实盘交易中，了解自己的策略实际产生了多少滑点，对于优化执行和调整预期至关重要。QMT提供了丰富的交易日志，你可以利用这些数据来统计分析滑点。下面介绍具体步骤和分析方法。

第一步，记录每一笔委托和成交的详细信息。在QMT的策略代码中，可以通过order函数的返回值获取订单ID，然后在on_order_status回调中捕获订单状态变化。当订单状态变为ORDER_STATUS_FILLED（全部成交）时，记录下委托价格和成交均价。委托价格是你发给券商的限价；成交均价是实际成交的平均价格。滑点 = 成交均价 - 委托价格（对于买入，正值是坏滑点；对于卖出，负值是坏滑点）。如果使用市价单，委托价格可以视为触发时的最新价。

代码示例：

`

def on_order_status(context, order):

   if order.status == ORDER_STATUS_FILLED:

       slippage = order.price - order.limit_price if order.side == 'BUY' else order.limit_price - order.price

       log.info(f"Order {order.order_id} slippage: {slippage}")

`

第二步，将滑点数据保存到列表，并在收盘后写入CSV文件。累积一段时间后，你可以计算出平均滑点、中位数滑点、最大滑点等统计量。同时按不同股票、不同时段（开盘、盘中、收盘）分别统计，找出滑点较大的场景。

第三步，分析滑点原因。如果某只股票的平均滑点很大，可能是流动性不足，考虑移出交易标的池。如果开盘时段的滑点普遍较大，可以考虑将策略信号延迟15分钟执行。如果是由于网络延迟导致，可以考虑升级网络或使用云服务器。

第四步，将实盘滑点数据反馈到回测中。例如，实测平均滑点为0.05%，那么回测时设置0.05%的滑点，重新回测看策略是否仍然盈利。如果盈利大幅下降，说明策略对滑点敏感，需要修改策略或改善执行。

另外，滑点还可以分为固定滑点和比例滑点。对于高价股，比例滑点更合理；对于低价股，固定滑点（比如0.01元）更准确。你可以分别建模。

国金证券的QMT提供详细的逐笔成交和委托记录，10万资金即可开通。同时，量化社群中有专门的滑点分析工具脚本，可以自动读取QMT日志生成报告。结合两融全线上办理，你可以快速调整资金分配，减少滑点较大的交易。持续记录和分析滑点，是职业量化交易者的基本习惯。