QMT 是迅投推出本地客户端量化终端，底层 C++ 内核，内置 Python 运行环境，策略运算、行情解析全部在你的 Windows 电脑本地完成，仅下单指令发送券商柜台，和云端量化平台架构完全不同。下面从架构、Python 执行逻辑、行情‑报单链路、四大运行模式、标准版与 MiniQMT 差异完整拆解。

一、整体底层架构

交易所行情→券商行情网关→本地 QMT 客户端接收并缓存行情→Python 策略读取本地行情做逻辑计算→产生交易信号→QMT 内核封装委托指令→发送券商交易柜台→报单至交易所，成交回报原路回传给本地策略。

核心特点：策略代码、变量、计算全部保存在本地电脑，不会上传券商服务器；电脑断电、休眠、断网，策略直接停止运行。
分为两套形态：
1、标准版 QMT：带 GUI 图形界面，内置 Python 环境，在软件编辑器写代码运行；
2、MiniQMT：无图形界面，只保留行情与交易内核，支持 VSCode、PyCharm 外部 Python 直接调用 API，第三方库限制更少，2026 年多数券商收紧新户审批。

二、Python 策略核心回调运行机制

QMT 策略不是 while 循环轮询，是行情事件驱动回调机制，三个核心入口函数：

1. init(ContextInfo)：策略启动只执行 1 次。完成账号绑定、股票池设置、行情订阅、全局变量初始化。
2. handlebar(ContextInfo)：最常用逐 K 线驱动函数。
   
3. stop(ContextInfo)：策略停止时执行，用于收尾日志输出。

除此之外还有两种驱动模式迅投：

• subscribe订阅推送：订阅指定标的 Tick，每一笔分笔直接触发回调，适合高频、日内套利；
• run_time定时任务：按固定时间间隔执行，适合定时调仓、轮动策略。

ContextInfo是策略全局上下文对象，保存账号、股票池、中间变量，是函数之间数据传递载体国联民生证...。

三、完整数据流与报单逻辑

1、行情流：行情数据先下载 / 实时接收至本地数据库，Python 通过 API 读取本地行情做指标、条件判断，不直接远程拉取行情做实时计算。回测完全读取本地历史数据，不需要联网订阅实时行情。
2、交易流：Python 调用下单 API 只生成交易信号，真正的报单、风控、委托封装由 QMT 底层 C++ 内核完成。策略发出指令后，等待券商柜台返回委托、成交回报，回报再回调给到 Python 代码，实现订单状态监控。

⚠️关键区别：默认quicktrade=0逐 K 线模式，信号会等到 K 线结束再下单；quicktrade=1立即下单，收到信号立刻委托，要根据策略逻辑选择，回测与实盘这个参数不一致会造成结果巨大偏差迅投。

四、四大运行模式（回测 / 模拟 / 实盘 / 调试）

1. 调试模式：仅校验代码语法逻辑，不接入真实行情，用来排查报错。
2. 回测模式：遍历本地历史 Tick/K 线，模拟手续费、滑点，输出净值、最大回撤、夏普比率；回测只是历史模拟，存在过拟合、未来函数风险，不等于实盘收益。
3. 模拟盘模式：接入实时真实行情，虚拟资金，委托不会进入交易所；专门用来验证回测代码在真实行情下是否会报错、是否乱下单，是回测到实盘必不可少的过渡环节。
4. 实盘模式：连接真实证券账户，策略信号转化为真实委托报送券商柜台。

五、标准版 QMT 与 MiniQMT 运行差异

• 标准版 QMT：GUI 内运行，内置 Python 环境，第三方库存在白名单限制；回测、模拟、看盘功能完整；适合大部分个人散户。
• MiniQMT：后台服务进程，外部 IDE 自由写 Python，库限制少；没有内置回测模块，回测需要自己实现；适合已经打磨好策略的进阶交易者。

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+ptrade!