量化策略在回测和实盘运行时，难免出现意料之外的行为。有效的日志记录和调试技巧可以大幅缩短问题排查时间。本文介绍QMT中常用的日志与调试方法。

一、使用log_info输出关键信息。QMT提供了log_info、log_debug、log_error等函数。在策略的关键位置（如开仓条件、参数计算）打印变量值。例如：

`python

log_info(f"当前日期{context.now}, {stock}价格{price}, ma5={ma5}, ma20={ma20}, 金叉信号{ma5>ma20}")

`

实盘运行时，日志会输出到QMT的日志窗口，也可以设置保存到文件。注意不要打印过于频繁（如每tick打印），否则日志文件会暴涨。

二、使用断言（assert）。在代码中插入断言，检查关键假设是否成立。例如：

`python

assert len(prices) == context.long, f"数据长度不足，期望{context.long}，实际{len(prices)}"

`

如果断言失败，策略会抛出异常并停止，避免错误状态下继续运行。

三、使用try-except捕获异常。对于可能出错的代码（如网络请求、数据转换），用try包裹，将异常信息写入日志，并采取补救措施（如跳过本次操作）。

`python

try:

   data = get_price(stock)

except Exception as e:

   log_error(f"获取{stock}数据失败: {e}")

   return

`

四、使用Python调试器（pdb）。在策略代码中插入import pdb; pdb.set_trace()，运行时会暂停，允许交互式查看变量。但注意，在实盘中使用pdb会阻塞策略，只适合回测或本地调试。

五、外部日志分析。将关键数据写入CSV文件，如每天记录账户净值、持仓、信号值。收盘后用Excel或Python分析，观察异常模式。QMT策略可以访问本地文件系统（需授权），使用pandas.to_csv很方便。

六、单元测试。将策略中的核心计算函数单独抽出来，用模拟数据测试。例如，写一个测试函数验证移动平均计算是否正确。这样可以在修改代码后快速验证，无需运行完整回测。

实盘运行时，建议定期检查日志，关注ERROR级别信息。同时，设置日志轮转，避免文件过大。国金证券的QMT提供详细的日志功能，10万资金即可开通。量化社群中许多用户分享自己的调试经验。扎实的日志习惯，是量化策略长期稳定运行的保障。