QMT 量化软件，是给想用 Python 编写量化交易策略的小伙伴准备的高效编程工具。QMT 自带专属 Python 运行环境，预先内置大量量化领域高频使用工具包，不管是做数据挖掘、搭建统计模型，还是批量计算各类技术指标，开箱就能直接调用，省去大量环境配置的麻烦。

1、QMT 核心内置库一览

QMT 内置 Python 环境，整合了各类科学计算、金融数据分析常用库，下面简单介绍重点工具包：
① NumPy：数值计算底层基础库，拥有多维数组、矩阵运算能力，绝大多数量化数据分析工具都依赖它运行，是量化编程必备底层组件。
② Pandas：搭建在 NumPy 之上，提供 DataFrame 数据结构，处理金融时序数据、数据清洗、行情筛选都非常顺手，是量化从业者处理行情数据的首选工具。
③ SciPy：拓展 NumPy 的计算能力，内置大量数学运算模块，支持优化求解、积分、插值运算，满足进阶量化模型的计算需求。
④ Statsmodels：主打统计建模与计量分析，可以完成回归建模、假设检验等分析工作，适合做量化因子研究。
⑤ TA-Lib：金融专属技术分析库，内置上百种技术指标计算函数，像 MACD、RSI、布林带，还有各类 K 线形态识别，写技术类策略离不开它。
⑥ Patsy：专门用来定义统计模型，一般搭配 Statsmodels 一起使用，快速构建线性类统计模型。

2、自定义安装库 & 白名单机制⚠️

除了自带的内置库，大家还可以根据策略需求，额外安装其他 Python 第三方库。操作上直接使用 pip 安装命令，安装路径指定到 QMT 客户端 bin.x64-packages 文件夹即可。

这里有个关键点一定要留意：QMT 设置了Python 库白名单机制。就算本地已经成功安装了库文件，只要这个库没有加入后台白名单，在运行策略的时候就会直接抛出导入报错，策略无法正常执行。所以新增第三方库前，要提前确认库是否在允许名单内。

3、整体小结

综合来看，QMT 内置的 Python 工具库基本覆盖量化全流程需求，从行情数据处理、统计建模，到技术指标计算，基础策略开发需求都能搞定。软件同时预留拓展空间，支持按需新增第三方库，但要遵守平台风控规则。白名单机制也是为了保障量化交易环境稳定安全，规避异常模块带来的运行风险。

4、QMT 开通方式✅

想要开通 QMT 量化软件实盘权限，需要通过券商办理，量化软件本身无法独立完成实盘交易，需要券商配套交易接口支持。不同券商设置的开通门槛有差异。
想低门槛体验 QMT 量化交易，可联系我协助办理开户，免费申领 QMT 使用权限，轻松开启你的 Python 量化策略回测与实盘之旅，有需要可以来咨询。