低门槛开通量化交易软件QMT，ptrade！有专门量化客户群，方便交流策略！有专属后台技术支撑，解决使用量化过程中的疑难杂症！费率优惠！提供LDP极速柜台，万得宏汇套利软件、VIP极速通道、L2十档行情！！可选靓号开户！支持T0智能算法！

QMT这玩意儿，说白了就是个给咱散户和私募用的专业量化交易软件。跟那些云端跑策略的平台不一样，QMT的策略是在你本地电脑上跑的，不用担心策略被人偷看。

好多朋友一听“量化”就头大，觉得得会写多复杂的代码。其实QMT用Python写策略，门槛没你想的那么高。今儿就掰开揉碎了聊聊怎么玩，顺便把它的核心API讲透。

一、为啥说QMT值得折腾？

选量化工具，主要看三点：速度、隐私、灵活度。

本地运行，策略绝对安全

这是QMT最吸引人的地方。你的策略代码、买卖逻辑全在自个儿电脑上，不用上传到券商云端。对那些靠独特思路赚钱的策略来说，这点太重要了，不用担心“策略泄漏”。

全内存交易，速度飞快

QMT是业内出了名的快，单笔交易延迟能做到1毫秒以下，甚至到了250微秒级别。短线玩的就是速度，行情来了比别人快一步，往往就决定了这单能不能成。

支持“miniQMT”模式，想咋写咋写

很多老铁不知道，QMT除了自带的编辑器，还有个miniQMT模式。这个模式下，你甚至不用打开QMT那个复杂界面，直接在你自己的PyCharm、VS Code里就能写策略，通过xtquant库调用QMT的行情和交易接口。这对程序员来说，简直太友好了。

但目前miniQMT已经关停！想要获取QMT代替miniQMT的实操方案！可以留言“量化”获取！

二、上手实操：搞懂这4个API，你就算入门了 看着QMT那几百页的官方文档容易懵，其实刚开始写策略，记住下面这4个核心API就行。

1. 下载历史数据：download_history_data 回测得有数据打底。这行代码就是让QMT把某只股票的历史K线下载到你本地硬盘。 下载”贵州茅台”从2023年开始的日线数据 xtdata.download_history_data(‘600519.SH’, ‘1d’, start_time=‘20230101’)
2. 获取行情数据：get_market_data_ex 这是整个策略的“眼睛”。不管是回测还是实盘，你得先拿到价格才能做判断。这函数能拿到开、高、低、收、成交量这些基础数据。 获取茅台最近10天的收盘价 data = xtdata.get_market_data_ex([‘close’], [‘600519.SH’], period=‘1d’, count=10) 记住，回测用本地数据，实盘要订阅实时数据，得改subscribe参数
3. 获取财务数据：get_financial_data 光看K线还不够，想玩点价值投资、基本面选股，就得靠这个API拿PE、PB、ROE、总股本这些指标。 获取茅台的总股本和每股收益 finance = xtdata.get_financial_data([‘600519.SH’], ‘总股本’, ‘每股收益’)
4. 下单：passorder 策略算出买卖信号，最后就靠它来执行。参数看着多，其实就告诉系统：买还是卖、买哪只、多少钱、买多少股。 举个买100股茅台的例子（股票代码23是买入，24是卖出） quicktrade=0是等K线走完下单，=2是立即下单 passorder(23, 0, account, ‘600519.SH’, 5, 1680.00, 100, quicktrade=2) 三、实战代码：一个简单的双均线策略框架 看完了API，我们把这些东西串起来，写一个只要金叉就买、死叉就卖的简单策略框架。这就跟咱们平时看MA5和MA20金叉死叉一样，只不过电脑自动执行。 #coding:gbk # 重要！QMT编辑器必须加这行，不然中文注释会报错[citation:3] from xtquant.xtdata import get_market_data_ex
6. def init(ContextInfo):

# 策略初始化，设置股票池和均线周期
ContextInfo.stock = '000001.SZ'  # 平安银行
ContextInfo.short = 5
ContextInfo.long = 20
# 设置账户（实盘时候要填自己的资金账号）
# ContextInfo.set_account('你的资金账号')
print(f"策略已启动，监控标的：{ContextInfo.stock}")

def handlebar(ContextInfo):

"""
这是QMT的主逻辑函数，每根K线（比如日线）走完，它就会自动调用一次[citation:1][citation:3]
"""
stock = ContextInfo.stock

# 1. 拿数据：获取最近20天的收盘价（因为长周期是20，所以拿20个点就够了）
data = get_market_data_ex(['close'], [stock], period='1d', count=ContextInfo.long, subscribe=False)

# 如果数据不够，直接返回，别往下算了
if data is None or len(data[stock]['close']) < ContextInfo.long:
    return

close_list = data[stock]['close']

# 2. 算均线（用Python最朴素的循环来算，简单易懂）
# 最近一根K线的收盘价
latest_close = close_list[-1]

# 计算最近5天的均价（短周期）
ma_short = sum(close_list[-ContextInfo.short:]) / ContextInfo.short

# 计算最近20天的均价（长周期）
ma_long = sum(close_list[-ContextInfo.long:]) / ContextInfo.long

# 3. 判断信号并下单（这里只做演示打印，实盘请替换为passorder）
# 还得判断是否已经持仓，这里用ContextInfo.get_position()去查，代码略

# 金叉信号：短期均线上穿长期均线
if ma_short > ma_long:
    print(f"【买入信号】{stock} MA5:{ma_short:.2f} 上穿 MA20:{ma_long:.2f}")
    # 实盘这里填：passorder(23, 0, account, stock, 5, latest_close*1.01, 100)

# 死叉信号：短期均线下穿长期均线
elif ma_short < ma_long:
    print(f"【卖出信号】{stock} MA5:{ma_short:.2f} 下穿 MA20:{ma_long:.2f}")
    # 实盘这里填：passorder(24, 0, account, stock, 5, latest_close*0.99, 100)
    
    几点实操说明：
    
    回测：在QMT编辑器里点“回测”，它会用本地历史数据跑一遍上面的逻辑，给你看赚了赔了。
    
    实盘：在“模型交易”里新建策略，选“实盘交易”，它就会监听实时行情，每天收盘那会（或者每分钟）触发handlebar函数，自动帮你买卖。
    
    QMT就是这么个工具，别被那些专业术语吓到。搞清楚怎么取数据、算指标、下单这三步，你也能把自己的交易想法写成代码，让电脑替你盯盘。