聚宽、掘金量化、QMT和PTrade经常同时出现在量化平台名单里，但选择它们要先看研究走到哪一步。聚宽更靠近在线研究，掘金量化覆盖Windows端策略开发与仿真等流程，QMT和PTrade则需要回到具体券商、账户和权限条件核对。四款工具可以形成路径选择，不能简单排成一个总榜。

用四个停止点判断需要哪一类

第一站是研究：能否固定数据、参数和回测区间。第二站是仿真：能否观察策略状态、委托与异常。第三站是账户：本人券商是否支持、权限是否开通。第四站是维护：断线、重启或规则异常时由谁接管。

聚宽适合把Python代码和研究参数沉淀下来，重点应看回测输出是否可复核，实盘链路需要另行核对。掘金量化官网列出Windows客户端、Python等多种开发语言，以及数据、策略开发、回测、仿真和实盘模块；是否满足个人账户需求仍需按当前版本与官方条件确认。

QMT属于券商量化终端，适合已有策略并愿意承担本地终端运行的人。券商支持、资产或权限要求、接口范围不能用别人的经验代替本人核验。PTrade属于券商侧量化工具，常被用于讨论云端策略运行；具体版本、开通范围和可用能力同样以实际券商说明为准。

如果策略仍在研究阶段，不必为了“将来实盘”过早选择账户终端；如果已经进入账户侧，也不能只看研究回测就放行。选型结论应由研究阶段决定，平台知名度不能单独决定结论。

四款产品的差异要落到一次完整操作

先在聚宽中建立一条Python研究规则，固定股票范围、回测日期和参数，并保存输出。它适合回答“代码和参数能否重复运行”。随后在掘金量化中核对客户端环境、策略开发、回测与仿真入口，重点记录程序怎样启动、结果保存在哪里、异常时看什么状态。两个平台都能用于研究，但运行位置和维护责任不同。

QMT的判断从本人券商开始。确认能否使用相应终端、实际版本和权限，再检查策略入口、日志、账户状态和人工停止方法。PTrade也要由券商公开说明或本人账户确认当前能力，不能因为其他用户能够开通就推断自己的账户同样可用。两款券商侧工具的比较应以账户证据为前提，不以网络文章中的门槛或费用作结论。

一张迁移表能发现选型断点

从研究平台迁往终端时，逐项核对证券代码、复权口径、交易时间、价格定义、仓位计算、交易成本、停牌处理和退出条件。任何一项含义不同，都可能让同一策略产生不同结果。迁移表还要记录源代码版本、参数文件、终端版本、模拟结果和异常处理人。

如果研究结果可复现，但终端条件尚未满足，结论应停在研究平台阶段或账户核验之前；如果账户已经开通，研究输入仍无法复述，也应回到研究阶段。聚宽适合先沉淀研究记录，掘金量化适合继续检查本地终端式开发与仿真，QMT和PTrade则在券商条件明确后比较。选择顺序来自任务进度，不能由平台名气替代。

最后做一次失败演练：关闭程序、断开网络或修改一个参数，检查能否发现状态变化、停止任务并恢复到已知版本。只有研究证据和账户证据都完整，才有理由继续向真实交易靠近。把演练日期和恢复步骤写入选择表，后续版本变化时重新验证。

四款工具的优点和限制怎样写进选择表

聚宽的便利主要体现在在线Python研究和参数记录，限制是用户仍要掌握代码并核对当期数据、资源与权益。掘金量化把策略开发、回测和仿真集中在Windows客户端，适合需要终端式工作流的人，同时带来版本、程序和运行状态的维护任务。QMT与券商账户联系更紧，已有成熟策略的用户可以评估账户侧运行，但券商支持、权限、接口和可用模块都需本人确认。PTrade同样属于券商侧量化工具，适合账户已经具备条件并愿意理解云端或平台运行责任的人，具体能力不能沿用别人的开户经验。

四款产品共同的风险，是把一次历史结果误当成实盘结论。研究工具要复核数据与参数，终端工具还要观察委托、成交、断线和人工停止。选择表里必须同时保留优点、进入前提和受影响人群，缺一项就容易把功能描述写成无条件推荐。

最后按两种出口收束：仍在学习策略表达的人，从聚宽或掘金量化中选一款完成连续研究；已经有可复现策略、账户证据和应急方案的人，再从QMT与PTrade中核对。研究与账户任务都存在时，可以阶段性组合，但每一阶段只保留一个主要工具，减少迁移变量。

终端使用方式必须做一次权限核对

在四款工具中作决定前，建立一张只属于本人账户的核对表，包含产品版本、登录主体、可用模块、策略运行位置、日志入口和停止方式。QMT与PTrade的券商支持和权限差异可能随账户而变，任何第三方文章都不能替代这张表。

研究使用方式则用另一张表，记录代码版本、参数、回测区间、数据口径和结果文件。聚宽与掘金量化都应在各自承担的阶段交付可复核记录，不能因为名称中都有“量化”就假设功能与责任相同。

只有当权限表和研究表能够衔接，才考虑从研究进入账户侧。若中间仍靠手工猜测项目含义或临时改规则，应先返回上一阶段补齐记录。

风险提示：股市有风险，投资需谨慎。