在回测中模拟算法交易（如TWAP）可以更准确地评估策略的真实成本。PTrade的回测引擎支持算法交易模拟。本文介绍如何设置和解读算法交易回测。步骤一：在策略代码中，使用order_algo函数代替普通order。`pythondefhandle_bar(context):ifsignal_buy:order_algo('000001.SZ... 阅读全文

413次浏览 2026-5-18 15:59

随着策略数量增加，重复的代码（如风控、下单、日志）会降低开发效率。QMT支持导入自定义模块，实现代码重用。本文介绍如何构建自己的量化函数库。步骤一：创建一个公共Python文件，例如my_lib.py，放在QMT工作目录下。内容示例：`pythonmy_lib.pydefmoving_average(data,window):returnsum(dat... 阅读全文

460次浏览 2026-5-18 15:59

对于高频策略研究，需要存储tick数据以便离线分析。PTrade策略可以实时接收tick并写入本地数据库。本文介绍如何使用SQLite存储tick数据。优点：SQLite轻量级，无需安装，支持SQL查询，适合个人使用。步骤一：在init中创建数据库和表。`pythonimportsqlite3definitialize(context):context... 阅读全文

426次浏览 2026-5-18 15:58

在信用账户中使用QMT进行量化交易，仓位计算比普通账户复杂，因为涉及融资负债、维持担保比例、可用保证金等。本文介绍如何在QMT策略中正确计算两融仓位。首先，获取账户信息。QMT提供了以下函数：-get_margin_ratio()：维持担保比例。-get_available_margin()：可用保证金（融资额度）。-get_credit_positi... 阅读全文

396次浏览 2026-5-18 15:57

实盘运行时，能够实时查看账户净值、持仓盈亏、策略信号等信息非常有帮助。QMT策略可以配合Dash（PythonWeb框架）构建一个本地仪表盘。本文介绍实现方法。原理：QMT策略在运行中，将关键数据（总资产、持仓、最新信号）写入一个共享文件或内存数据库（如Redis）。Dash应用读取这些数据，动态刷新网页。步骤一：在QMT策略中，定期写入数据。例如，每... 阅读全文

642次浏览 2026-5-18 15:55

虽然PTrade不能直接训练机器学习模型，但可以加载外部训练好的模型文件进行预测。本文介绍如何在PTrade中集成一个简单的逻辑回归模型，预测次日股票涨跌。步骤一：外部训练模型。在本地Python环境中，使用历史数据训练模型，特征包括过去5日收益率、成交量变化、RSI等。训练完成后，使用joblib保存模型文件。`pythonfromsklearn.l... 阅读全文

438次浏览 2026-5-18 15:54

期权是非线性的金融工具，量化交易可以充分利用其杠杆和风险对冲特性。QMT支持期权交易，本文介绍一个简单的买入看涨期权策略，并给出代码实现。策略逻辑：当预期某只股票将大涨时，买入其平值看涨期权，而非买入股票本身。优点是损失有限（权利金），潜在收益无限。缺点是需要判断方向和时间。步骤一：获取期权合约列表。使用QMT的get_option_list函数，根据... 阅读全文

343次浏览 2026-5-18 15:53

跨品种套利利用相关性高的两个品种价差偏离进行对冲交易。PTrade支持期货交易，可以实现商品期货的套利策略。本文以豆粕和豆油为例，讲解跨品种套利的量化实现。逻辑基础：豆粕和豆油都是大豆压榨产品，价差通常在一定范围内波动。当价差过大时，做空价差（卖豆油买豆粕）；价差过小时，做多价差（买豆油卖豆粕）。注意，需计算合约标准化。步骤一：获取数据。使用PTrad... 阅读全文

388次浏览 2026-5-18 15:53

许多量化开发者发现，同样的策略在QMT回测和模拟盘中表现差异很大。这往往是因为回测设置与模拟盘环境不一致。本文教你如何调整，使模拟盘更接近实盘。差异来源：1.滑点：回测中通常设置了固定滑点，但模拟盘使用的是真实盘口的对手价，可能滑点更大。2.成交量限制：回测假设无限流动性，模拟盘会受真实盘口挂单量限制，大单可能无法完全成交。3.数据质量：回测使用的历史... 阅读全文

521次浏览 2026-5-18 15:52

PTrade内置了丰富的技术指标函数，无需自己编写计算公式，可以快速开发策略。本文介绍PTrade常用指标函数及其使用方法。常用指标函数：-MA(close,n)：简单移动平均-EMA(close,n)：指数移动平均-MACD(close,fast=12,slow=26,signal=9)：返回dif,dea,bar-RSI(close,n=14)：相... 阅读全文

500次浏览 2026-5-18 15:51

量化策略在实盘中可能遭遇极端行情，导致单日大幅亏损。设置单日最大亏损限额可以防止策略失控。QMT支持自定义风控模块，实现熔断机制。本文介绍实现方法。思路：在每天开始时记录初始总资产，盘中实时计算当前总资产，如果亏损超过预设阈值（如总资产的3%），则立即平仓所有持仓，并停止当日交易。实现代码：`pythondefinit(context):context... 阅读全文

416次浏览 2026-5-18 15:50

对于日内策略，实时计算VWAP（成交量加权平均价）和TWAP（时间加权平均价）可以帮助判断当前成交价是否偏离平均水平。PTrade支持tick级数据，可以实时计算这些指标。本文介绍实现方法。VWAP计算公式：VWAP=∑(价格×成交量)/∑成交量。在PTrade中，可以通过订阅tick数据，实时累加。`pythondefinitialize(conte... 阅读全文

655次浏览 2026-5-18 15:49

上市公司发布业绩预告后，股价往往出现跳空。事件驱动策略可以在公告后迅速介入，博取短期收益。本文介绍如何用QMT实现基于业绩预告的量化交易。第一步，获取业绩预告数据。可以使用Tushare等数据源，获取每日发布的业绩预告，包括股票代码、预告类型（预增、预减、扭亏等）、净利润变动幅度等。第二步，筛选事件。预增幅度超过50%的股票，或者扭亏为盈的股票，通常有... 阅读全文

431次浏览 2026-5-18 15:48

盘口数据（Level2）包括十档买卖盘、逐笔成交等，比普通五档行情更精细。QMT支持订阅盘口数据，实现基于订单簿失衡、大单追踪等短线策略。本文介绍如何获取和使用盘口数据。首先，开通Level2权限。部分券商免费提供，有的需付费（每月几十元）。国金证券对特定客户提供。其次，在QMT中订阅盘口数据。使用subscribe_quote并指定period=... 阅读全文

711次浏览 2026-5-18 15:47

任何量化策略都有参数，如均线周期、止盈止损比例。参数的选择直接影响策略表现。PTrade提供了参数优化功能，可以自动寻找最优参数组合。本文介绍网格搜索和遗传算法的使用。网格搜索：枚举所有参数组合，选择绩效最好的。在PTrade的策略编辑界面，点击“参数优化”，设置参数范围。例如，双均线策略，短周期范围5-20步长1，长周期范围2... 阅读全文

370次浏览 2026-5-18 15:46