QMT 详解：本地化的量化实盘平台

QMT 是国内做量化实盘绕不开的一个平台。这篇单独讲它，帮你知道它值不值得用。

一、QMT 是什么？

QMT（迅投极速交易系统）由迅投科技开发，是券商提供给客户的量化交易平台。它最大的特点：策略在你的本地电脑上运行。

二、核心能力

• 全流程集成：数据获取 → 策略开发 → 回测 → 模拟 → 实盘，一个平台搞定。
• 高速行情：支持全市场多档实时行情，tick 级数据。
• 本地化运行：策略在本地跑，可直接读本地文件（比如你自己维护的因子库）。
• 直连柜台：经由券商柜台下单，速度快、合规。

三、为什么选本地运行？

本地运行是把双刃剑：

好处

• 完全的控制权，想怎么改就怎么改。
• 能读本地文件、调用本地资源，策略更灵活。
• 数据缓存在本地，不依赖平台。

代价

• 你的电脑必须开着，关了就停。
• 网络、电脑故障都要自己负责。
• 要自己维护运行环境。

四、QMT 适合谁？

• ✅ 有一定编程能力，能自己搭环境的量化玩家。
• ✅ 需要高度灵活、要读本地数据或做复杂策略的人。
• ✅ 设备稳定（有常开的机器/服务器）的实盘用户。
• ❌ 不想折腾环境、希望开箱即用的人。
• ❌ 只有一台时会关机的笔记本的人。

五、开通门槛

六、典型使用流程

1. 在券商开通 QMT 权限，获取账号。
2. 下载客户端，配置行情和交易账号。
3. 在本地编写策略代码（通常是 Python）。
4. 回测、模拟验证。
5. 实盘运行，保证机器常开。

七、一个最小策略长什么样

QMT 的策略入口通常是 init（初始化）和 handle_bar（每根 K 线触发）。下面这段只是骨架，用来理解结构，不是可直接上实盘的代码：

def init(context):
    context.stock = "510300.SH"      # 示例标的，非推荐
    context.fast, context.slow = 5, 20

def handle_bar(context, bar_dict):
    px = history_bars(context.stock, context.slow + 1, "1d", "close")
    if len(px) < context.slow + 1:
        return

    fast = px[-context.fast:].mean()
    slow = px.mean()
    cur = context.portfolio.positions.get(context.stock, None)

    # 双均线：金叉买入，死叉清仓
    if fast > slow and not cur:
        order_target_percent(context.stock, 0.3)
    elif fast < slow and cur:
        order_target_percent(context.stock, 0)

八、本地运行要准备什么

「本地运行」不是你打开笔记本就能跑。要让一个策略连续几天不中断地执行，得准备这几样：

环境隔离

不要用平时上网、装了一堆软件的电脑跑实盘。独立性差的机器上，一次系统更新、一次杀毒软件误杀，就可能让策略停摆。理想做法是一台专机，除了行情和交易客户端什么都不装。

九、QMT 和 PTrade 的实际选择

十、三个最常见的误区

1. 以为「本地运行」等于「不会断」

恰恰相反。策略跑在你的电脑上：断电、系统更新、网络抖动、内存泄漏，都会让策略停摆。要跑实盘，通常得准备一台常开的机器，并做进程守护。

2. 把回测曲线当成绩单

QMT 内置回测很方便，但方便本身就是陷阱——参数一调、曲线就漂亮。没有样本外验证和成本建模的回测，参考价值有限。

3. 忽略券商权限的实际差异

不同券商给的 QMT 版本、可用接口、行情级别、资金门槛都不一样。别人能用的函数你未必有，开通前先问清楚。