会写 Python 的人用 QMT 反而更容易踩的两个坑
发布时间:3小时前阅读:11
按常理,有编程基础的人上手量化软件应该更顺。实际观察里,这类人踩的坑往往更深,因为他们的习惯和这类软件的运行模型有冲突。两个坑最典型。
第一个坑是把策略当成普通脚本写。普通脚本跑完就结束,取数、计算、输出,一次执行完事。量化策略不是这样,它是被反复调用的:每来一根新的 K 线,框架就调一次你的函数。很多人把耗时操作写在函数里,比如每次都重新读一遍全市场数据,结果一天跑下来机器卡死。正确做法是把重活放在初始化里做一次,函数里只做轻量判断。
第二个坑是异常处理写得太随意。普通脚本里抛个异常,你看到报错改掉就行;策略里抛异常,框架可能直接把这一轮跳过,甚至停掉整个运行,而你在界面上只看到「已停止」。写得稳的策略会把每一段可能出错的地方包起来,出错时记录、跳过、继续,不让单次失败拖垮整天的运行。
还有一层更隐蔽的差异:状态管理。普通脚本每次运行都是干净的,策略却要在内存里维持持仓、委托、信号这些状态,跨天运行还会延续。很多人习惯用全局变量,跑久了状态和账户实际不符,越跑越偏。稳妥的做法是定期用账户的实际持仓做一次对账,发现不一致就以账户为准重建状态。
这几种问题的共同点是,它们都不是语法错误,编译器不会提醒你,只有跑起来才会暴露。有编程基础的人容易过度自信,觉得「逻辑没问题就能跑」,而量化里最大的变量恰恰是运行环境和时间的连续性。
改法很朴素:把你策略里所有耗时操作挑出来,问一句它需要每次都执行吗;把每个可能返回空值的调用后面加上判断;把关键状态打印到日志里,每天收盘看一次能不能对上账户。
判断标准:如果你的策略运行超过一天就出问题,先去查是不是有耗时的重复操作、有没有兜底的异常处理、状态是不是只存在内存里。三处里通常能命中一处。
股票/量化开户欢迎找我!满足条件股票佣金万0.854、etf 可转债佣金万0.5、国债逆回购一折(百万分之一)!期权1.8元一张全包价!量化软件QMT+ptrade免费使用!还有888、999资金靓号等你选!
温馨提示:投资有风险,选择需谨慎。



问一问
从业认证

+微信
分享该文章
