在QMT（或xtquant）的学习过程中，get_market_data_ex是一个避不开的核心函数。它是获取行情数据的“全能选手”，但因为参数较多，很多新手在使用时容易出错。搞懂这个函数，你的策略就成功了一半。get_market_data_ex的主要作用是从本地缓存或数据库中提取行情数据。它的核心参数包括：标的列表、周期（如... 阅读全文

154次浏览 2026-5-14 15:00

当投资者需要买入大笔仓位时，一次性报单往往会引起股价剧烈波动，增加成交成本。PTrade内置的VWAP（成交量加权平均价格）算法正是解决这一痛点的方案。VWAP算法的逻辑是将大单拆分成无数小单，并根据当日预测的成交量分布，自动在全天时间内均衡执行。例如，在早盘成交活跃时多成交，午后平淡时少成交。2026年的PTrade算法库已经进化到能够自适应市场波动... 阅读全文

154次浏览 2026-3-13 11:04

在多因子量化模型中，回测结果往往显示“换手率越高，收益越好”。然而，在2026年的实盘中，如果不加限制地追求高换手，最终的结果往往是亏损。原因很简单：你赚到的那点微弱的Alpha，全都被交易佣金、印花税和冲击成本吃掉了。首先，冲击成本（MarketImpact）的隐形成本。当你根据多因子模型一次性买入上百只股票时，尤其是那些流动... 阅读全文

154次浏览 2026-4-2 10:59

在构建量化多因子选股策略时，许多投资者盲目组合了十几种技术指标或财务指标，却发现实盘效果并不理想，甚至出现了收益钝化的现象。这里的核心痛点在于忽视了因子之间的“多重共线性”。如果输入的多个因子之间具有高度相关性（例如同时使用了ROE和资产净利润率），不仅无法提供额外的选股信息，反而会放大某一种特定风险。在正式上线多因子策略前，必... 阅读全文

154次浏览 2026-6-8 11:33

进入证券市场，风险管理永远优于利润追求。融资融券作为一种带有杠杆性质的业务，在放大收益的同时，也将风险暴露程度推向了更高层级。2026年的市场波动性依然存在，理解两融的特有风险，是每一位市场参与者的必修课。杠杆带来的亏损放大效应普通交易中，如果你买入100万股票，股价下跌10%，你亏损10万，剩余90万。但在两融交易中，如果你利用100万本金再融资买入... 阅读全文

153次浏览 2026-4-7 10:54

在A股的低风险量化圈子里，可转债由于具有“下有债底保护、上有正股弹性”的特质，成为了高频轮动策略的天然温床。很多量化老手通过编写代码，在全市场搜寻“双低”（低转债价格+低转股溢价率）或者“高正股动量”的转债组成轮动组合，每周或者每三天自动换仓一次。在正常年份里，这种策略可以轻松跑赢... 阅读全文

153次浏览 2026-6-6 15:28

在2026年的资产配置领域，“指数增强”不再是一个高深莫测的专业词汇。简单来说，指数增强策略的目标是：在跟踪某一指数（如沪深300或中证500）的基础上，通过一定的主动管理手段，获取超越指数的额外收益（Alpha）。对于普通投资者而言，利用ETF作为核心持仓，并辅以特定的增强技巧，是构建稳健投资组合的高效路径。核心-卫星：ETF... 阅读全文

153次浏览 2026-4-22 10:07

许多量化交易初学者在独立的测试环境中进行策略历史回测时，往往能跑出令人惊艳的净值曲线，最大回撤极小，胜率极高。然而，一旦将同一套Python代码上线到实盘柜台，投入真实资金运行，实际收益就会大幅缩水，甚至出现非预期的亏损。导致这种“回测是天才，实盘是庸才”现象的核心原因之一，就是被许多人忽视的因素——滑点（Slippage）。一... 阅读全文

153次浏览 2026-6-3 11:33

在2026年的量化交易领域，回测依然是验证策略有效性的核心环节。然而，许多投资者在构建多因子模型时，常常被漂亮的回测曲线所迷惑，实盘后却遭遇持续亏损。这其中最魁祸首往往就是“未来函数”。简单来说，未来函数是指在回测逻辑中，不自觉地利用了在交易决策发生时点尚无法获取的后续信息。首先，常见的未来函数表现形式。最典型的是“... 阅读全文

153次浏览 2026-4-2 10:50

在量化投资者的交流中，经常会听到“MiniQMT”这个词。对于初学者来说，这听起来像是缩减版，但实际上，它在量化圈的地位极高。要理解MiniQMT，首先要明白它与标准版QMT的本质区别。标准版QMT是一个“全家桶”式的软件，它自带行情显示、策略编辑环境（内置Python）、回测系统和实盘下单界面。你所有的... 阅读全文

153次浏览 2026-3-20 10:46

在A股量化交易的实盘运行中，数据的吞吐量与读写速度往往直接决定了策略的生死。许多散户投资者在QMT或PTrade中运行多因子选股策略时，常常遇到这样一个性能瓶颈：策略在盘中每5分钟需要对全市场5000多只股票进行一次综合因子打分。如果每次都通过软件的原生API向券商服务器请求历史行情，或者频繁读写本地的机械/固态硬盘，巨大的I/O延迟会导致计算耗时高达... 阅读全文

153次浏览 2026-6-9 10:22

对于追求长期稳健增值、同时无法容忍长时间大幅踏空大盘的量化投资者而言，“指数增强策略（IndexEnhancementStrategy）”是极具配置价值的底层量化模型。不同于常规的绝对收益策略（目标是无论大盘涨跌都要赚钱），指数增强策略的底层逻辑非常明确：以某一特定市场指数（如沪深300、中证500、中证1000）作为基准，通过... 阅读全文

153次浏览 2026-6-9 10:23

在构建基于多因子打分的量化选股策略时，初学者常常会遇到一个令人困惑的现象：策略在历史回测中表现非常好，但在实盘运行的某个月，由于市场风格突然切换（例如医药板块集体暴跌，银行板块集体暴涨），策略的净值便遭遇了断崖式的严重回撤。仔细检查代码会发现，多因子模型在当时判定“市盈率（PE）极低”的股票得分最高，于是程序自动买入了一大堆市盈... 阅读全文

153次浏览 2026-6-9 10:24

作为国内量化交易领域的双雄之一，PTrade（开拓者量化交易系统）凭借其稳定的服务器端托管架构、完善的API封装以及极低的数据维护成本，深得广大中低频量化选股和趋势对冲散户的喜爱。然而，许多从百度搜索了解PTrade入门知识的初学者，往往将自己的思维禁锢在软件自带的数据接口（如仅仅调用软件内置的get_history获取K线）中。在实际的2026年A股... 阅读全文

153次浏览 2026-6-9 10:25

MiniQMT作为QMT系统的轻量化接口版本，因其对第三方Python环境（如PyCharm、VSCode）的完美支持，成为2026年资深ETF投资者进行实时监控的首选方案。它能让您在熟悉的开发环境中，直接调取柜台级行情。监控的第一步是环境搭建。投资者只需启动MiniQMT客户端作为数据中转站，然后在Python中引用xtquant库。通过简单的几行代... 阅读全文

153次浏览 2026-3-23 10:47