QMT是券商提供的专业量化交易系统,已经成为国内量化交易领域的主流工具之一。QMT系统集策略开发、回测验证、模拟交易和实盘执行于一体,给量化用户提供了完整的量化交易解决方案。
在技术架构方面:QMT采用本地化部署模式,策略代码、交易数据、历史行情都存在本地电脑里,不会上传到云端。跟那些在云服务器上跑策略的平台比,从底层架构上彻底规避了策略源码泄露。
业务种类方面:QMT覆盖全市场交易种类,包括A股主板、北交所、科创板、港股通、基金、期权、商品期货等多个市场;
交易执行方面:QMT采用极速交易引擎,支持毫秒级订单响应,从行情接收到信号生成再到下单,整个流程延迟可以控制在1毫秒以内,能够完美适配高频交易和算法交易需求;
回测方面:QMT提供可视化回测系统,回测完成后,系统会展示净值曲线、最大回撤、年化收益等几十种绩效分析指标和直观的净值曲线展示;
灵活性方面:QMT支持开放的Python生态,用户可直接调用NumPy、Pandas、Matplotlib等主流科学计算与数据分析库,轻松实现数据清洗、行情分析、模型运算、策略编写等操作。
一、系统环境配置详解
1、软件安装
QMT客户端需要联系具备量化交易权限的券商开通账户权限后获取。安装包通常包含完整的运行环境和必要的依赖库。
QMT系统仅支持Windows操作系统,具体环境要求如下:
| 检查项 |
要求 |
| 操作系统 |
Windows 10 64位及以上版本 |
| 时区 |
东八区 |
| 语言 |
中文 |
| 字符 |
中文简体 |
| 日期时间格式 |
标准格式 |
| 硬件配置 |
建议4核CPU、8G内存 |
安装路径选择:QMT不要安装在C盘,以避免因系统权限问题导致使用异常。如只能安装到C盘,每次启动时需选择"以管理员权限运行"。
网络环境检查:部分办公网络或酒店网络有对外访问限制,跨境网络可能存在不稳定或延时等不可控因素,请确保网络通畅。
QMT系统内置了Python 3.6版本运行环境,用户无需自行安装Python。系统内置的Python环境已与客户端深度适配,建议直接使用系统自带的版本,避免因自行安装其他版本导致兼容性问题。
2、软件配置
第一次使用QMT时,必须完成Python库的初始化安装,具体步骤如下:
登录QMT客户端后,在【我的】页面 → 点击 【下载Python库】保持默认安装路径不变,完成库文件下载。

添加图片注释,不超过 140 字(可选)
重要提示:
① 在交易时段下载速度较慢,建议在盘前或盘后更新。
② 安装完成后必须完全退出并重新启动客户端。
二、量化交易开发全流程
在QMT量化策略的实际开发、编写和落地过程中,不需要关注底层复杂的交易底层架构,只需要重点把控数据获取、指标计算、信号执行三大核心环节。这三个环节直接决定了量化策略的准确性、稳定性和实盘可用性,也是策略落地最关键的实操要点,具体细节如下:
1、 数据获取环节
QMT 内置了丰富数据库,包括实时数据、历史数据、订阅数据等,系统数据接口适配范围广、调取速度快且数据稳定性强,不需要再额外对接第三方数据源,也不需要手动清洗杂乱原始数据,省去大量数据处理工作,用户只需结合自身策略需求调用对应接口即可获取所需数据;这些标准化的数据为后续指标计算、行情判断、交易信号生成提供了扎实可靠的数据底层支撑。
2、 指标计算环节
QMT把常用的技术指标都封装好了,像MA均线、MACD、KDJ、BOLL、RSI这些,你直接调用现成函数就行,不用自己写代码,零开发成本。但如果你的策略需要自定义指标、复合算法或者高阶模型,内置函数不够用的时候,可以借助QMT开放的Python生态,用NumPy、Pandas这些科学计算库,对拿到的原始行情数据进行二次运算、清洗、统计和建模,自己开发专属的个性化指标。
3、 信号获取
交易信号执行是量化策略从“理论”走向“实盘”的最后一步,信号是通过分析行情数据,计算出买卖条件,当条件满足时,就会调用下单函数生成一个交易信号。简单说就是:策略根据行情判断出买卖时机后,真正把委托单发出去并确保成交的过程。
下面我们结合双均线策略给大家详细讲解一下。
双均线策略的核心逻辑:
金叉:短线上穿长线,说明短期涨势强,是买入信号
死叉:短线下穿长线,说明短期跌势强,是卖出信号
短期均线(默认5日):代表最近几天的平均价格,反应快
长期均线(默认20日):代表近一个月的平均价格,反应慢
代码实现与解析:
完整的策略代码通常包含三个主要组成部分:初始化模块、行情处理模块和交易执行模块。在初始化阶段需要定义策略参数和全局变量;行情处理模块负责实时解析市场数据并生成交易信号;交易执行模块则负责将信号转化为实际委托指令。
① 导入第三方库:
#encoding:gbk
import pandas as pd
import numpy as np
import datetime
导入我们策略里面所需的依赖库:pandas、numpy 用于均线计算,datetime 处理交易时间判断
② 初始化模块:
def init(C):
A.stock= C.stockcode + '.' + C.market #品种为模型交易界面选择品种
A.acct= account #账号为模型交易界面选择账号
A.acct_type= accountType #账号类型为模型交易界面选择账号
A.amount = 10000 #单笔买入金额 触发买入信号后买入指定金额
A.line1=17 #快线周期
A.line2=27 #慢线周期
A.waiting_list = [] #未查到委托列表 存在未查到委托情况暂停后续报单 防止超单
A.buy_code = 23 if A.acct_type == 'STOCK' else 33 #买卖代码 区分股票 与 两融账号
A.sell_code = 24 if A.acct_type == 'STOCK' else 34
#设置股票池 订阅品种行情
C.set_universe([A.stock])
print(f'双均线实盘示例{A.stock} {A.acct} {A.acct_type} 单笔买入金额{A.amount}')
策略启动时仅执行 1 次,完成参数配置、账户绑定、行情订阅、全局变量初始化,是策略启动前置配置。
③ 行情数据获取:
data = C.get_history_data(max(A.line1, A.line2)+1, '1d', 'close', dividend_type='front_ratio')
close_list = data[A.stock]
if len(close_list) < max(A.line1, A.line2)+1: # 数据不足则跳过
return
使用 get_history_data 获取日线收盘价数据,并检查数据长度是否满足均线计算需求。
④ 均线计算:
pre_line1 = np.mean(close_list[-A.line1-1: -1]) # 上一根K线的快线值
pre_line2 = np.mean(close_list[-A.line2-1: -1]) # 上一根K线的慢线值
current_line1 = np.mean(close_list[-A.line1:]) # 当前快线值
current_line2 = np.mean(close_list[-A.line2:]) # 当前慢线值
通过计算快慢双均线,在金叉时买入,死叉时做卖出
⑤ 买入信号执行:
if A.amount < available_cash and vol >= 100 and A.stock not in holdings and pre_line1 < pre_line2 and current_line1 > current_line2:
msg = f"双均线实盘 {A.stock} 上穿均线 买入 {vol}股"
passorder(A.buy_code, 1101, A.acct, A.stock, 14, -1, vol, '双均线实盘', 1, msg, C)
A.waiting_list.append(msg)
⑥ 卖出信号执行:
if A.stock in holdings and holdings[A.stock] > 0 and pre_line1 > pre_line2 and current_line1 < current_line2:
msg = f"双均线实盘 {A.stock} 下穿均线 卖出 {holdings[A.stock]}股"
passorder(A.sell_code, 1101, A.acct, A.stock, 14, -1, holdings[A.stock], '双均线实盘', 1, msg, C)
A.waiting_list.append(msg)
以上就是今天分享的全部内容,双均线完整dome找我领取!
三、如何免费开通量化软件?
1、化软件开通流程
(1)开户成功后入金10万后提交申请流程
(2)申请过程全程线上,预计2个工作日申请完成。
(3)等待开通过程中,可以提供测试账号、安装配置流程、量化会员资料。
(4)开通成功后,会通过邮件发送你软件下载地址,登录账号后就可以使用。
2、VIP福利
福利1:惊喜佣金
福利2:领取完整教程
福利3:添加量化讨论群
福利4:提供专业量化问题解答
福利5:量化工具安装使用教程、视频
福利6:极速柜台,量化投资者专用,速度微秒级
福利7:提供服务器托管模式:ptrade+ldp极速柜台+vip定向服务器(限50人)