聚宽策略代码是可以迁移到迅投QMT的，聚宽和QMT代码结构对比如下：

（我司可支持迅投QMT，恒生PTrade量化软件交易，低门槛，软件使用无任何费用，交易费率成本价优惠，欢迎文章上方点击—问一问，微信/电话交流）。

结构对比

#聚宽代码结构

def initialize(context): # 定义一个全局变量, 保存要操作的股票，如000001平安银行 g.security = '000001.XSHE' # 运行函数 run_daily(market_open, time='every_bar') # 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次 def market_open(context): if g.security not in context.portfolio.positions: order(g.security, 1000) else: order(g.security, -800)

QMT代码结构

#示例说明：本策略，在回测的每个周期买入主图标的 def init(C): #init handlebar函数的入参是ContextInfo对象 可以缩写为C #设置测试标的为主图品种 C.stock= C.stockcode + '.' +C.market #accountid为测试的ID 回测模式资金账号可以填任意字符串 C.accountid = "testS" def handlebar(C): # handlebar在回测时，会在回测周期的每根bar被执行一次 # handlebar在实时行情下，会随着主图tick的更新被调用 # passorder是QMT的综合下单函数，具体参数字段参考官方文档 passorder(23, 1101,C.accountid, C.stock, 5, -1, 1, C)

QMT中，所有数据都存储在本地，所有的策略计算都在电脑本地运行，您可以自由使用下载到的数据与python库

聚宽代码移植QMT示例

#聚宽代码

当价格高于5日均线平均价格1.05时买入，当价格低于5日平均价格0.95时卖出。

# 导入函数库 import jqdata # 初始化函数，设定要操作的股票、基准等等 def initialize(context): # 定义一个全局变量, 保存要操作的股票 # 000001(股票:平安银行) g.security = '000001.XSHE' # 设定沪深300作为基准 set_benchmark('000300.XSHG') # 开启动态复权模式(真实价格) set_option('use_real_price', True) # 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次 def handle_data(context, data): security = g.security # 获取股票的收盘价 close_data = attribute_history(security, 5, '1d', ['close']) # 取得过去五天的平均价格 MA5 = close_data['close'].mean() # 取得上一时间点价格 current_price = close_data['close'][-1] # 取得当前的现金 cash = context.portfolio.cash # 如果上一时间点价格高出五天平均价5%, 则全仓买入 if current_price > 1.05*MA5: # 用所有 cash 买入股票 order_value(security, cash) # 记录这次买入 log.info("Buying %s" % (security)) # 如果上一时间点价格低于五天平均价, 则空仓卖出 elif current_price < 0.95*MA5 and context.portfolio.positions[security].closeable_amount > 0: # 卖出所有股票,使这只股票的最终持有量为0 order_target(security, 0) # 记录这次卖出 log.info("Selling %s" % (security)) # 画出上一时间点价格 record(stock_price=current_price)

QMT代码

单股示例，当价格高于5日均线平均价格1.05时买入，当价格低于5日平均价格0.95时卖出。

# QMT是一个本地端界面化软件，回测基准，回测手续费，回测起止时间都可在界面右侧栏进行设置 # 初始化函数，设定要操作的股票，参数等 def init(C): # 定义一个全局变量，设定要操作的股票 # C.stock_list = C.get_stock_list_in_sector("沪深300") # 获取沪深300股票列表 C.stock_list = ["000001.SZ"] # 设定回测初始资金 C.capital = 1000000 # 设定回测账号，实盘中账号在交易设置截面选择 C.account_id = "testaccID" # # 关于回测时间，既可以在编辑器右侧栏设置，也可通过代码设置 C.start = '2017-06-06 00:00:00' C.end = '2020-06-06 10:00:00' def handlebar(C): #当前k线日期 bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S') # 获取市场行情，具体参数释义见文档 market_data = C.get_market_data_ex(["open", "high", "low", "close"],C.stock_list,period = "1d",end_time = bar_date) # 获取当前账户资金 for i in get_trade_detail_data(C.account_id,"stock","account"): cash = i.m_dAvailable # 获取当前持仓信息，本示例中的holding_dict结构是{stock_code:lots} holding_dict = {obj.m_strInstrumentID+"."+obj.m_strExchangeID : obj.m_nVolume for obj in get_trade_detail_data(C.account_id,"stock","position")} # 遍历gmd返回的字典数据 for i in market_data: # 获取K线数据 kline = market_data[i] # 获取收盘价序列 close_data = kline["close"] # 计算MA5 MA5 = close_data.rolling(5).mean() # 如果上一时间点价格高出五天平均价5%, 且当前无持仓, 则全仓买入 if close_data.iloc[-1] > 1.05 * MA5.iloc[-1] and i not in holding_dict.keys(): # 全仓买入，交易记录会被客户端自动记录在回测结果，此处展示按金额交易的方法 passorder(23, 1123, C.account_id, i, 5, -1, 1, C) print(f"{bar_date}——{i}触发买入") elif close_data.iloc[-1] < 0.95 * MA5.iloc[-1] and i in holding_dict.keys(): # 获取当前持仓数量 lots = holding_dict[i] # 全仓卖出，交易记录会被客户端自动记录在回测结果，此处展示按股数交易的方法 passorder(24, 1101, C.account_id, i, 5, -1, lots, C) print(f"{bar_date}——{i}触发卖出")

QMT特色函数

#获取数据

get_weight_in_index 获取某只股票在某指数中的绝对权重

get_divid_factors 获取除权除息日和复权因子

get_top10_share_holder 获取十大股东数据

get_etf_info 根据ETF基金代码获取ETF申赎清单及对应成分股数据

get_etf_iopv 根据ETF基金代码获取ETF的基金份额参考净值

subscribe_whole_quote 订阅市场全推(tick)

subscribe_quote 订阅单股行情数据

get_option_list 获取指定日期期权列表

温馨提示：投资有风险，选择需谨慎。