（1）底层：Python 基础编程能力，掌握基础语法、数据处理，是用好 QMT 的基础，零基础需要先做基础学习。
（2）工具端：QMT 客户端，提供行情、回测、交易 API；miniQMT 还支持 VSCode、PyCharm 等外部 IDE 对接开发策略。
（3）研究环节：下载历史行情数据，编写策略代码，做历史回测，评估收益、最大回撤等指标。
（4）实盘环节：模拟盘充分验证，再小资金实盘运行；持续监控策略日志，定期复盘迭代策略逻辑。
散户想搭建完整量化工具链，办理低佣 QMT 账户，欢迎来找我。

散户从Python到QMT的完整工具链，分为研究开发、回测校验、模拟仿真、实盘部署四个阶段，整套链路把本地Python研究，和券商QMT实盘交易接口打通。

研究阶段，在本地VSCode或者Jupyter做数据分析，使用pandas、numpy做指标计算，借助akshare、tushare获取行情、财务数据，完成因子筛选、逻辑构思，这一步只做策略逻辑、参数调试，不涉及真实报单。这里要注意，本地Python环境和QMT内置Python是两套独立环境，不要直接混用，QMT内置为固定版本，第三方库有约束。

策略逻辑定型之后，迁移到QMT客户端，调用xtquant接口改写代码，使用QMT自带的行情、下单函数，不能直接把本地第三方库的完整代码直接复制过来。登录QMT选择行情+交易模式，在模型研究模块下载内置Python库，下载完成重启客户端环境才生效，再通过数据管理下载历史K线、tick数据，用于回测。回测的时候把佣金、滑点、涨跌停无法成交这些现实条件打开，不要使用理想化无成本回测，重点观察最大回撤、连续亏损周期，过滤过拟合的参数。

回测指标达标之后，切换到QMT模拟账户跑仿真，模拟盘使用真实行情，不产生真实资金盈亏，用来检验委托、撤单、报错、风控逻辑，持续运行一段时间，观察策略会不会出现漏单、重复报单、仓位计算异常。模拟盘表现稳定，再考虑实盘，不要直接回测完直接上实盘。

实盘环节，券商后台已经给账户开通QMT策略交易权限，区分完整版QMT和MiniQMT，完整版侧重研究回测，MiniQMT偏向轻量化接口实盘。QMT全部为本地运行，电脑必须保持开机、网络稳定，关闭休眠自动睡眠，一旦电脑停机，策略直接停止执行。如果使用LDP极速柜台，需要在交易设置手动切换柜台，部分券商LDP不支持两融交易。实盘小资金先行，每日开盘前检查策略运行日志，内部做好报撤单频率限制，规避交易所程序化异常监控。

常见坑点，安装路径必须全英文，中文路径会直接造成Python环境报错；回测表现好不等于实盘，滑点、流动性、柜台回报延迟都会改变策略结果；不要盘中频繁修改核心逻辑参数，频繁调参属于过拟合；开通QMT量化权限，不等于自动开通科创板、北交所、两融，这些板块权限要单独申请。

我司为正规上市老牌券商，风控体系完善，足不出户就能线上完成开户操作，并且佣金很优惠，欢迎联系。