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

181次浏览 2026-5-18 15:51

多因子模型是量化投资领域最经典、最稳健的分析框架。它的核心思想是：个股的超额收益可以由一系列共同的“因子”来解释。这些因子通常被分为几大类别：估值因子（如PE、PB）、动能因子（如近一月的涨幅）、成长因子（如净利润增长率）以及红利因子（如股息率）。在实际操作中，量化系统会给每个因子分配不同的权重，为全市场的股票打分，最后买入总分... 阅读全文

180次浏览 2026-4-16 14:25

量化交易确实涉及数学，但对于2026年的普通投资者而言，并不需要成为数学家。入门阶段的核心是掌握基础的统计学和概率论。具体来说，投资者需要理解描述性统计量，如均值（代表预期收益）、标准差（代表风险波动）和相关系数（代表组合多样性）。在进阶阶段，需要了解线性回归模型，这有助于分析不同变量对股价的影响程度。此外，对概率分布的理解能帮助投资者设定合理的风控止... 阅读全文

180次浏览 2026-4-30 14:50

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

180次浏览 2026-5-18 15:28

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

180次浏览 2026-5-18 15:29

在2026年的程序化交易领域，PTrade作为一款针对个人投资者研发的专业量化终端，凭借其极高的易用性与强大的回测性能，已成为市场参与者的主流选择之一。PTrade的核心定位是“一站式量化平台”，它将行情显示、策略开发、回测评估、模拟交易与实盘执行无缝集成在同一个界面内。从技术架构来看，PTrade支持Python语言进行策略编... 阅读全文

180次浏览 2026-5-7 15:25

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

180次浏览 2026-5-18 15:33

Title:2026年QMT量化交易终端初探：个人投资者的进阶利器Watermark:QMT量化入门Content:进入2026年，随着量化投资技术的下沉，QMT（QuantitativeMarketTrading）已成为市场参与者实现自动化交易的核心终端之一。QMT不仅是一个行情观察工具，更是一个集成了策略研发、回测验证以及极速交易执行的综合性量化平... 阅读全文

180次浏览 2026-4-16 13:48

网格交易是一种经典的量化策略，其核心思想是“不预测涨跌，只捕捉波动”。在2026年频繁出现的结构化震荡行情中，网格策略表现出了极强的生命力。该策略通过在设定的价格区间内划分若干网格，当价格每下跌一个网格时买入，每上涨一个网格时卖出。这种机械化的低买高卖能够持续收割震荡市中的波动利润。网格策略的成败关键在于区间设置和品种选择。通常... 阅读全文

180次浏览 2026-4-10 15:45

随着金融科技的普及，量化交易不再是机构的专属。2026年，越来越多的散户开始通过QMT（极智量化）终端实现自动化交易。QMT开发的第一步是熟悉Python接口。投资者无需成为程序员，只需掌握基础的逻辑判断和数据调用即可。QMT提供了丰富的API，支持获取全市场行情、历史K线以及财务报表。例如，投资者可以编写一个简单的“网格交易”... 阅读全文

180次浏览 2026-3-31 16:23

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):  conte... 阅读全文

179次浏览 2026-5-18 15:50

随着金融科技的深度融入，2026年的证券业务已进入“全面线上化”时代。对于新入市或计划调整账户权限的投资者，了解当前的办理规范和便捷路径，可以有效提升办事效率。基础开户流程的标准化目前的开户流程已精简至5-10分钟即可完成。投资者只需准备好有效期内的二代身份证、主流银行卡，并通过手机端进行视频验证和风险测评。在这一过程中，系统会... 阅读全文

179次浏览 2026-4-13 15:17

QMT之所以受专业交易者青睐，在于其强大的二次开发能力。到2026年，通过Python自定义各种非标指标已成为量化进阶的必经之路。在QMT中，开发者可以不再受限于传统的MACD或KDJ。利用Python的计算能力，你可以编写基于“资金流向”、“主力挂单占比”甚至“期现基差”的复合指... 阅读全文

179次浏览 2026-4-28 14:38

什么是样本外测试简单来说，样本外测试就是把投资者手中现有的历史行情数据，按照时间先后顺序，强行切割为性质完全不同的两个独立部分：样本内数据（In-of-SampleData）：通常占总数据量的70%到80%（例如使用2018年1月至2024年12月的股票行情数据）。这一段数据是公开的“演练场”，开发者可以用它来不断测试各种技术指... 阅读全文

179次浏览 2026-6-15 16:22

参数调优是量化开发中的双刃剑。为了追求极致的回测胜率，散户往往会不自觉地将策略打造成仅适用于过去某一特定时间段的“模型”。为了避免过度优化，建议在调优时采用交叉验证法，将数据分为训练集和测试集。同时，关注“参数孤岛”现象——如果一个优秀的参数周围都是表现极差的参数，那么该参数极大概率是过拟合的结果。真正的... 阅读全文

179次浏览 2026-4-9 14:30