QMT 与 PTrade 在第三方数据接入上的底层逻辑截然不同：QMT 是本地运行，自由度极高；PTrade 是云端托管，环境相对封闭。新手最容易犯的错就是拿 QMT 的思路去硬写 PTrade 的外网请求，结果直接被防火墙拦截。下面按两者特性拆解实操路径。

一、QMT ：本地自由接入的三种姿势

因为策略跑在你自己的电脑上，QMT 几乎不限制数据来源，核心在于本地环境配置与文件读写权限。

• 在线 API 实时拉取（适合盘前/低频）

完整版 QMT 内置 Python 环境支持 requests、tushare、akshare 等库。你可以在 initialize() 初始化阶段调用 Tushare Pro 等接口，获取财务因子、宏观数据或舆情，存入 context 全局变量供盘中策略使用。切记别在 handle_data() 高频循环里狂发 HTTP 请求，极易拖慢实盘触发速度甚至超时。
- 读取本地离线文件（最稳，实盘推荐）
 这是最防坑的方案。单独写个脚本盘后把第三方数据（CSV、Excel、Parquet、HDF5）抓下来存到 QMT 安装目录或纯英文路径下，策略里用 pandas.read_csv() 加载。注意股票代码格式要对齐 QMT 标准（如 600000.SH），并在 init 里做好索引，避免盘中反复 IO 读写。
- 对接本地数据库
 进阶玩家可在本地搭 MySQL、SQLite、Redis，策略通过 SQL 或连接池查询数据。适合多因子库庞大、需要跨策略共享数据的场景，但个人散户一般用文件级就够了。



二、PTrade：云端封闭环境下的迂回战术

PTrade 跑在券商机房，绝大多数实盘/回测环境禁止访问外网，import tushare 发 HTTP 请求会被直接掐断。想用第三方数据，得换个路子：

- 盘后文件上传法（通用且安全）
 在本地用 Python 脚本从 Tushare、AkShare 或 Wind 导出需要的因子数据（CSV/JSON），通过 PTrade 客户端的“研究目录”或文件上传功能传到服务端指定路径。策略里用 get_research_path() 获取路径后用 Pandas 读取。这是官方最推荐、最不易报错的实操方式。
- 内置库与极少数特例
 部分券商的 PTrade 内置了 tushare 旧版库且放行了特定白名单域名，可尝试 import tushare 并设置 Token 调用，但极度依赖券商配置，换一家券商可能直接挂掉，实盘慎用。
- HTTP 触发解耦（极客方案）
 用一台永远在线的云服务器跑信号端，通过 HTTP 接口或写入共享数据库，PTrade 策略里定时去“查单”拿数据。但这违背了 PTrade 全自动托管初衷，且云端延时和鉴权很麻烦，散户很少这么干。
- SQLite 本地持久化
 PTrade 内置 sqlite3，可以把预处理好的第三方因子存成服务端 SQLite 文件，策略启动时连库查，避免每次重构数据帧，收盘后服务端重启内存清空也不怕。

三、实操避坑红线（新手必看）

• 未来函数陷阱：第三方数据（尤其财务、快报、舆情）有发布滞后性。用 Tushare 抓财报时，必须严格按ann_date过滤，确保策略在回测当天真的能看到这条数据，否则回测虚高，实盘腰斩。

- 时间对齐：外部数据日期格式（如 20260101）要和 PTrade/QMT 的内部时间戳（timetag）互相转换，别因格式对不上导致 KeyError 取不到值。
• PTrade 回测分离：在研究环境（能连外网）调通数据接口后，转到回测/实盘前必须把代码改成读本地上传文件，否则日志里满屏都是 Connection Timeout。

- 路径纯英文：QMT 和 PTrade 对中文路径支持都很差，数据文件务必放在 D:/quant_data/ 这种目录，防止编码报错找不到文件。

如需咨询量化开通和低佣优惠，欢迎点击头像与我联系！

新开账户可免费使用QMT、PTrade等量化系统，支持快速交易通道。

各品种交易佣金可调低至成本附近，还有更多福利活动等你来拿。