QMT功能强大，但坑也不少。下面把新手最容易踩的坑按严重程度排序，每一条都是血泪教训

坑一：ContextInfo存变量会回滚（最隐蔽！）

QMT底层机制限制：ContextInfo对象中存储的变量值会在每次handlebar调用后被重置（回滚）。

❌ 错误写法：

def init(ContextInfo):
    ContextInfo.stock_list = ['000001.SZ']

def handlebar(ContextInfo):
    ContextInfo.stock_list.append('600000.SH')  # 下次调用时stock_list会回到初始值！
    ✅ 正确写法：用全局变量类

class G():
    pass
g = G()

def init(ContextInfo):
    g.stock_list = ['000001.SZ']

def handlebar(ContextInfo):
    g.stock_list.append('600000.SH')  # 正确！
    

坑二：策略里不能写阻塞代码

QMT所有策略在同一个线程中执行：

• ❌ 不能写sleep()、死循环、threading、多进程
• ❌ 一个策略阻塞→所有策略都被卡住
• ✅ 需要异步/并行→用MiniQMT+xtquant在外部Python跑

坑三：下单是异步的，别指望立刻查到

passorder调用后立刻返回，不等待委托回报：

• 卖出后立刻查可用资金→查不到（还没更新）
• 卖出后立刻查委托→查不到（回报还没推送）
• 客户端本地缓存定期刷新：有交易主推的柜台50ms一次，没有的1-6秒一次
• ✅ 正确做法：用全局变量字典保存委托状态，给每笔委托独立备注作key

坑四：quickTrade参数用错不下单

passorder的quickTrade参数：

• =0（默认）：只在K线结束时委托，日线及以上周期等于全天不委托
• =2：运行到立刻发出委托，适合高频
• 很多人写日线策略用默认参数，结果发现"有信号但从不下单"——就是这个问题！

坑五：复权方式差异导致回测失真

QMT用等比复权（乘除法），同花顺等软件多用等差复权（加减法）：

• 等差复权可能出现负值，计算涨跌幅不准
• 等比复权可避免负值，但和历史软件显示不一致
• 回测推荐用"等比前复权价"，避免除权除息造成信号失真

坑六：模拟盘和实盘模式搞混

QMT策略运行分两种模式：

• 模拟信号模式：只显示买卖信号，不实际发出委托
• 实盘交易模式：信号直接发往交易所，真实成交
• 很多人写完策略直接切实盘，结果"有信号但没成交"——其实是还在模拟模式！

坑七：回测过度拟合

这是策略失效的头号原因：

• ❌ 只测最近1-2年→没经历完整牛熊
• ❌ 参数扫描只取最优组→必然过拟合
• ✅ 建议测至少5年，覆盖牛熊转换
• ✅ 保留样本外数据做最终验证，不参与参数选择

坑八：设备绑定限制

• QMT通常绑定一台设备，换电脑需重新授权
• 没有手机版，需远程桌面查看
• 多地点办公建议用一台主力电脑跑策略，其他设备远程连接

坑九：MiniQMT和标准QMT环境差异

很多人不知道自己用的是哪个：

• 标准QMT：用内置编辑器跑策略，第三方库受限
• MiniQMT：极简客户端只做通道，策略在本地原生Python（VS Code/PyCharm + xtquant）跑，自由度更高但要自己管第三方库
• 登录时看界面有无"极简模式"和"独立交易"选项，判断自己用的是哪个。

坑十：L2行情权限要单独确认

• 部分券商QMT不支持L2行情接口
• 即使支持，通常也需额外付费订阅（交易所版权费）
• 开通前务必问清："QMT能不能用L2？要不要另付费？"

想避开这些坑少走弯路？​ 找我协助开通QMT+全程指导，费率优惠+策略答疑～欢迎联系我咨询