纯技术指标的策略容易过拟合，加入基本面因子可以提高策略的稳健性。QMT本身不提供财务数据，但允许用户导入外部数据。本文介绍如何在QMT中接入财务因子，实现价值选股策略。第一步，获取财务数据。可以使用免费源如TusharePro、AkShare，或者付费数据服务。以Tushare为例，注册后获取token，通过Python脚本下载季度财务数据，包括PE、... 阅读全文

528次浏览 2026-5-18 15:37

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

527次浏览 2026-5-18 15:29

止损止盈是交易的生命线。PTrade提供了灵活的条件单功能，可以设置固定止损、移动止损、止盈等，无需编程。本文详细介绍如何在PTrade中使用条件单进行风险控制。首先，创建条件单。在PTrade的“条件单”模块中，选择“止盈止损”类型。你需要设置：-标的代码-触发类型：可选择“价格触发... 阅读全文

527次浏览 2026-5-18 15:38

在2026年的二级市场交易中，选择合适的委托方式直接影响成交效率与成本。投资者最常用的两种方式是限价委托和市价委托。限价委托是指投资者指定一个价格，系统仅在股价达到或优于该价格时才执行成交。这种方式的优点是价格可控，不会出现意外的高买低卖，缺点是在行情剧烈波动时可能无法成交。而市价委托则是指不指定价格，要求按当前市场上最快的速度成交。这种方式成交率极高... 阅读全文

526次浏览 2026-3-27 13:23

进入2026年，Python已成为量化投资领域的通用语言。对于广大散户投资者而言，编写出一套能够回测成功的策略代码并不难，难点在于如何安全、合规地将代码对接至券商的实盘柜台。在目前的监管框架下，券商严禁未经许可的外部接口直接接入。因此，投资者实现“代码实盘”的主流方案是使用券商官方提供的专业量化交易终端。这些终端（如QMT或PT... 阅读全文

525次浏览 2026-4-8 16:04

多因子模型是2026年机构化市场的核心选股手段。通过PTrade，散户投资者也可以构建一套基于客观数据的综合评估体系。因子的筛选与分类在多因子模型中，常见的因子包括：估值因子（PE/PB）、成长因子（净利润增长率）、质量因子（ROE）、动量因子（区间涨幅）等。PTrade提供了一键提取这些因子的函数。投资者可以根据当前的市场风格（如价值风格或成长风格）... 阅读全文

525次浏览 2026-4-3 16:04

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

524次浏览 2026-5-18 15:52

对于许多量化投资者而言，策略代码是核心资产。PTrade在2026年的版本中，对策略安全性做了多重加固。首先，PTrade支持代码加密部署。虽然脚本在云端运行，但数据传输过程采用了高强度加密协议。其次，券商作为监管下的持牌机构，对客户策略隐私有严格的合规管理要求。除非发生法律规定的极端情况，否则任何人员均无法查阅客户的具体逻辑。白描其实际应用：投资者可... 阅读全文

524次浏览 2026-4-22 16:57

可转债因其“下有保底、上有弹性”的特性，一直是量化策略的热门标的。在2026年的市场中，利用QMT系统的多维度数据接口，可以挖掘出更多细分的交易机会。可转债定价因子与QMT实现不同于股票，可转债的定价受正股价格、溢价率、剩余年限及债现价等多重因素影响。在QMT中，投资者可以调用get_instrument_detail_data... 阅读全文

523次浏览 2026-4-20 15:27

在量化交易中，静态止损（固定比例止损）往往难以应对2026年多变的市场波动。动态止损逻辑（TrailingStop）则能根据股价的实时运行趋势自动调整止损位，从而在保护利润的同时规避深跌。常见的动态止损算法包括ATR（平均真实波幅）止损和最高价回撤止损。ATR止损是根据标的物的历史波动率来设定间距。当市场波动剧烈时，止损距离自动放宽；当市场趋于平稳时，... 阅读全文

523次浏览 2026-3-24 16:18

在2026年，量化交易的深度比拼在于API的灵活性与稳定性。QMT和PTrade虽然都支持Python，但在接口设计风格上各有千秋。QMT的接口设计更接近底层的C风格，通过passorder等函数进行下单，参数设置非常精细，支持多种委托类型和成交策略。这对于追求细节控制的专业开发者来说非常亲切。而PTrade的接口设计则更加“Python化... 阅读全文

523次浏览 2026-3-26 15:08

在使用PTrade编写量化策略时，许多习惯了本地开发的投资者会遇到第三方库（如Scikit-learn或XGBoost）无法直接调用的情况。这是因为2026年的云端环境为了保证运行效率和安全，通常只预装了常用的金融和科学计算库。解决方案通常有两种：一是白描式地利用PTrade内置的标准库（如Pandas和NumPy）复现算法逻辑；二是利用PTrade提... 阅读全文

523次浏览 2026-3-26 15:11

在2026年的高频波动环境下，深度数据分析已成为散户进阶的利器。分笔成交是指系统将一段时间内的所有成交汇总成一个快照，而逐笔数据则是每一笔买卖匹配的真实记录。通过分析逐笔数据，投资者可以清晰地看到单笔千万级的大单是主动买入还是卖出，从而研判主力的动向。这种白描式的微观视角，比单纯看K线图更具穿透力。目前，普通交易软件多提供的是分笔数据，而更高级的量化终... 阅读全文

522次浏览 2026-3-27 13:34

“会买的是徒弟，会卖的是师傅”，在2026年的自动量化交易中，科学的卖出逻辑是保护本金的核心。PTrade提供了极度灵活的风控接口，允许投资者在策略代码中内置多维度的退出机制。止损逻辑在PTrade中通常通过实时监控净值或个股亏损额来实现。投资者可以在handle_data函数中编写简单的判断逻辑：一旦当前价跌破成本价的预设百分... 阅读全文

522次浏览 2026-4-14 15:07

在2026年的量化实践中，很多投资者在PTrade上跑出了漂亮的“回测净值曲线”，但实盘一上就亏损。这通常是因为掉入了回测的三大陷阱：未来函数、过拟合与忽略滑点。未来函数是指策略在判断买入时，引用了尚未发生的后续数据；过拟合则是指策略参数过多，完全迎合了历史数据而缺乏泛化能力。PTrade在2026年的版本中引入了“... 阅读全文

521次浏览 2026-3-25 14:51