性能的同时，兼顾了策略开发的灵活性。

2.1 三层架构拆解

1. 客户端层 用户交互与策略运行的核心载体，内置 Python 运行环境、策略编辑器、回测引擎、交易监控面板与风控配置界面。策略逻辑在客户端本地运行，订单指令通过加密通道发送至券商柜台。
2. 柜台接入层 直连券商交易柜台，负责订单申报、成交回报、账户持仓同步。普通柜台订单延迟在毫秒级，搭配 LDP 等极速柜台时，订单申报延迟可达微秒级，能够满足高频、日内 T0 等对速度要求极高的策略场景。
3. 行情服务层 对接沪深交易所 Level-1/Level-2 正版行情源，提供实时 Tick 推送、K 线合成与历史行情数据，既支撑实盘策略的实时信号计算，也为历史回测提供数据底座。

2.2 核心开发组件：xtquant 库

xtquant是 QMT 官方提供的 Python 量化开发库，也是专业模式下策略开发的核心工具。它封装了行情、交易、账户三类核心接口，是连接策略代码与 QMT 客户端的桥梁。

其核心特性包括：

• 接口语法简洁，原生 Python 风格，学习成本低
• 支持同步调用与异步回调两种模式，适配不同策略架构
• 支持 Tick 级、K 线级行情订阅，回调触发延迟低
• 内置完整的订单管理、持仓查询、资金查询接口
• 与 QMT 客户端深度绑定，交易路径合规，无需额外对接券商 API

2.3 多层级风控体系

QMT 内置三层风控机制，全方位保障交易安全：

• 券商端合规风控：继承券商柜台的涨跌停限制、持仓限额、异常交易监控等合规规则。
• 系统级策略风控：支持配置最大单笔委托量、单日最大交易次数、标的黑名单等通用规则。
• 自定义策略风控：开发者可在代码中实现止损止盈、最大回撤限制、异常行情熔断等个性化风控逻辑。

三、QMT 核心功能特性

3.1 全流程量化交易闭环

QMT 覆盖了量化策略从开发到落地的完整生命周期：

• 策略编写：内置专业代码编辑器，支持语法高亮、代码补全、断点调试，兼容第三方 Python 库。
• 历史回测：搭载高效回测引擎，支持日线、分钟线、Tick 级多周期回测，自动生成收益率、最大回撤、夏普比率、胜率等完整绩效报告。
• 模拟验证：对接券商模拟盘环境，零成本验证策略逻辑、委托路径与风控规则，提前发现潜在问题。
• 实盘运行：支持策略一键启停、参数热修改、运行状态实时监控，异常情况支持日志告警与自动停机。

3.2 主流策略全覆盖

基于 QMT 的开发能力，可以实现各类主流量化交易策略：

• 日内回转策略（T+0）：利用持仓底仓实现日内高抛低吸，持续摊薄持仓成本
• 网格交易策略：针对震荡行情品种，自动执行区间高抛低吸，赚取波动收益
• 因子选股与指数增强：基于量价、基本面因子构建选股模型，实现基准指数增强
• 期权套利策略：跨期套利、波动率套利、备兑开仓、保险策略等期权自动化交易
• 算法交易：内置 TWAP、VWAP 等拆单算法，降低大额订单的市场冲击成本
• 事件驱动策略：基于行情异动、盘口数据、公告事件触发交易信号

3.3 多账户与机构级能力

针对机构用户与多账户交易场景，QMT 支持：

• 多账户同时登录、统一管理
• 批量委托、子母账户智能拆分
• 多策略并行运行、资源隔离
• 交易日志与绩效的统一统计分析

能够大幅提升交易团队的管理效率，满足私募、资管等机构的业务需求。

四、QMT 策略开发快速入门

4.1 环境准备

1. 通过券商营业部申请开通 QMT 交易权限，下载安装对应券商版本的 QMT 客户端
2. 登录客户端，切换至「专业模式」，进入策略编辑界面
3. 确认客户端内置 Python 环境与 xtquant 库，也可配置本地 Python 环境与客户端对接

4.2 基础策略示例：双均线交叉策略

以下是基于 xtquant 实现的简单双均线交叉策略示例，直观展示 QMT 策略的代码结构：

from xtquant.xttrader import XtQuantTrader
from xtquant.xttype import StockAccount
from xtquant import xtdata
import time

# ========== 策略参数 ==========
TARGET_STOCK = "600000.SH"   # 交易标的
SHORT_MA = 5                 # 短周期均线
LONG_MA = 20                 # 长周期均线
ACCOUNT_ID = "你的资金账号"   # 资金账号
CLIENT_PATH = r"QMT客户端安装路径"

# ========== 行情回调函数 ==========
def on_quote_callback(data):
    """行情推送触发的交易逻辑"""
    # 获取指定数量的日K线数据
    kline_data = xtdata.get_market_data_ex(
        stock_list=[TARGET_STOCK],
        period="1d",
        count=LONG_MA + 1
    )
    
    if TARGET_STOCK not in kline_data or len(kline_data[TARGET_STOCK]) < LONG_MA:
        return
    
    # 提取收盘价序列
    close_list = [bar["close"] for bar in kline_data[TARGET_STOCK]]
    
    # 计算均线值
    ma_short = sum(close_list[-SHORT_MA:]) / SHORT_MA
    ma_long = sum(close_list[-LONG_MA:]) / LONG_MA
    
    # 金叉：短均线上穿长均线，发出买入信号
    if ma_short > ma_long and close_list[-2] < close_list[-1]:
        print(f"【买入信号】{TARGET_STOCK} 均线金叉")
        # 实盘环境可调用 order_stock 接口发起委托
    
    # 死叉：短均线下穿长均线，发出卖出信号
    elif ma_short < ma_long and close_list[-2] > close_list[-1]:
        print(f"【卖出信号】{TARGET_STOCK} 均线死叉")
        # 实盘环境可调用 order_stock 接口发起委托

# ========== 主程序 ==========
if __name__ == "__main__":
    # 初始化交易对象
    xt_trader = XtQuantTrader(CLIENT_PATH, session_id=10086)
    account = StockAccount(ACCOUNT_ID)
    
    # 启动并连接客户端
    xt_trader.start()
    connect_res = xt_trader.connect()
    print(f"客户端连接结果：{connect_res}")
    
    # 订阅日线行情，绑定回调函数
    xtdata.subscribe_quote(
        stock_code=TARGET_STOCK,
        period="1d",
        callback=on_quote_callback
    )
    
    # 保持程序运行
    while True:
        time.sleep(1)

以上为示例代码，仅展示核心逻辑，实盘交易前请务必在模拟环境充分验证。

4.3 策略上线规范流程

1. 本地编写策略代码，在历史回测中验证收益、风险与逻辑合理性
2. 切换至模拟盘环境运行至少 1-2 周，验证委托路径、成交回报与风控规则
3. 模拟盘运行稳定后，转入实盘小资金试运行，观察实盘与回测的差异
4. 逐步优化策略参数与风控规则，确认稳定后再逐步扩大资金规模

五、QMT 开通与使用建议

5.1 开通渠道

QMT 属于券商专业交易权限，需通过对应券商营业部申请开通，不同券商的开通门槛、费率标准、柜台配置存在差异。

如需开通我司证券 QMT权限，可联系我司量化官方经理，联系方式：点击下方微信+电话获取专属开通链接（专业量化，成都 / 全国均可办理），支持 LDP 极速柜台与专属量化服务。

5.2 风险提示

1. 量化交易不存在 “稳赚不赔” 的策略，历史回测收益不代表未来实盘表现
2. 实盘上线前必须经过充分的回测与模拟验证，避免逻辑漏洞造成资金损失
3. 需严格遵守券商交易规则与监管要求，合规开展量化交易
4. 请根据自身风险承受能力，合理控制仓位与策略杠杆，做好资金管理

总结

QMT 凭借低延迟的交易通道、灵活的 Python 开发能力、完善的全流程工具链，成为国内量化交易领域的主流终端。无论是入门级的自动化网格交易，还是专业级的日内回转、期权套利策略，QMT 都能提供稳定的技术支撑。

对于量化入门者，建议先从极简模式与基础策略入手，建立对量化交易的认知；对于专业开发者，则可以深入研究 xtquant 接口与极速柜台特性，搭建更复杂的策略体系。无论哪种阶段，都应将风险控制放在首位，在合规前提下稳步开展量化交易。