随着策略数量增加，重复的代码（如风控、下单、日志）会降低开发效率。QMT支持导入自定义模块，实现代码重用。本文介绍如何构建自己的量化函数库。

步骤一：创建一个公共Python文件，例如my_lib.py，放在QMT工作目录下。内容示例：

`python

my_lib.py

def moving_average(data, window):

   return sum(data[-window:]) / window

def check_risk(context):

   if context.total_value < context.daily_initial * 0.97:

       for stock in context.portfolio.positions:

           order_target_percent(stock, 0)

       return False

   return True

`

步骤二：在策略中导入该模块。

`python

from my_lib import moving_average, check_risk

def init(context):

   context.daily_initial = context.total_value

def handle_bar(context):

   if not check_risk(context):

       return

   close = history_bars('000001.SZ', 20, '1d', 'close')

   ma = moving_average(close, 5)

...

`

步骤三：将常用功能持续添加到my_lib.py，并分享给其他策略。

高级用法：创建类，封装策略模板。例如，定义一个BaseStrategy类，包含风控、日志、数据获取等方法，子策略继承并实现信号生成。

`python

base.py

class BaseStrategy:

   def init(self, context):

       self.context = context

   def before_trading(self):

       pass

   def on_bar(self):

       raise NotImplementedError

`

然后在具体策略中：

`python

from base import BaseStrategy

class MyStrategy(BaseStrategy):

   def on_bar(self):

实现信号

       pass

`

构建函数库可以大幅提高开发效率，减少bug。但注意：QMT环境可能限制某些导入路径，确保文件在正确目录。

国金证券的QMT支持模块化开发，10万资金即可开通。量化社群中有人分享自己的公共库。代码重用是软件工程的基本实践，量化开发也应遵循。