一、概述

QMT 极速策略交易系统，以下简称 QMT 系统，内置了 3.6 版本 的 Python 运行环境，提供 行情数据 与 交易下单 两大核心功能。通过编写 python 脚本，可以完成指标计算、策略编写、策略回测、实盘下单等需求。

二、场景需求

QMT 系统支持 回测模型 与 实盘模型。

回测模型：指在历史 k 线上，自左向右逐根遍历 k 线，以模拟的资金账号记录每日的买卖信号，持仓盈亏，最终展示策略在历史上的净值走势结果。

实盘模型：指在盘中收取最新的动态行情，即时发送买卖信号到交易所，判断委托状态，需要实时重复报撤的模型。

回测模型

• 回测是遍历固定的历史数据：

• 首先需要下载历史行情，首次下载可以在界面左上角，点击 操作，选择 数据管理 补充行情，选择回测的周期，如 日线，所需的板块数据，如 沪深A股板块，时间范围选择 全部，下载完整历史行情。

  

• 其次设置每日定时更新，可以点击客户端右下角 行情 按钮，在 批量下载 界面选择需要每天更新的数据，勾选 定时下载 选项，之后每天在指定时间会自动下载行情数据到本地。

  

• 回测模型取本地数据遍历，不需要向服务器订阅实时行情，应使用 get_market_data_ex 函数，指定 subscribe 参数为 False，来读取本地行情数据。

• 回测模型的撮合规则为，指定交易价格在当前 k 线高低点间的，按指定价格撮合，超过高低点的，按当前 k 线收盘价撮合。委托数量大于可用数量时，按可用数量撮合。

• 回测模型右侧的基本信息，如默认周期，默认主图，在 我的界面 点击回测时会生效。在行情界面 k 线下点击回测，以当前 k 线的周期，品种为准。回测必须以 副图模式 执行，不要选择主图 / 主图叠加。

实盘模型

当你回测结束，你需要开始实盘模型，注意这里提到的实盘，指的是接收未来 K 线的数据，生成策略信号，进行交易下单。

::: tip 提示
实盘模型也分 模拟柜台模拟交易 和 真实柜台实盘交易 两种。
:::

• 你要运行实盘模型，QMT 系统提供两种交易模式：

• 默认的交易模式为 逐 k 线生效 (passorder 函数 快速交易 quicktrade 参数填 0 即默认值)，适用与需要在盘中模拟历史上逐 k 线的效果需求。例如选择一分钟周期，将下单判断，下单函数放在 handlebar 函数内，盘中主图每个分笔 (三秒一次)会触发一次 handlebar 函数调用，系统会暂存当前 handlebar 产生的下单信号。三秒后下一个分笔到达时，如果是新的一分钟 k 线的第一个分笔，判断上一个分笔为前一根k线最后分笔，会将暂存的交易信号发送给交易所，完成交易。如到达的下一个分笔不是新一根 k 线的，则判定当前 k 线未完成，丢弃暂存的交易信号。1 分钟 k 线情形，每根k线内会有 20 个分笔，前 19 个分笔产生的信号会被丢弃，最后一个分笔的信号，会在下一根k线，首个分笔到达时，延迟三秒发出。系统自带的 ContxtInfo 也做了同样的等待，回退处理，逐 k 线模式的交易记录可以保存在 ContextInfo 对象的属性中。

• QMT 系统也支持立即下单的交易模式，passorder 函数的 快速交易 quicktrade 参数填 2，可以在运行后立刻发出委托，不对信号进行等待，丢弃的操作。此时需要用普通的全局变量(如自定义一个 Class a())保存委托状态，不能存在 ContextInfo 的属性里。

• 实盘的撮合规则以交易所为准。股票品种的话，价格不能超过 2% 的价格笼子否则废单。数量超过可用数量时会废单。

• 实盘模型需要在模型交易界面执行。模型交易界面，选择新建策略交易，添加需要的模型。运行模式可以选择 模拟 或 实盘。

• 选择 模拟信号模式，在策略信号界面显示买卖信号，不实际发出委托。

• 选择 实盘交易模式，显示的策略信号会实际发出到交易所。

::: tip 提示
运行模式的 模拟 和 实盘，与您使用的账号实际是 实盘账号（真实交易所柜台） 或 模拟账号（模拟交易柜台） 无关。相关账号申请需要联系您做所在券商的工作人员，或者购买 投研端账号 获取模拟柜台撮合服务。
:::

三、运行机制对比

QMT 系统提供两大类（事件驱动与定时任务），共三种运行机制。

逐 K 线驱动：handlebar

handlebar 是 主图历史 k 线 + 盘中订阅推送。运行开始时，所选周期历史 k 线从左向右每根触发一次 handlebar 函数调用。盘中时，主图品种每个新分笔数据到达，触发一次 handlebar 函数调用。

::: tip 提示
盘中分笔驱动，但是逐 K 线生效。
:::

事件驱动 ：subscribe 订阅推送

盘中订阅指定品种的分笔数据，新分笔到达时，触发指定的回调函数。

定时任务 ：run_time 定时运行

指定固定的时间间隔，持续触发指定的回调函数.

不同机制匹配不同场景需求

机制	分类	特点	匹配需求
逐 K 线运行（handlebar）	事件驱动	同时支持历史回测和盘中可模拟逐K线效果	在实盘中模拟逐K线运行的效果
订阅推送（subscribe）	事件驱动	盘中行情分笔触发函数调用	盘中随分笔行情判断交易
定时运行（run_time）	定时任务	固定间隔触发调用	盘中固定时间间隔判断交易

四、逐 K 线驱动（handlebar）示例

因此，结合不同场景需求（回测或实盘），针对不同的机制（定时任务或事件驱动），我们分别给出回测与实盘的完整示例，复制到策略编辑器中即可使用。

在编写策略前，有以下注意事项：

::: danger 警告
在编写一个策略时，首先需要在代码的最前一行写上： #coding:gbk 统一脚本的编码格式是 GBK。

缩进需要统一 全部统一为 ···· 或者 ->。
:::

回测示例-基于 handlebar

复制代码以下代码到策略编辑器：

#coding:gbk
#导入常用库
import pandas as pd
import numpy as np
import talib
#示例说明：本策略，通过计算快慢双均线，在金叉时买入，死叉时做卖出 点击回测运行 主图选择要交易的股票品种

def init(C):
    #init handlebar函数的入参是ContextInfo对象 可以缩写为C
    #设置测试标的为主图品种
    C.stock = C.stockcode + '.' + C.market
    #line1和line2分别为两条均线期数
    C.line1 = 10  #快线参数
    C.line2 = 20  #慢线参数
    #accountid为测试的ID 回测模式资金账号可以填任意字符串
    C.accountid = "testS"

def handlebar(C):
    #当前k线日期
    bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')
    #回测不需要订阅最新行情使用本地数据速度更快 如果回测多个品种 需要先下载对应周期历史数据
    local_data = C.get_market_data_ex(['close'], [C.stock], end_time=bar_date, period=C.period, count=max(C.line1, C.line2), subscribe=False)
    close_list = list(local_data[C.stock].iloc[:, 0])
    #将获取的历史数据转换为DataFrame格式方便计算
    #如果目前未持仓，同时快线穿过慢线，则买入8成仓位
    if len(close_list) < 1:
        print(bar_date, '行情不足 跳过')
    line1_mean = round(np.mean(close_list[-C.line1:]), 2)
    line2_mean = round(np.mean(close_list[-C.line2:]), 2)
    print(f"{bar_date} 短均线{line1_mean} 长均线{line2_mean}")
    account = get_trade_detAIl_data('test', 'stock', 'account')
    account = account[0]
    available_cash = int(account.m_dAvailable)
    holdings = get_trade_detail_data('test', 'stock', 'position')
    holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID: i.m_nVolume for i in holdings}
    holding_vol = holdings[C.stock] if C.stock in holdings else 0
    if holding_vol == 0 and line1_mean > line2_mean:
        vol = int(available_cash / close_list[-1] / 100) * 100
        #下单开仓
        passorder(23, 1101, C.accountid, C.stock, 5, -1, vol, C)
        print(f"{bar_date} 开仓")
        C.draw_text(1, 1, '开')
    #如果目前持仓中，同时快线下穿慢线，则全部平仓
    elif holding_vol > 0 and line1_mean < line2_mean:
        #状态变更为未持仓
        C.holding = False
        #下单平仓
        passorder(24, 1101, C.accountid, C.stock, 5, -1, holding_vol, C)
        print(f"{bar_date} 平仓")
        C.draw_text(1, 1, '平')

基础信息设置

回测参数设置

实盘示例-基于 handlebar

复制代码以下代码到策略编辑器：

#coding:gbk

# 导入包
import pandas as pd
import numpy as np
import datetime

"""
示例说明：双均线实盘策略，通过计算快慢双均线，在金叉时买入，死叉时做卖出
"""

class a:
    pass
A = a()  #创建空的类的实例 用来保存委托状态

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
    A.sell_code = 24 if A.acct_type == 'STOCK' else 34
    print(f"双均线实盘示例{A.stock} {A.acct} {A.acct_type} 单笔买入金额{A.amount}")

def handlebar(C):
    #跳过历史k线
    if not C.is_last_bar():
        return
    now = datetime.datetime.now()
    now_time = now.strftime('%H%M%S')
    # 跳过非交易时间
    if now_time < '093000' or now_time > '150000':
        return
    account = get_trade_detail_data(A.acct, A.acct_type, 'account')
    if len(account) == 0:
        print(f'账号{A.acct} 未登录 请检查')
        return
    account = account[0]
    available_cash = int(account.m_dAvailable)
    #如果有未查到委托 查询委托
    if A.waiting_list:
        found_list = []
        orders = get_trade_detail_data(A.acct, A.acct_type, 'order')
        for order in orders:
            if order.m_strRemark in A.waiting_list:
                found_list.append(order.m_strRemark)
        A.waiting_list = [i for i in A.waiting_list if i not in found_list]
    if A.waiting_list:
        print(f"当前有未查到委托 {A.waiting_list} 暂停后续报单")
        return
    holdings = get_trade_detail_data(A.acct, A.acct_type, 'position')
    holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID: i.m_nCanUseVolume for i in holdings}
    #获取行情数据
    data = C.get_market_data_ex(["close"], [A.stock], period='1d', count=max(A.line1, A.line2) + 1)
    close_list = data[A.stock].values
    if len(close_list) < max(A.line1, A.line2) + 1:
        print('行情长度不足(新上市或最近有停牌) 跳过运行')
        return
    pre_line1 = np.mean(close_list[-A.line1 - 1:-1])
    pre_line2 = np.mean(close_list[-A.line2 - 1:-1])
    current_line1 = np.mean(close_list[-A.line1:])
    current_line2 = np.mean(close_list[-A.line2:])
    #如果快线穿过慢线，则买入委托 当前无持仓 买入
    vol = int(A.amount / close_list[-1] / 100) * 100  #买入数量 向下取整到100的整数倍
    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', 2, msg, C)
        print(msg)
        A.waiting_list.append(msg)
    #如果快线下穿慢线，则卖出委托
    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', 2, msg, C)
        print(msg)
        A.waiting_list.append(msg)

::: danger 警告
对于立刻下单的模型需要用普通的全局变量来保存状态不能 ContextInfo。
:::

五、事件驱动（subscribe）示例

实盘示例-基于 subscribe

复制代码以下代码到策略编辑器：

#coding:gbk

class a:
    pass
A = a()
A.bought_list = []

account = 'testaccount'

def init(C):
    def callback_func(data):
        #print(data)
        for stock in data:
            current_price = data[stock]['close']
            pre_price = data[stock]['preClose']
            ratio = current_price / pre_price - 1
            print(stock, C.get_stock_name(stock), '当前涨幅', ratio)
            if ratio > 0 and stock not in A.bought_list:
                msg = f"当前涨幅 {ratio} 大于0 买入100股"
                print(msg)
                #下单函数passorder 安全起见处于注释状态 需要实际测试下单交易时再放开
                #passorder(23, 1101, account, stock, 5, -1, 100, '订阅下单示例', 2, msg, C)
                A.bought_list.append(stock)
    stock_list = ['600000.SH', '000001.SZ']
    for stock in stock_list:
        C.subscribe_quote(stock, period='1d', callback=callback_func)

六、定时任务（run_time）示例

实盘示例-基于 run_time

复制代码以下代码到策略编辑器：

#coding:gbk
import time, datetime

class a:
    pass
A = a()

def init(C):
    A.hsa = C.get_stock_list_in_sector('沪深A股')
    A.vol_dict = {}
    for stock in A.hsa:
        A.vol_dict[stock] = C.get_last_volume(stock)
    A.bought_list = []
    C.run_time("f", "1nSecond", "2019-10-14 13:20:00")

def f(C):
    t0 = time.time()
    now = datetime.datetime.now()
    full_tick = C.get_full_tick(A.hsa)
    total_market_value = 0
    total_ratio = 0
    count = 0
    for stock in A.hsa:
        ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1
        if ratio > 0.09 and stock not in A.bought_list:
            msg = f"{now} {stock} {C.get_stock_name(stock)} 当前涨幅 {ratio} 大于5% 买入100股"
            #下单示例 安全起见处于注释状态 需要实际测试下单时可以放开
            #passorder(23, 1101, account, stock, 5, -1, 100, '示例策略', 2, msg, C)
            A.bought_list.append(stock)
        market_value = full_tick[stock]['lastPrice'] * A.vol_dict[stock]
        total_ratio += ratio * market_value
        total_market_value += market_value
        count += 1
    total_ratio /= total_market_value
    total_ratio *= 100
    print(f'{now} 当前A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time() - t0, 5)}秒')