miniqmt的禁止，是近期量化交易圈最大的一件事情了。因为mini可以直接用原生python去用mini的下单接口进行交易，又可以使用外部的数据，就非常的不安全，有风险，需要监督管理。

其实有些券商在大QMT中还保留了读取csv文件和读取本地文档中的代码信号的功能，这个和mini其实差不多。

通过这种方式，基本就能实现miniQMT的功能，只是相较于之前就没有那么方便。

大QMT的A股量化实时数据、交易接口对接实操指南

QMT：本地执行

QMT（Quantitative Trading Platform 系列客户端，常见为迅投 XtQuant 内核）的策略运行在投资者本机客户端内。

策略载体：内置 Python 编辑器 + 本地 Python 环境

生命周期：

init(ContextInfo)

— 策略初始化，仅执行一次

after_init(ContextInfo)

— 初始化完成后回调，适合放一次性任务

handlebar(ContextInfo)

— 每根 K 线 / 每个 tick 驱动一次，主逻辑所在

数据路径：客户端接收行情 → 落本地内存 / 本地硬盘 → 策略调用接口读取

优势：可调用任意本地第三方库（pandas、numpy、sklearn、torch），调试直观

代价：策略运行完全依赖本机——开机、联网、供电、系统更新、内存占用，任何一个环节出问题都会中断交易

数据层：QMT 的行情接口

QMT 的数据接口不是单一函数，而是按数据时效性和覆盖范围划分的一组取数方式。选错接口，等于在架构层面给策略设了天花板。

全推接口 get_full_tick

用途：获取全市场所有品种的最新 tick 快照，无需逐品种订阅。

特征：

• QMT 客户端启动后即自动接收全市场最新数据快照
• 只有当下，不含历史——返回的是最新一笔状态，不是序列
• 返回结构为 dict，key 为品种代码（如 510XXX.SH）

代码示例：

返回值关键字段：lastPrice（最新价）、open、high、low、lastClose、amount（成交额）、volume（成交量）、bidPrice/askPrice 档位、timeStamp。

适用场景：

全市场扫描：涨停预警、成交量异动监测、振幅突破

多因子横向排序：每个驱动周期对全 A 做一次截面筛选

精度说明（常见误区）客户端内部对全推数据的处理频率较高，但 Level-1 行情源本身是 3 秒一次的快照。也就是说，get_full_tick 取到的 tick 数据实际刷新间隔约为3 秒。若怀疑行情延迟，建议：

1. 校准本地系统时间（w32tm 或网络时间同步）  
2. 打印 timeStamp 与本地时间做差值比对
3. 做秒级策略时需明确这一延迟不可消除，须转向 Level-2 数据源

订阅接口 subscribe_quote / get_market_data_ex

用途：向行情服务器注册指定品种，获取连续的实时序列。

可订阅周期：分笔（tick）、1 分钟、5 分钟、日线

限制：单次订阅品种数上限 100 个，超出需分批调用 subscribe_quote。

代码示例：

适用场景：自选股持续跟踪、日内分时突破、短周期趋势跟随。

与全推的分野：

• 全推 = 全市场 × 单快照
• 订阅 = 少品种 × 连续序列

两者不可互相替代。

本地历史接口

get_market_data_ex(subscribe=False) / get_local_data

用途：读取已落盘到本地的历史行情。

特征：不走网络，读取速度最快。回测模式必须使用本地数据接口。

用实时接口跑回测是典型的性能错误——数千根 K 线逐笔向服务器请求，I/O 阻塞会让回测从分钟级劣化到小时级。

适用场景：策略回测、历史因子计算、回测结果可视化。

数据下载接口 download_history_data

用途：将历史行情批量写入本地，为 2.4 节提供数据源。

注意事项：

• 第二个参数为周期：tick / 1m / 5m / 1d
• 存在周期限制、流量限制、流速限制，不可一次性拉取全市场十年 tick
• 生产环境建议：每日收盘后跑一次增量下载，而非盘中全量拉取