ETF量化交易涵盖了套利、网格交易及趋势轮动等多种玩法。由于ETF具有费率低、无印花税等特点，深受量化投资者喜爱。一种常见的策略是ETF一二级市场套利。当ETF二级市场价格与其成分股组合净值（IOPV）出现偏差时，投资者可以通过买入ETF并赎回股票，或者买入股票并申购ETF来获取价差收益。此外，基于行业ETF的轮动策略，通过量化指标监控不同板块的动能变... 阅读全文

311次浏览 2026-3-26 10:55

很多人看到QMT也能写Python，就会产生一个想法：既然miniQMT不能用了，那我把原来的策略全部搬进QMT不就行了吗？如果策略很简单，这样做可能没问题。但如果原来的策略系统已经很复杂，就不一定合适。复杂策略往往不只是几行买卖逻辑。它可能包括数据清洗、因子计算、股票池维护、风控判断、信号记录、复盘报表、消息提醒。这些模块放在外部Python系统里，... 阅读全文

310次浏览 2026-7-8 12:22

在A股的历史长河中，特定风格的因子往往会表现出长期的超额收益。其中，最受量化投资者关注的莫过于“小市值因子（SizeFactor）”和“波动率因子（VolatilityFactor）”。理解这两个因子的运作逻辑，是构建选股策略的第一步。小市值因子的逻辑基础是：市值较小的公司往往具有更高的成长潜力和被收购可... 阅读全文

309次浏览 2026-3-27 09:01

在实盘阶段，毫秒级的网络延迟可能导致成交价格的差异。优化实盘系统需要从网络带宽、服务器位置以及代码执行效率三个方面入手。建议将实盘软件部署在靠近券商柜台的机房。此外，系统的异常监控（如心跳检测、自动重连）是保障长期稳健运行的基础。量化者应建立完善的日志系统，记录每一笔委托的反馈。追求极速与稳定的投资者可关注国金证券的硬件支持。除了10万门槛的QMT/P... 阅读全文

308次浏览 2026-3-26 11:06

miniQMT用不了了以后，很多人第一反应是：之前学的XtQuant、行情接口、交易接口、外部Python，是不是都白学了？这个担心很正常。因为过去学习miniQMT，不只是学一个软件，而是学了一套“外部程序连接交易工具”的思路。但这件事不能简单理解成白学。真正变化的是连接路径，不是量化能力本身。以前可以用外部程序拿行情、查账户... 阅读全文

306次浏览 2026-7-8 11:23

很多新手对QMT的理解还停留在回测工具上，以为它主要就是写策略、跑历史数据、看看收益曲线。实际上，对原miniQMT用户来说，QMT还有一个很重要的价值：本地数据和信号衔接。为什么这点重要？因为miniQMT停用以后，很多外部Python系统失去了原来的连接入口。如果QMT能够读取客户端数据、写本地文件、读取外部信号，就可以成为外部系统和交易执行之间的... 阅读全文

306次浏览 2026-7-8 12:24

回测是衡量量化策略生命力的唯一标准。一个严谨的回测过程不仅是为了看到那条漂亮的净值曲线，更是为了压力测试策略在极端环境下的生存能力。在QMT等系统中，完成一次高质量的回测通常需要经历四个标准阶段。第一阶段是“数据初始化”。回测的质量取决于数据的广度。投资者需要通过系统的数据管理模块，补充历史5-10年的日线、分钟线甚至Tick数... 阅读全文

306次浏览 2026-3-27 10:27

对于资深投资者或小规模工作室而言，往往需要同时运行多个策略（如一个网格策略、一个趋势策略、一个套利策略），并可能管理着多个资金账号。传统的单账户登录模式在处理这种复杂需求时显得力不从心，此时量化系统的“主从管理”与“异步并发”优势便凸显出来。在专业的量化框架下，策略逻辑与底层账号是解耦的。开发者可以编写一... 阅读全文

306次浏览 2026-3-13 14:39

miniQMT开通后，Python环境与XtQuant版本需要匹配，这是能够正常导入和连接的基础。很多人看到电脑里已经安装Python，就直接复制代码运行，结果提示找不到模块、动态库加载失败或接口无法连接。问题往往不是miniQMT权限，而是解释器版本、位数和XtQuant库没有对应上。XtQuant通常会提供多个Python版本的库，例如不同的三点六... 阅读全文

306次浏览 2026-6-30 13:27

在自动化交易中，一个逻辑漏洞或外部异常可能导致程序在几秒钟内发出成百上千笔错误订单。因此，在PTrade策略编写中，构建坚固的代码级风控（RiskManagement）是每一位量化交易者的必修课。基础风控：设置限制函数PTrade提供了多个内置设置接口，用于在策略运行前划定红线：-set_order_cost：精确设置交易税费，防止因忽略成本导致的频繁... 阅读全文

305次浏览 2026-3-19 14:42

MiniQMT作为迅投QMT系统的特殊运行模式，近年来备受专业量化投资者的青睐。其本质是去掉了繁琐的客户端图形界面，仅保留核心的行情与交易网关，允许用户在外部Python环境中直接调用其API库（XtQuant）。这种模式的运行逻辑非常清晰：首先，投资者需要在本地启动MiniQMT客户端并登录，它充当了本地计算机与券商柜台之间的“桥梁... 阅读全文

304次浏览 2026-3-17 16:27

miniQMT中的委托状态并不是几个相近的文字，而是订单生命周期的不同阶段。只有正确区分已报、已撤、部分成交和废单，程序才能知道是否继续等待、是否需要撤单、是否已经形成持仓，以及能不能发送下一笔订单。“已报”表示订单已经提交到交易系统并处于有效等待状态，但尚未全部成交。它不是失败，也不是成交。价格没有达到、排队靠后或市场流动性不... 阅读全文

304次浏览 2026-6-30 13:35

在量化选股中，财务指标是过滤垃圾股、挑选优质资产的基石。QMT系统的xtdata模块提供了详尽的财务数据库，涵盖了资产负债表、利润表和现金流量表的核心字段。对于普通投资者，掌握几个关键字段的调用至关重要。第一是盈利能力指标。在xtdata中，可以通过调用‘sales_gross_profit’（销售毛利率）和‘return_on_equity’（ROE... 阅读全文

303次浏览 2026-4-22 12:19

很多量化新手的回测曲线看起来“完美无瑕”，年化收益惊人，但一进实盘就亏损。这极有可能是落入了“未来函数”的陷阱。所谓未来函数，是指在计算买入逻辑时，使用了“尚未发生的已知信息”。常见的未来函数场景包括：1.使用收盘价判断买入：在回测脚本中，利用当天的最高价或收盘价作为选股条件，但在... 阅读全文

303次浏览 2026-4-22 13:32

QMT作为一套成熟的量化交易系统，其核心逻辑在于通过Python脚本实现行情捕捉与执行指令的自动化。理解其运行机制，是避免策略“逻辑滑点”的关键。QMT系统支持两种主要模型：回测模型与实盘模型。回测模型的核心是遍历固定的历史数据。投资者需要预先在界面“数据管理”中下载历史K线行情，系统会模拟资金账号记录买... 阅读全文

303次浏览 2026-3-18 16:01