QMT 系统主要提供三种运行机制，分别是逐k运行、事件驱动以及定时任务。

如需咨询了解或办理，欢迎点击头像与我联系，新开账户享受免费qmt和ptrade量化软件使用，支持快速交易通道，资金达标可申请股票万1及以下，ETF万0.5，可转债万0.5，逆回购1折等优惠佣金！还有更多福利活动，欢迎右上角与我们专属经理联系。

一、逐 K 线驱动：handlebar

handlebar是主图历史 k 线+盘中订阅推送。运行开始时，所选周期历史 k 线从左向右每根触发一次handlebar函数调用。盘中时，主图品种每个新分笔数据到达，触发一次handlebar函数调用，盘中分笔驱动，但是逐 K 线生效。

逐 K 线驱动（handlebar）示例：

因此，结合不同场景需求（回测或实盘），针对不同的机制（定时任务或事件驱动），我们分别给出回测与实盘的完整示例，复制到策略编辑器中即可使用。

在编写策略前，需要注意在编写一个策略时，首先需要在代码的最前一行写上： #coding:gbk 统一脚本的编码格式是GBK，缩进需要统一，全部统一为····或者->

实盘示例-基于 handlebar

双均线实盘策略代码：

#coding:gbk

# 导入包

import pandas as pd

import numpy as np

import datetime

"""示例说明：双均线实盘策略，通过计算快慢双均线，在金叉时买入，死叉时做卖出"""

class a():

pass

A = a() #创建空的类的实例 用来保存委托状态

def init(C):

A.stock= C.stockcode + '.' + C.market #品种为模型交易界面选择品种

A.acct= account #账号为模型交易界面选择账号

A.acct_type= accountType #账号类型为模型交易界面选择账号

A.amount = 10000 #单笔买入金额 触发买入信号后买入指定金额

A.line1=17 #快线周期

A.line2=27 #慢线周期

A.waiting_list = [] #未查到委托列表 存在未查到委托情况暂停后续报单 防止超单

A.buy_code = 23 if A.acct_type == 'STOCK' else 33 #买卖代码 区分股票 与 两融账号

A.sell_code = 24 if A.acct_type == 'STOCK' else 34

print(f'双均线实盘示例{A.stock} {A.acct} {A.acct_type} 单笔买入金额{A.amount}')

def handlebar(C):

#跳过历史k线

if not C.is_last_bar():

return

now = datetime.datetime.now()

now_time = now.strftime('%H%M%S')

# 跳过非交易时间

if now_time < '093000' or now_time > "150000":

return

account = get_trade_detail_data(A.acct, A.acct_type, 'account')

if len(account)==0:

print(f'账号{A.acct} 未登录 请检查')

return

account = account[0]

available_cash = int(account.m_dAvailable)

#如果有未查到成交 查询成交

if A.waiting_list:

found_list = []

deals = get_trade_detail_data(A.acct, A.acct_type, 'deal')

for deal in deals:

if deal.m_strRemark in A.waiting_list:

found_list.append(deal.m_strRemark)

A.waiting_list = [i for i in A.waiting_list if i not in found_list]

if A.waiting_list:

print(f"当前有未查到委托 {A.waiting_list} 暂停后续报单")

return

holdings = get_trade_detail_data(A.acct, A.acct_type, 'position')

holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID : i.m_nCanUseVolume for i in holdings}

#获取行情数据

data = C.get_market_data_ex(["close"],[A.stock],period = '1d',count = max(A.line1, A.line2)+1)

close_list = data[A.stock].values

if len(close_list) < max(A.line1, A.line2)+1:

print('行情长度不足(新上市或最近有停牌) 跳过运行')

return

pre_line1 = np.mean(close_list[-A.line1-1: -1])

pre_line2 = np.mean(close_list[-A.line2-1: -1])

current_line1 = np.mean(close_list[-A.line1:])

current_line2 = np.mean(close_list[-A.line2:])

#如果快线穿过慢线，则买入委托 当前无持仓 买入

vol = int(A.amount / close_list[-1] / 100) * 100 #买入数量 向下取整到100的整数倍

if A.amount < available_cash and vol >= 100 and A.stock not in holdings and pre_line1 < pre_line2 and current_line1 > current_line2:

#下单开仓 ，参数说明可搜索PY交易函数 passorder

msg = f"双均线实盘 {A.stock} 上穿均线 买入 {vol}股"

passorder(A.buy_code, 1101, A.acct, A.stock, 14, -1, vol, '双均线实盘', 2 , msg, C)

print(msg)

A.waiting_list.append(msg)

#如果快线下穿慢线，则卖出委托

if A.stock in holdings and holdings[A.stock] > 0 and pre_line1 > pre_line2 and current_line1 < current_line2:

msg = f"双均线实盘 {A.stock} 下穿均线 卖出 {holdings[A.stock]}股"

passorder(A.sell_code, 1101, A.acct, A.stock, 14, -1, holdings[A.stock], '双均线实盘', 2 , msg, C)

print(msg)

A.waiting_list.append(msg)

二、事件驱动 ：subscribe 订阅推送

盘中订阅指定品种的分笔数据，新分笔到达时，触发指定的回调函数。

实盘示例-基于 subscribe

#coding:gbk

class a():

pass

A = a()

A.bought_list = []

account = 'testaccount'

def init(C):

#下单函数的参数需要 ContextInfo对象 在init中定义行情回调函数 可以用到init函数的入参 不用手动传入

def callback_func(data):

#print(data)

for stock in data:

current_price = data[stock]['close']

pre_price = data[stock]['preClose']

ratio = current_price / pre_price - 1

print(stock, C.get_stock_name(stock), '当前涨幅', ratio)

if ratio > 0 and stock not in A.bought_list:

msg = f"当前涨幅 {ratio} 大于0 买入100股"

print(msg)

#下单函数passorder 安全起见处于注释状态 需要实际测试下单交易时再放开

#passorder(23, 1101, account, stock, 5, -1, 100, '订阅下单示例', 2, msg, C)

A.bought_list.append(stock)

stock_list = ['600000.SH', '000001.SZ']

for stock in stock_list:

C.subscribe_quote(stock, period = '1d', callback = callback_func)

三、定时任务 ：run_time 定时运行

指定固定的时间间隔，持续触发指定的回调函数。

实盘示例-基于 run_time

1.#coding:gbk

2.import time, datetime

3.class a():

4.pass

5.A = a()

6.def init(C):

7.A.hsa = C.get_stock_list_in_sector('沪深A股')

8.A.vol_dict = {}

9.for stock in A.hsa:

10.A.vol_dict[stock] = C.get_last_volume(stock)

11.A.bought_list = []

12.C.run_time("f", "1nSecond", "2019-10-14 13:20:00")

13.def f(C):

14.t0 = time.time()

15.now = datetime.datetime.now()

16.full_tick = C.get_full_tick(A.hsa)

17.total_market_value = 0

18.total_ratio = 0

19.count = 0

20.for stock in A.hsa:

21.ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1

22.if ratio > 0.09 and stock not in A.bought_list:

23.msg = f"{now} {stock} {C.get_stock_name(stock)} 当前涨幅 {ratio} 大于5% 买入100股"

24.#下单示例 安全起见处于注释状态 需要实际测试下单时可以放开

25.#passorder(23, 1101, account, stock, 5, -1, 100, '示例策略', 2, msg, C)

26.A.bought_list.append(stock)

27.market_value = full_tick[stock]['lastPrice'] * A.vol_dict[stock]

28.total_ratio += ratio * market_value

29.total_market_value += market_value

30.count += 1

31.total_ratio /= total_market_value

32.total_ratio *= 100

33.print(f'{now} 当前A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time()- t0, 5)}秒')

股票开户优惠费率及开通量化权限，专属经理一对一服务，咨询联系可添加微信或电话联系！