QMT（Quantitative Market Trading）平台支持场内基金（如ETF、LOF等）的量化策略开发。这类基金在交易机制上与股票类似，可通过QMT实现行情获取、策略回测与实盘交易。

一、回测模型

定义：
回测模型是在历史K线数据上，从左到右逐根遍历K线，模拟资金账户的买卖操作，记录每日的交易信号、持仓盈亏，最终生成策略的历史净值曲线。

特点：

• 基于历史数据，适用于策略逻辑验证与性能评估。
• 可以测试不同周期、参数下的策略表现。

二、实盘模型

定义：
实盘模型是基于实时行情进行交易，即时生成买卖信号并发送至交易所，同时需要实时监控委托状态，可能涉及频繁的报单与撤单。

特点：

• 实时性要求高，需关注下单时机和委托状态。
• 更贴近真实交易环境，适合高频或短周期策略。

三、策略模型类型区分

四、交易函数参数设置（关键）

在实盘中调用交易函数时，需注意 quickTrade 参数的设置：

• 传 0：仅在K线结束时下单（信号稳定，适合日线及以上周期）
• 传 1：盘中触发立即下单（适合分钟级策略，但存在信号闪烁风险）
• 传 2：无论是否为历史K线，立即下单（通常不建议使用，仅用于定时器、回调等特殊场景）

五、行情数据获取

场内基金代码通常以 .SH 或 .SZ 结尾（如 510300.SH），可使用以下函数获取最新行情数据：

xtdata.get_full_tick()

该函数可用于计算下单价格和数量，确保交易执行的准确性。

六、账户与交易路径配置

场内基金属于股票账户交易品种，需在QMT中正确配置：

• 账户类型：设置为 STOCK
• 交易路径：指定正确的 TRADE_PATH 和 TRADE_SESSION_ID
• 确保交易接口与账户权限匹配，避免因配置错误导致交易失败。

七、单策略独立进程（推荐）

为避免多个策略之间相互干扰，建议在QMT中勾选“独立Python进程”选项，使每个策略运行在独立的进程中，提升稳定性与隔离性。

八、不支持多线程/多进程

QMT策略运行于单线程环境，应避免使用阻塞式操作（如长时间循环、sleep() 等），以免影响其他策略的正常执行。

总结

QMT平台为ETF等场内基金的量化交易提供了完整的技术支持，包括回测、实盘、行情获取、交易执行及账户配置等。合理使用QMT的策略模型与交易参数，能够有效提升ETF量化策略的稳定性和执行效率。

量化交易开户不难，QMT/ptrade低佣金优惠，微信或电话咨询，随时为您提供帮助。