在量化交易中，订单可能会因为价格波动而未能成交。QMT提供事件驱动接口，可以监控订单状态，实现自动撤单重发，提高成交率。本文介绍如何利用on_order_status和on_order_trade回调构建智能订单管理模块。首先，了解QMT的订单状态回调。on_order_status在订单状态发生变化时调用，状态包括：ORDER_STATUS_SUBM... 阅读全文

367次浏览 2026-5-18 15:33

因子投资是量化选股的主流方法。因子是股票某一方面的特征，如市盈率（估值因子）、ROE（质量因子）、过去一个月涨跌幅（动量因子）。通过筛选因子得分高的股票构建组合，期望获得超额收益。本文介绍单因子回测和多因子合成的步骤。单因子回测：验证某个因子是否有效。以市盈率因子为例：1.获取全市场股票的市盈率数据（TTM）。2.在每个调仓日（如每月末），按市盈率从小... 阅读全文

443次浏览 2026-5-18 15:31

随着量化策略复杂度的提升，需要管理多个股票池、多个信号来源以及中间计算结果。QMT的Python环境允许使用任意自定义数据结构，如字典、列表、PandasDataFrame。本文介绍如何在QMT中高效组织数据。场景一：多股票池轮动。定义两个列表：stock_pool_1=['000001.SZ','000002.SZ�... 阅读全文

178次浏览 2026-5-18 15:31

很多量化策略只需要在每天固定时间点执行，比如尾盘买入、开盘卖出。PTrade提供了强大的定时任务功能run_daily，可以精确到秒级触发。本文介绍如何用定时任务实现“收盘前清仓”和“开盘买入”两种常见模式。首先，定时任务的基本用法。在init函数中注册：`pythondefinitialize(cont... 阅读全文

295次浏览 2026-5-18 15:30

回测表现良好的策略，直接上实盘仍然有风险。中间还需要一步：模拟盘（仿真交易）。模拟盘使用实时行情、模拟资金，但成交基于模拟撮合，可以暴露实盘中可能遇到的技术问题。本文介绍QMT模拟盘的完整使用方法。第一步，注册模拟账号。在QMT登录界面选择“模拟交易”，系统会自动生成一个模拟资金账号（初始资金可自定义）。模拟环境的数据与实盘完全... 阅读全文

408次浏览 2026-5-18 15:29

滑点是量化实盘中最常见的“隐形杀手”。回测中假设的无滑点成交，实盘中可能产生0.1%-0.5%的额外成本，足以使一个盈利策略变为亏损。本文介绍滑点的成因及控制方法。滑点产生原因：买卖价差（买一和卖一的差价）、流动性不足（大单吃掉多层挂单）、网络延迟（行情到达和下单之间的时间差）、市场冲击（大单影响价格）。控制滑点的核心是：优化下... 阅读全文

374次浏览 2026-5-18 15:28

评估一个量化策略的好坏，不能只看收益率，更要看风险调整后收益。本文详细解释三个最核心的风险指标：夏普比率、最大回撤、卡玛比率，以及如何利用它们筛选策略。夏普比率（SharpeRatio）：衡量每单位波动风险能获得多少超额收益。计算公式(Rp-Rf)/σp，其中Rp为策略年化收益率，Rf为无风险利率（通常取2.5%），σp为收益率年化标准差。夏普比率越高... 阅读全文

1411次浏览 2026-5-18 15:27

网格交易适合震荡市场，通过低买高卖赚取波动收益。PTrade内置了网格交易模板，无需编程，只需设置参数即可运行。本文详细介绍如何用PTrade的零代码功能搭建网格策略。步骤一：登录PTrade，进入“策略交易”模块，选择“网格交易”模板。步骤二：设置基础参数。标的代码：例如510300.SH（沪深300E... 阅读全文

298次浏览 2026-5-18 15:27

双均线策略是量化入门的经典例子，代码简单且逻辑清晰。本文用QMT的PythonAPI完整实现一个双均线趋势策略，并讲解回测步骤。策略逻辑：当短周期均线（如5日）上穿长周期均线（如20日）时全仓买入；当短周期均线下穿长周期均线时清仓卖出。不加止盈止损，让趋势自然发展。代码实现（QMT环境）：`pythondefinit(context):设置股票代码  ... 阅读全文

730次浏览 2026-5-18 15:26

量化策略按盈利逻辑可以分为三大类：趋势跟踪、均值回归和统计套利。了解这些分类有助于投资者根据自己的风险偏好和市场环境选择合适的策略方向。趋势跟踪策略：核心假设是“趋势一旦形成，倾向于延续”。常见策略包括双均线金叉死叉、唐奇安通道突破、MACD等。趋势策略在牛市中表现优异，但在震荡市中会反复止损。典型趋势策略特征：胜率较低（约40... 阅读全文

323次浏览 2026-5-18 15:25

资金管理是量化交易中决定生死的关键环节。即使胜率只有40%，合理的资金管理也能实现稳定盈利；反之，即使胜率70%，糟糕的资金管理也可能导致爆仓。本文介绍两种经典资金管理模型：凯利公式和风险平价。凯利公式：用于计算最优仓位比例。公式f=(bp-q)/b，其中b为盈亏比（平均盈利/平均亏损），p为胜率，q=1-p。例如，策略胜率60%，盈亏比2，则f=(2... 阅读全文

361次浏览 2026-5-18 15:24

国内个人量化平台日益增多，如何选择适合自己的工具？本文从功能、门槛、易用性、稳定性等维度对比QMT、PTrade、聚宽、掘金四个主流平台。首先，QMT（迅投出品）。优势：功能最强，支持Python和VBA双语言，API覆盖股票、期货、期权、两融，回测引擎严谨，支持tick级回测。本地部署，策略保密性好。劣势：需要一定编程基础，界面朴实，需要自行维护运行... 阅读全文

879次浏览 2026-5-18 15:23

回测是量化策略开发的核心环节，但也是错误最多的地方。许多看似完美的策略，实盘一塌糊涂，原因往往是回测中隐藏了陷阱。下面列举三大常见陷阱及应对方法。第一个陷阱：未来函数。指在回测中使用了当前时间点之后才能获取的数据。例如，在下午3点收盘前，用了全天最高价作为买入条件；或者在财报发布前使用了财报数据。未来函数会严重高估策略表现。避免方法：确保在回测循环中，... 阅读全文

384次浏览 2026-5-18 15:23

一个量化策略从灵感到实盘运行，需要经过五个标准步骤。遵循这套流程可以显著提高策略成功率，避免常见陷阱。下面详细拆解每一步。第一步，策略构思。基于市场观察、学术论文、经典理论或个人经验，形成交易逻辑。例如，观察到“低波动率股票长期表现更好”，或者经典的双均线策略。关键是要有明确的逻辑支撑，而非纯粹的数据挖掘。构思阶段要写清楚：交易... 阅读全文

580次浏览 2026-5-18 15:22

量化交易，简单说就是用数学模型代替人的主观判断，由计算机自动执行交易。它与传统交易的本质区别在于：决策依据是数据和规则，而非情绪或直觉。对于普通投资者，理解量化交易的核心逻辑有助于更好地运用工具，提升投资纪律性。量化交易系统通常包含四个模块：行情获取、策略分析、风险控制、订单执行。行情获取负责接入实时或历史数据；策略分析根据预设规则（如均线金叉、RSI... 阅读全文

279次浏览 2026-5-18 15:21