2026 年 QMT+Python 自动化交易全流程主要包括前期准备、策略编写、回测以及实盘交易等步骤，具体如下：

• 前期准备：
  检查量化环境：确保电脑系统为 Windows 10 64 位及以上，处理器至少 4 核，内存不低于 8GB。同时，保证网络稳定，避免使用存在访问限制的办公或酒店网络，注意安装时安全软件不要隔离 QMT 相关文件。
  下载 Python 库：QMT 自带部分常用库，首次使用前，根据策略需求，下载或补充 Pandas、NumPy 等第三方库，安装后重启客户端。
  补充历史数据：QMT 策略运行依赖本地历史行情数据，通过 “行情源” 功能，选择所需的数据类型、周期和时间范围进行下载。
  策略编写：
  基本结构：任何一个 Python 策略都必须包含init和handlebar两个函数。init函数在策略生命周期中仅执行一次，用于设置股票池、资金账号、初始化全局变量等。handlebar函数是策略核心，每根 K 线都会执行一次，可在此编写交易逻辑，如读取行情数据、计算指标、判断买卖条件和下单等。
• 代码示例：python

# coding:gbk
def init(ContextInfo):
    print('hello init')
    stock_list = ContextInfo.get_stock_list_in_sector("上证50", "")
    ContextInfo.set_universe(stock_list)

def handlebar(ContextInfo):
    print('hello handlebar')
    index = ContextInfo.barpos
    timetag = ContextInfo.get_bar_timetag(index)
    print('当前K线索引：', index, '时间戳：', timetag)
go

• 策略回测：在 QMT 中点击左上角添加策略，选择业务类型并命名。然后设置回测的开始时间、结束时间、资金、基准和频率等要素，点击保存后再点击回测按键。回测完成后，可查看评价指标、收益曲线等，根据结果优化策略。
• 实盘交易：策略回测效果良好后，可进行实盘交易。在交易界面点击新增，设定交易名称，选择要运行的策略，确定后系统开始运行交易。交易过程中，可实时查看总资产、可用资金和交易状态，也可查看交易详情了解策略评价指标、交易明细等内容。同时，由于服务器异常等情况可能导致策略中断，可使用 pickle 模块对股票池、账户信息等进行持久化处理。

股票/量化开户找我！股票佣金万0.854（满足条件）！无门槛国债逆回购一折 (百万分之一）！ETF佣金万0.5！优惠多多！免费量化使用量化软件QMT+miniQMT+ptrade!