通知设置 新通知
QMT获取不到行情，一般是什么原因？或者获取行情有中断的情况
李魔佛 发表了文章 • 0 个评论 • 472 次浏览 • 2024-09-29 10:27
8-9成原因是 因为你选择的行情服务器掉线了
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
查看全部
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
查看全部
8-9成原因是 因为你选择的行情服务器掉线了
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
或者你获取的5档tick行情，但是你的行情菜单那里，选择的是 最新价，这样你也是无法获取到 5档tick数据的。
然后还有一个问题，如果你用get_market_data 或者get_market_data_ex 这个函数，获取的股票数量很多（比如全市场的股票），那么第一次的启动数据会非常的慢，并且你的内存消耗非常大，整个QMT像死机了一样。
如何解决？ 下回分解
QMT的handlebar设置成一分钟周期的时候，运行是3秒一次的
李魔佛 发表了文章 • 0 个评论 • 583 次浏览 • 2024-09-13 11:46
平时很少用handlebar驱动。
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号： 查看全部
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号： 查看全部
平时很少用handlebar驱动。
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
公众号：
刚好有个策略是一分钟周期运行的，所以就用了handle驱动。
结果发现，经常查询重复买入。
调试后发现，原来这个handlebar是3m触发一次的。
如果要一分钟运行一次，还是用
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
INTERVAL_STRING 用1分钟表示。
示例代码：
一分钟打印当前时间：
# -*-coding:gbk-*-
# 作者公众号：可转债量化分析
import datetime
import json
import redis
####### 以下为固定配置，请勿随意修改 ##########
# 注意：程序需要在9：30前启动
START_TIME = '09:30' # 启动时间，可以修改为开盘任意时间9：30-14：57
STOCK_ACCOUNT = '' # 股票账户
INTERVAL_SECOND = 60 # 交易间隔
INTERVAL_STRING = "{}nSecond".format(INTERVAL_SECOND)
def today_date():
return datetime.datetime.now().strftime('%Y%m%d')
def init(ContextInfo):
now = datetime.datetime.now()
print('策略初始化 {}'.format(now))
now = datetime.datetime.now()
running_time = '{} {}'.format(today_date(), START_TIME)
print('策略初始化 {} , 程序启动时间 {}'.format(now, START_TIME))
ContextInfo.run_time("execution", INTERVAL_STRING, running_time)
def handlebar(ContextInfo):
pass
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
now = datetime.datetime.now()
print(now)
公众号：
QMT/iQuant居然禁止redis获取股票行情数据，如何破解
李魔佛 发表了文章 • 0 个评论 • 787 次浏览 • 2024-09-10 11:26
QMT禁止redis获取股票行情数据，如何破解
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号： 查看全部
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号： 查看全部
QMT禁止redis获取股票行情数据，如何破解
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
因为QMT没有转债的规模，而国信iquant本身又把requests 库给封禁了，它无法通过requests 获取任何外部数据，比如访问东财，tushare都会提示访问超时。（后面发现它修改了requests的源码）
于是发现iquant的redis是内置库，不需要pip安装，所以第一时间就想到使用redis获取转债数据。
简单测试了一下，redis是可以获取数据的。比如随便丢一个字符到redis，然后QMT可以获取到这个字符数据
于是就把原来的策略里，使用requests 调用API的部分，改成redis。
可是运行后发现报错：
2024-09-10 10:05:19,851 [INFO] [0x00000e24] [msg service] msg: 0C:\iquant\python\新建策略文件.py_SH00030021
DataError:Sensitive Data Detected, Forbidden!
报错信息说的很明显，敏感信息检测到，禁止！
居然对redis的数据进行检验，很明显这部分是QMT对redis的源码进行了修改。
于是根据报错的提示，找到 目录：
D:\tool\gjzq_qmt_simulation\bin.x64\Lib\site-packages\redis，下面的client.py
找到对应的行：
的确有一个check_response 的函数用于检测 redis的内容，看正则表达式和变量命名（search_stock），类似股票代码的数据传输被阻止了，检测到之后直接raise Error，程序会停止的。
解决办法，也很简单，直接把这一段 代码删除就好了。
然后需要重启你的QMT，不然修改的代码不会生效。
然后重新运行的你的策略，发现一起正常了。
需要开通QMT和代写量化策略，可以关注公众号：
国信iquant requests 爬虫 获取数据 还有使用 tushare，akshare 无法连接，提示超时
李魔佛 发表了文章 • 0 个评论 • 889 次浏览 • 2024-08-28 14:29
经过验证，比如把下面的代码放入到国信的iquant里运行
#encoding:gbk
import requests
def get_baidu():
url = 'https://www.baidu.com'
req = requests.get(url,headers={'User-Agent':'Mozilla/5.0'})
print(req.text)
def init(ContextInfo):
get_baidu()
def handlebar(ContextInfo):
pass
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
def base_usage():
print('start')
r = RedisCls()
data = {'name': 'zhangsan', 'age': 18}
key = 'test_key'
r.push(key, json.dumps(data))
print('push')
print(r.delete('key')) # reutrn 1 if delete success, else return 0
start_time = time.time()
ret_data = r.pop(key)
end_time = time.time()
print('cost time: ', end_time - start_time)
print(ret_data)
base_usage()
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
查看全部
#encoding:gbk
import requests
def get_baidu():
url = 'https://www.baidu.com'
req = requests.get(url,headers={'User-Agent':'Mozilla/5.0'})
print(req.text)
def init(ContextInfo):
get_baidu()
def handlebar(ContextInfo):
pass
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
def base_usage():
print('start')
r = RedisCls()
data = {'name': 'zhangsan', 'age': 18}
key = 'test_key'
r.push(key, json.dumps(data))
print('push')
print(r.delete('key')) # reutrn 1 if delete success, else return 0
start_time = time.time()
ret_data = r.pop(key)
end_time = time.time()
print('cost time: ', end_time - start_time)
print(ret_data)
base_usage()
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
查看全部
经过验证，比如把下面的代码放入到国信的iquant里运行
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
#encoding:gbk
import requests
def get_baidu():
url = 'https://www.baidu.com'
req = requests.get(url,headers={'User-Agent':'Mozilla/5.0'})
print(req.text)
def init(ContextInfo):
get_baidu()
def handlebar(ContextInfo):
pass
会报错，同时访问baidu.com 超时：
明显是国信的iquant内部设置了proxy，导致request出去的时候走了proxy。
所以连baidu都访问不了。
而tushare，akshare底层是周的爬虫 （requests）, 所以对于iquant，底层走http requests的库，或者获取数据的手段是失效了的。
不过也有其他的手段可以实现获取外部数据。
笔者亲测了redis可以访问外部的redis数据库，为啥用redis，因为iquant没有内置pymysql，需要自己安装，客户也不懂怎么安装，（到iquant的安装文件路径下的python 包路径下，运行 pip install pymysq）
而iquant内置了redis 的库，所以可以直接import redis
redis测试代码：
def base_usage():
print('start')
r = RedisCls()
data = {'name': 'zhangsan', 'age': 18}
key = 'test_key'
r.push(key, json.dumps(data))
print('push')
print(r.delete('key')) # reutrn 1 if delete success, else return 0
start_time = time.time()
ret_data = r.pop(key)
end_time = time.time()
print('cost time: ', end_time - start_time)
print(ret_data)
base_usage()
上面的代码是正常运行，不报错，就说明正常的了。
PS:
r = RedisCls() 只是封装了
r = redis.Redis 连接的ip和端口，密码 而已。
按照网上的redis连接教程使用就好了。
QMT如何获取持仓成本 盈亏比例
李魔佛 发表了文章 • 0 个评论 • 818 次浏览 • 2024-08-25 07:50
比如多次买入一个股票，每次买入不同的数量，如果中间又有分红除权，虽然可以通过自己写一个计算函数记录，但是会非常复杂。
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
# encoding:gbk
ACCOUNT = 'xxxxxxx' # 填入你的QMT账户ID, 如果没有，可以联系我开通 QMT权限
def init(ContextInfo):
# hs300成分股中sh和sz市场各自流通市值最大的前3只股票
pass
def handlebar(ContextInfo):
# 计算当前主图的cci
position_info = get_trade_detail_data(ACCOUNT, 'stock', 'position')
for i in position_info:
print('股票', i.m_strInstrumentID, '持仓数',
i.m_nVolume, '持有成本', round(i.m_dOpenPrice, 2),
'持仓盈亏', round(i.m_dPositionProfit, 2),
'持仓盈亏比例', round(i.m_dProfitRate*100, 2)
)
得到的输出结果：
扫码免费开通QMT：
查看全部
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
# encoding:gbk
ACCOUNT = 'xxxxxxx' # 填入你的QMT账户ID, 如果没有，可以联系我开通 QMT权限
def init(ContextInfo):
# hs300成分股中sh和sz市场各自流通市值最大的前3只股票
pass
def handlebar(ContextInfo):
# 计算当前主图的cci
position_info = get_trade_detail_data(ACCOUNT, 'stock', 'position')
for i in position_info:
print('股票', i.m_strInstrumentID, '持仓数',
i.m_nVolume, '持有成本', round(i.m_dOpenPrice, 2),
'持仓盈亏', round(i.m_dPositionProfit, 2),
'持仓盈亏比例', round(i.m_dProfitRate*100, 2)
)
得到的输出结果：
扫码免费开通QMT：
查看全部
比如多次买入一个股票，每次买入不同的数量，如果中间又有分红除权，虽然可以通过自己写一个计算函数记录，但是会非常复杂。
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
得到的输出结果：
扫码免费开通QMT：
那么QMT有没有内置的可以获取持仓成本的函数呢？
position 持仓对象 里面有一个字段：
m_dOpenPrice: 持仓成本
可以用来获取当前的持仓成本：
具体代码如下：
# encoding:gbk
ACCOUNT = 'xxxxxxx' # 填入你的QMT账户ID, 如果没有，可以联系我开通 QMT权限
def init(ContextInfo):
# hs300成分股中sh和sz市场各自流通市值最大的前3只股票
pass
def handlebar(ContextInfo):
# 计算当前主图的cci
position_info = get_trade_detail_data(ACCOUNT, 'stock', 'position')
for i in position_info:
print('股票', i.m_strInstrumentID, '持仓数',
i.m_nVolume, '持有成本', round(i.m_dOpenPrice, 2),
'持仓盈亏', round(i.m_dPositionProfit, 2),
'持仓盈亏比例', round(i.m_dProfitRate*100, 2)
)
得到的输出结果：
扫码免费开通QMT：
QMT获取持仓信息报错：AttributeError: 'NoneType' object has no attribute 'request_id'
李魔佛 发表了文章 • 0 个评论 • 760 次浏览 • 2024-06-17 14:03
这个是新手经常遇到的问题。读取持仓信息的时候报错：
代码如下：
原因就是不能init之前去读取
# encoding:gbk
'''
实盘可以执行
固定数量
'''
import datetime
ACCOUNT = ''
def init(ContextInfo):
ContextInfo.set_account(ACCOUNT)
def get_position_infos():
# 信用账户可用资金
position_infos = get_trade_detail_data(ACCOUNT, 'stock', 'position')
pos_dict={}
for pos in position_infos:
code = pos.m_strInstrumentID
if pos.m_nVolume > 0:
pos_dict[code] = pos.m_nVolume
return pos_dict
datax = get_position_infos() # 这里error
def handlebar(ContextInfo):
if ContextInfo.is_last_bar():
current = datetime.datetime.now().strftime('%H:%M:%S.%f')
print(datax)
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
查看全部
代码如下：
原因就是不能init之前去读取
# encoding:gbk
'''
实盘可以执行
固定数量
'''
import datetime
ACCOUNT = ''
def init(ContextInfo):
ContextInfo.set_account(ACCOUNT)
def get_position_infos():
# 信用账户可用资金
position_infos = get_trade_detail_data(ACCOUNT, 'stock', 'position')
pos_dict={}
for pos in position_infos:
code = pos.m_strInstrumentID
if pos.m_nVolume > 0:
pos_dict[code] = pos.m_nVolume
return pos_dict
datax = get_position_infos() # 这里error
def handlebar(ContextInfo):
if ContextInfo.is_last_bar():
current = datetime.datetime.now().strftime('%H:%M:%S.%f')
print(datax)
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
查看全部
这个是新手经常遇到的问题。读取持仓信息的时候报错：
代码如下：
原因就是不能init之前去读取
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
代码如下：
原因就是不能init之前去读取
# encoding:gbk
'''
实盘可以执行
固定数量
'''
import datetime
ACCOUNT = ''
def init(ContextInfo):
ContextInfo.set_account(ACCOUNT)
def get_position_infos():
# 信用账户可用资金
position_infos = get_trade_detail_data(ACCOUNT, 'stock', 'position')
pos_dict={}
for pos in position_infos:
code = pos.m_strInstrumentID
if pos.m_nVolume > 0:
pos_dict[code] = pos.m_nVolume
return pos_dict
datax = get_position_infos() # 这里error
def handlebar(ContextInfo):
if ContextInfo.is_last_bar():
current = datetime.datetime.now().strftime('%H:%M:%S.%f')
print(datax)
datax = get_position_infos() #这里error
这个函数再最开始的时候就被定义了。没有经过initial初始话函数，很多数据没有获取，从而导致的报错。
欢迎关注交流
QMT股票两融对冲建仓实盘
李魔佛 发表了文章 • 0 个评论 • 1300 次浏览 • 2024-05-29 12:02
为了避免速度过快造成价格波动，提供速度，数量，延时控制。
成交了多少量，就融券多少量。达到指标即可停止。
代写量化程序，可以关注公众号，后台联系。 价格比QMT官网低的多了。实战性选手，选过N多QMT，ptrade实盘代码。
查看全部
成交了多少量，就融券多少量。达到指标即可停止。
代写量化程序，可以关注公众号，后台联系。 价格比QMT官网低的多了。实战性选手，选过N多QMT，ptrade实盘代码。
查看全部
为了避免速度过快造成价格波动，提供速度，数量，延时控制。
成交了多少量，就融券多少量。达到指标即可停止。
代写量化程序，可以关注公众号，后台联系。 价格比QMT官网低的多了。实战性选手，选过N多QMT，ptrade实盘代码。
成交了多少量，就融券多少量。达到指标即可停止。
代写量化程序，可以关注公众号，后台联系。 价格比QMT官网低的多了。实战性选手，选过N多QMT，ptrade实盘代码。
迅投官网的实例代码好多问题，惨不忍睹
李魔佛 发表了文章 • 0 个评论 • 945 次浏览 • 2024-05-12 16:55
以前喜欢用C替代ContextInfo，现在改过去了，又有部分改的不完整。
还有更多的缩进的问题。
pep8的规范早已经不用tab来做缩进，而是用4个空格。
之前的文章里面也提到了，可以在qmt的配置文件里面改的。不过在UI上是不提供修改的地方。
http://www.30daydo.com/article/44602
查看全部
还有更多的缩进的问题。
pep8的规范早已经不用tab来做缩进，而是用4个空格。
之前的文章里面也提到了，可以在qmt的配置文件里面改的。不过在UI上是不提供修改的地方。
http://www.30daydo.com/article/44602
查看全部
以前喜欢用C替代ContextInfo，现在改过去了，又有部分改的不完整。
还有更多的缩进的问题。
pep8的规范早已经不用tab来做缩进，而是用4个空格。
之前的文章里面也提到了，可以在qmt的配置文件里面改的。不过在UI上是不提供修改的地方。
http://www.30daydo.com/article/44602
QMT里定时任务运行时间操作定时任务的间隔，会怎么样？
李魔佛 发表了文章 • 0 个评论 • 939 次浏览 • 2024-05-06 10:32
代码很简单，就是在run_time这个定期运行的任务里面，定期1秒执行一次任务
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
查看全部
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
查看全部
代码很简单，就是在run_time这个定期运行的任务里面，定期1秒执行一次任务
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
当时任务运行时间超过1秒钟，比如上面的代码里面用time.sleep(3) 模拟这个超时，等待3秒。
在tick 实盘模式下运行，输出什么的？
答案如下：
每次的start和end之间间隔了3秒钟，然后下一次的start和上一次start的间隔也是在3秒钟，也就是当然时刻的定时任务没有执行完成，下一个时刻的定时任务不会被执行。
那么有人会要求，不想要被运行时间长的任务阻碍了当前的任务，要怎么操作呢？ 最简单的方式，加一个多线程就好了。
稍微改动一下上面的代码：
把要执行的任务，写成一个函数，然后使用threading.Thread去执行这个函数, t.star() 就是启动任务。
执行结果如上图，每次的start 间隔只有1秒，当时end是要等待3秒之后才打印出来。但end的输出不会阻塞当前的start输出，start稳定地1秒间隔输出一次，end也在当前start的3秒之后打印出来。
使用量化程序获取ETF的成分股与实时净值
李魔佛 发表了文章 • 0 个评论 • 1070 次浏览 • 2024-04-11 12:22
代码只有几行：
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通： 查看全部
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通： 查看全部
代码只有几行：
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通：
# coding:gbk
def init(C):
pass
def handlebar(C):
iopv = get_etf_iopv("159928.SZ")
print(f'基金净值为{iopv}')
info = get_etf_info('513520.SH')
print(f'基金申购信息： {info}')
得到的数据如下：
需要开通低门槛量化QMT的朋友，可以扫码关注公众号开通：
QMT回测会跳过当前的周六日和节假日吗
李魔佛 发表了文章 • 0 个评论 • 946 次浏览 • 2024-04-09 13:13
使用的handle_bar进行回测，它是会自动跳过周六日和节假日的。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。 查看全部
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。 查看全部
使用的handle_bar进行回测，它是会自动跳过周六日和节假日的。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。
比如回测日期选择 2024年3月28日到2024年4月2日。
其中3月30日和31日是周六日。
下面回测的数据是不执行这两天的数据。从3月30日 15:00的数据，下一个bar就是4月1日09:30了
需要低门槛开通量化QMT，Ptrade，可以扫码联系。
开通后可加入技术交流群。
qmt下载完数据之后，记得重启一次qmt，不然get_market_data_ex依然还是获取不到数据的
李魔佛 发表了文章 • 0 个评论 • 1079 次浏览 • 2024-04-01 13:38
最近群里问这个问题的人比较多。
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！ 查看全部
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！ 查看全部
最近群里问这个问题的人比较多。
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！
qmt下载完数据之后，get_market_data_ex依然还是获取不到数据。
其实主要数据没有刷新。
只需要你手动关闭QMT，再打开一次就好了。
反正呢，这些问题，QMT也不会告诉你，要靠自己摸索了。
欢迎收藏网站哦！
QMT每次自动升级，都会把改过的配置文件给覆盖掉
李魔佛 发表了文章 • 0 个评论 • 1066 次浏览 • 2024-03-31 14:23
太业余。
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
查看全部
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
查看全部
太业余。
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
感觉设计模式有问题。
本来我配置了缩进用的4个空格，（这是pep8的标准好吧）
而qmt默认是用tab做缩进。
导致从vs code或者pycharm上的代码迁移迁移过来qmt的编辑器，你按tab键，是制表符，而不是4个空格。
运行或者回测就会报错。
每次升级都把我的配置给改了。
难道不覆盖config文件不行吗？ 每次类似全量升级，一点点bug fix都在全量升级
不同券商的数据质量简单对比：国金QMT vs 国信QMT（iquant）
李魔佛 发表了文章 • 0 个评论 • 1885 次浏览 • 2024-03-31 11:57
同一段代码，先在国信上跑回测，先获取可转债的1分钟的分笔数据，发现一些时间段里的成交额居然是0. （数据已经先下载好了）
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !') 查看全部
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !') 查看全部
同一段代码，先在国信上跑回测，先获取可转债的1分钟的分笔数据，发现一些时间段里的成交额居然是0. （数据已经先下载好了）
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
点击打开大图
上面的amount字段（成交额），返回的是0。
看了一下对应的转债，没有停牌，是有正常数据交易的。
然后用国金的QMT记性交叉验证。同样的代码
点击打开大图
国金的是正常的。只是成交量的小数浮点位是不是有点多了？ 可能用的numy的默认9位，没有做处理而已。
【在写这个文章的时候发现国信的qmt的volume成交量是有数据的，那么其实可以用价格x成交量=成交额，间接获取成交额，大坑】
点击打开大图
附测试源码：
# coding:gbk
# 公众号:可转债量化分析
DEBUG = True
import time
def get_datetime(ContextInfo):
# 获取当前时间
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
if DEBUG:
print('当前日期 ', date)
return date
def init(ContextInfo):
print("==============start==========")
ContextInfo.start = '2024-03-27 10:00:00'
ContextInfo.end = '2024-03-29 10:00:00'
#
#ContextInfo.end = '2023-01-05'
#ContextInfo.start = '2023-01-16'
print('init')
def handlebar(ContextInfo):
# 回测的时候不需要
#if not ContextInfo.is_last_bar():
# print('return')
# return
get_datetime(ContextInfo)
print('handlebar')
data = ContextInfo.get_market_data(['quoter'], stock_code = ['123167.SZ'], skip_paused = True, period = 'tick', dividend_type = 'front')
#data = ContextInfo.get_market_data(['close'], stock_code = ['113567.SH'], skip_paused = True, period = '1d', dividend_type = 'front')
#print(type(data))
print(data)
def stop(ContextInfo):
print( 'strategy is stop !')
miniQMT安装包路径 | 下载地址
李魔佛 发表了文章 • 0 个评论 • 1500 次浏览 • 2024-02-29 20:09
安装好QMT之后，在QMT的设置里面选择安装python。
等待几分钟，python文件下载好了之后。
找到qmt的安装目录，
进去这里面
\bin.x64\Lib\site-packages\xtquant
把这个目录复制到你的python路径的site-package 下面， 就可以在你的python环境下运行miniQMT了。
当然首先还是要启动你的QMT客户端，勾选极速模式。 （不开的话连不到券商服务器，这以为这无法再linux上单独跑，wine额外另说）
比如下面的获取行情的示例代码，还有直接下单代码
# 用前须知
## xtdata提供和MiniQmt的交互接口，本质是和MiniQmt建立连接，由MiniQmt处理行情数据请求，再把结果回传返回到python层。使用的行情服务器以及能获取到的行情数据和MiniQmt是一致的，要检查数据或者切换连接时直接操作MiniQmt即可。
## 对于数据获取接口，使用时需要先确保MiniQmt已有所需要的数据，如果不足可以通过补充数据接口补充，再调用数据获取接口获取。
## 对于订阅接口，直接设置数据回调，数据到来时会由回调返回。订阅接收到的数据一般会保存下来，同种数据不需要再单独补充。
# 代码讲解
# 从本地python导入xtquant库，如果出现报错则说明安装失败
from xtquant import xtdata
import time
# 设定一个标的列表
code_list = ["000001.SZ"]
# 设定获取数据的周期
period = "1d"
# 下载标的行情数据
if 1:
## 为了方便用户进行数据管理，xtquant的大部分历史数据都是以压缩形式存储在本地的
## 比如行情数据，需要通过download_history_data下载，财务数据需要通过
## 所以在取历史数据之前，我们需要调用数据下载接口，将数据下载到本地
for i in code_list:
xtdata.download_history_data(i,period=period,incrementally=True) # 增量下载行情数据（开高低收,等等）到本地
xtdata.download_financial_data(code_list) # 下载财务数据到本地
xtdata.download_sector_data() # 下载板块数据到本地
# 更多数据的下载方式可以通过数据字典查询
# 读取本地历史行情数据
history_data = xtdata.get_market_data_ex(,code_list,period=period,count=-1)
print(history_data)
print("=" * 20)
# 如果需要盘中的实时行情，需要向服务器进行订阅后才能获取
# 订阅后，get_market_data函数于get_market_data_ex函数将会自动拼接本地历史行情与服务器实时行情
# 向服务器订阅数据
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1) # 设置count = -1来取到当天所有实时行情
# 等待订阅完成
time.sleep(1)
# 获取订阅后的行情
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
# 获取订阅后的行情，并以固定间隔进行刷新,预期会循环打印10次
for i in range(10):
# 这边做演示，就用for来循环了，实际使用中可以用while True
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
time.sleep(3) # 三秒后再次获取行情
# 如果不想用固定间隔触发，可以以用订阅后的回调来执行
# 这种模式下当订阅的callback回调函数将会异步的执行，每当订阅的标的tick发生变化更新，callback回调函数就会被调用一次
# 本地已有的数据不会触发callback
# 定义的回测函数
## 回调函数中，data是本次触发回调的数据，只有一条
def f(data):
# print(data)
code_list = list(data.keys()) # 获取到本次触发的标的代码
kline_in_callabck = xtdata.get_market_data_ex(,code_list,period = period) # 在回调中获取klines数据
print(kline_in_callabck)
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1,callback=f) # 订阅时设定回调函数
# 使用回调时，必须要同时使用xtdata.run()来阻塞程序，否则程序运行到最后一行就直接结束退出了。
xtdata.run()
异步下单#coding:utf-8
import time, datetime, traceback, sys
from xtquant import xtdata
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xttype import StockAccount
from xtquant import xtconstant
#定义一个类 创建类的实例 作为状态的容器
class _a():
pass
A = _a()
A.bought_list =
A.hsa = xtdata.get_stock_list_in_sector('沪深A股')
def interact():
"""执行后进入repl模式"""
import code
code.InteractiveConsole(locals=globals()).interact()
xtdata.download_sector_data()
def f(data):
now = datetime.datetime.now()
for stock in data:
if stock not in A.hsa:
continue
cuurent_price = data[stock]['lastPrice']
pre_price = data[stock]['lastClose']
ratio = cuurent_price / pre_price - 1 if pre_price > 0 else 0
if ratio > 0.09 and stock not in A.bought_list:
print(f"{now} 最新价 买入 {stock} 200股")
async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_BUY, 200, xtconstant.LATEST_PRICE, -1, 'strategy_name', stock)
A.bought_list.append(stock)
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print(datetime.datetime.now(),'连接断开回调')
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print(datetime.datetime.now(), '委托回调', order.order_remark)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print(datetime.datetime.now(), '成交回调', trade.order_remark)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
# print("on order_error callback")
# print(order_error.order_id, order_error.error_id, order_error.error_msg)
print(f"委托报错回调 {order_error.order_remark} {order_error.error_msg}")
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print(f"异步委托回调 {response.order_remark}")
def on_cancel_order_stock_async_response(self, response):
"""
:param response: XtCancelOrderResponse 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_account_status(self, status):
"""
:param response: XtAccountStatus 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
if __name__ == '__main__':
print("start")
#指定客户端所在路径
path = r'D:\qmt\sp3\迅投极速交易终端 睿智融科版\userdata_mini'
# 生成session id 整数类型 同时运行的策略不能重复
session_id = int(time.time())
xt_trader = XtQuantTrader(path, session_id)
# 开启主动请求接口的专用线程 开启后在on_stock_xxx回调函数里调用XtQuantTrader.query_xxx函数不会卡住回调线程，但是查询和推送的数据在时序上会变得不确定
# 详见: http://docs.thinktrader.net/vip/pages/ee0e9b/#开启主动请求接口的专用线程
# xt_trader.set_relaxed_response_order_enabled(True)
# 创建资金账号为 800068 的证券账号对象
acc = StockAccount('800068', 'STOCK')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print('建立交易连接，返回0表示连接成功', connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print('对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功', subscribe_result)
#这一行是注册全推回调函数 包括下单判断 安全起见处于注释状态 确认理解效果后再放开
# xtdata.subscribe_whole_quote(["SH", "SZ"], callback=f)
# 阻塞主线程退出
xt_trader.run_forever()
# 如果使用vscode pycharm等本地编辑器 可以进入交互模式 方便调试 （把上一行的run_forever注释掉 否则不会执行到这里）
interact()
需要开通miniQMT（低门槛，低费率）的朋友，
可以扫码联系：或者添加 技术公众号：
公众号：
查看全部
等待几分钟，python文件下载好了之后。
找到qmt的安装目录，
进去这里面
\bin.x64\Lib\site-packages\xtquant
把这个目录复制到你的python路径的site-package 下面， 就可以在你的python环境下运行miniQMT了。
当然首先还是要启动你的QMT客户端，勾选极速模式。 （不开的话连不到券商服务器，这以为这无法再linux上单独跑，wine额外另说）
比如下面的获取行情的示例代码，还有直接下单代码
# 用前须知
## xtdata提供和MiniQmt的交互接口，本质是和MiniQmt建立连接，由MiniQmt处理行情数据请求，再把结果回传返回到python层。使用的行情服务器以及能获取到的行情数据和MiniQmt是一致的，要检查数据或者切换连接时直接操作MiniQmt即可。
## 对于数据获取接口，使用时需要先确保MiniQmt已有所需要的数据，如果不足可以通过补充数据接口补充，再调用数据获取接口获取。
## 对于订阅接口，直接设置数据回调，数据到来时会由回调返回。订阅接收到的数据一般会保存下来，同种数据不需要再单独补充。
# 代码讲解
# 从本地python导入xtquant库，如果出现报错则说明安装失败
from xtquant import xtdata
import time
# 设定一个标的列表
code_list = ["000001.SZ"]
# 设定获取数据的周期
period = "1d"
# 下载标的行情数据
if 1:
## 为了方便用户进行数据管理，xtquant的大部分历史数据都是以压缩形式存储在本地的
## 比如行情数据，需要通过download_history_data下载，财务数据需要通过
## 所以在取历史数据之前，我们需要调用数据下载接口，将数据下载到本地
for i in code_list:
xtdata.download_history_data(i,period=period,incrementally=True) # 增量下载行情数据（开高低收,等等）到本地
xtdata.download_financial_data(code_list) # 下载财务数据到本地
xtdata.download_sector_data() # 下载板块数据到本地
# 更多数据的下载方式可以通过数据字典查询
# 读取本地历史行情数据
history_data = xtdata.get_market_data_ex(,code_list,period=period,count=-1)
print(history_data)
print("=" * 20)
# 如果需要盘中的实时行情，需要向服务器进行订阅后才能获取
# 订阅后，get_market_data函数于get_market_data_ex函数将会自动拼接本地历史行情与服务器实时行情
# 向服务器订阅数据
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1) # 设置count = -1来取到当天所有实时行情
# 等待订阅完成
time.sleep(1)
# 获取订阅后的行情
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
# 获取订阅后的行情，并以固定间隔进行刷新,预期会循环打印10次
for i in range(10):
# 这边做演示，就用for来循环了，实际使用中可以用while True
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
time.sleep(3) # 三秒后再次获取行情
# 如果不想用固定间隔触发，可以以用订阅后的回调来执行
# 这种模式下当订阅的callback回调函数将会异步的执行，每当订阅的标的tick发生变化更新，callback回调函数就会被调用一次
# 本地已有的数据不会触发callback
# 定义的回测函数
## 回调函数中，data是本次触发回调的数据，只有一条
def f(data):
# print(data)
code_list = list(data.keys()) # 获取到本次触发的标的代码
kline_in_callabck = xtdata.get_market_data_ex(,code_list,period = period) # 在回调中获取klines数据
print(kline_in_callabck)
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1,callback=f) # 订阅时设定回调函数
# 使用回调时，必须要同时使用xtdata.run()来阻塞程序，否则程序运行到最后一行就直接结束退出了。
xtdata.run()
异步下单#coding:utf-8
import time, datetime, traceback, sys
from xtquant import xtdata
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xttype import StockAccount
from xtquant import xtconstant
#定义一个类 创建类的实例 作为状态的容器
class _a():
pass
A = _a()
A.bought_list =
A.hsa = xtdata.get_stock_list_in_sector('沪深A股')
def interact():
"""执行后进入repl模式"""
import code
code.InteractiveConsole(locals=globals()).interact()
xtdata.download_sector_data()
def f(data):
now = datetime.datetime.now()
for stock in data:
if stock not in A.hsa:
continue
cuurent_price = data[stock]['lastPrice']
pre_price = data[stock]['lastClose']
ratio = cuurent_price / pre_price - 1 if pre_price > 0 else 0
if ratio > 0.09 and stock not in A.bought_list:
print(f"{now} 最新价 买入 {stock} 200股")
async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_BUY, 200, xtconstant.LATEST_PRICE, -1, 'strategy_name', stock)
A.bought_list.append(stock)
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print(datetime.datetime.now(),'连接断开回调')
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print(datetime.datetime.now(), '委托回调', order.order_remark)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print(datetime.datetime.now(), '成交回调', trade.order_remark)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
# print("on order_error callback")
# print(order_error.order_id, order_error.error_id, order_error.error_msg)
print(f"委托报错回调 {order_error.order_remark} {order_error.error_msg}")
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print(f"异步委托回调 {response.order_remark}")
def on_cancel_order_stock_async_response(self, response):
"""
:param response: XtCancelOrderResponse 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_account_status(self, status):
"""
:param response: XtAccountStatus 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
if __name__ == '__main__':
print("start")
#指定客户端所在路径
path = r'D:\qmt\sp3\迅投极速交易终端 睿智融科版\userdata_mini'
# 生成session id 整数类型 同时运行的策略不能重复
session_id = int(time.time())
xt_trader = XtQuantTrader(path, session_id)
# 开启主动请求接口的专用线程 开启后在on_stock_xxx回调函数里调用XtQuantTrader.query_xxx函数不会卡住回调线程，但是查询和推送的数据在时序上会变得不确定
# 详见: http://docs.thinktrader.net/vip/pages/ee0e9b/#开启主动请求接口的专用线程
# xt_trader.set_relaxed_response_order_enabled(True)
# 创建资金账号为 800068 的证券账号对象
acc = StockAccount('800068', 'STOCK')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print('建立交易连接，返回0表示连接成功', connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print('对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功', subscribe_result)
#这一行是注册全推回调函数 包括下单判断 安全起见处于注释状态 确认理解效果后再放开
# xtdata.subscribe_whole_quote(["SH", "SZ"], callback=f)
# 阻塞主线程退出
xt_trader.run_forever()
# 如果使用vscode pycharm等本地编辑器 可以进入交互模式 方便调试 （把上一行的run_forever注释掉 否则不会执行到这里）
interact()
需要开通miniQMT（低门槛，低费率）的朋友，
可以扫码联系：或者添加 技术公众号：
公众号：
查看全部
安装好QMT之后，在QMT的设置里面选择安装python。
等待几分钟，python文件下载好了之后。
找到qmt的安装目录，
进去这里面
\bin.x64\Lib\site-packages\xtquant
把这个目录复制到你的python路径的site-package 下面， 就可以在你的python环境下运行miniQMT了。
当然首先还是要启动你的QMT客户端，勾选极速模式。 （不开的话连不到券商服务器，这以为这无法再linux上单独跑，wine额外另说）
比如下面的获取行情的示例代码，还有直接下单代码
异步下单
需要开通miniQMT（低门槛，低费率）的朋友，
可以扫码联系：或者添加 技术公众号：
公众号：
等待几分钟，python文件下载好了之后。
找到qmt的安装目录，
进去这里面
\bin.x64\Lib\site-packages\xtquant
把这个目录复制到你的python路径的site-package 下面， 就可以在你的python环境下运行miniQMT了。
当然首先还是要启动你的QMT客户端，勾选极速模式。 （不开的话连不到券商服务器，这以为这无法再linux上单独跑，wine额外另说）
比如下面的获取行情的示例代码，还有直接下单代码
# 用前须知
## xtdata提供和MiniQmt的交互接口，本质是和MiniQmt建立连接，由MiniQmt处理行情数据请求，再把结果回传返回到python层。使用的行情服务器以及能获取到的行情数据和MiniQmt是一致的，要检查数据或者切换连接时直接操作MiniQmt即可。
## 对于数据获取接口，使用时需要先确保MiniQmt已有所需要的数据，如果不足可以通过补充数据接口补充，再调用数据获取接口获取。
## 对于订阅接口，直接设置数据回调，数据到来时会由回调返回。订阅接收到的数据一般会保存下来，同种数据不需要再单独补充。
# 代码讲解
# 从本地python导入xtquant库，如果出现报错则说明安装失败
from xtquant import xtdata
import time
# 设定一个标的列表
code_list = ["000001.SZ"]
# 设定获取数据的周期
period = "1d"
# 下载标的行情数据
if 1:
## 为了方便用户进行数据管理，xtquant的大部分历史数据都是以压缩形式存储在本地的
## 比如行情数据，需要通过download_history_data下载，财务数据需要通过
## 所以在取历史数据之前，我们需要调用数据下载接口，将数据下载到本地
for i in code_list:
xtdata.download_history_data(i,period=period,incrementally=True) # 增量下载行情数据（开高低收,等等）到本地
xtdata.download_financial_data(code_list) # 下载财务数据到本地
xtdata.download_sector_data() # 下载板块数据到本地
# 更多数据的下载方式可以通过数据字典查询
# 读取本地历史行情数据
history_data = xtdata.get_market_data_ex(,code_list,period=period,count=-1)
print(history_data)
print("=" * 20)
# 如果需要盘中的实时行情，需要向服务器进行订阅后才能获取
# 订阅后，get_market_data函数于get_market_data_ex函数将会自动拼接本地历史行情与服务器实时行情
# 向服务器订阅数据
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1) # 设置count = -1来取到当天所有实时行情
# 等待订阅完成
time.sleep(1)
# 获取订阅后的行情
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
# 获取订阅后的行情，并以固定间隔进行刷新,预期会循环打印10次
for i in range(10):
# 这边做演示，就用for来循环了，实际使用中可以用while True
kline_data = xtdata.get_market_data_ex(,code_list,period=period)
print(kline_data)
time.sleep(3) # 三秒后再次获取行情
# 如果不想用固定间隔触发，可以以用订阅后的回调来执行
# 这种模式下当订阅的callback回调函数将会异步的执行，每当订阅的标的tick发生变化更新，callback回调函数就会被调用一次
# 本地已有的数据不会触发callback
# 定义的回测函数
## 回调函数中，data是本次触发回调的数据，只有一条
def f(data):
# print(data)
code_list = list(data.keys()) # 获取到本次触发的标的代码
kline_in_callabck = xtdata.get_market_data_ex(,code_list,period = period) # 在回调中获取klines数据
print(kline_in_callabck)
for i in code_list:
xtdata.subscribe_quote(i,period=period,count=-1,callback=f) # 订阅时设定回调函数
# 使用回调时，必须要同时使用xtdata.run()来阻塞程序，否则程序运行到最后一行就直接结束退出了。
xtdata.run()
异步下单
#coding:utf-8
import time, datetime, traceback, sys
from xtquant import xtdata
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xttype import StockAccount
from xtquant import xtconstant
#定义一个类 创建类的实例 作为状态的容器
class _a():
pass
A = _a()
A.bought_list =
A.hsa = xtdata.get_stock_list_in_sector('沪深A股')
def interact():
"""执行后进入repl模式"""
import code
code.InteractiveConsole(locals=globals()).interact()
xtdata.download_sector_data()
def f(data):
now = datetime.datetime.now()
for stock in data:
if stock not in A.hsa:
continue
cuurent_price = data[stock]['lastPrice']
pre_price = data[stock]['lastClose']
ratio = cuurent_price / pre_price - 1 if pre_price > 0 else 0
if ratio > 0.09 and stock not in A.bought_list:
print(f"{now} 最新价 买入 {stock} 200股")
async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_BUY, 200, xtconstant.LATEST_PRICE, -1, 'strategy_name', stock)
A.bought_list.append(stock)
class MyXtQuantTraderCallback(XtQuantTraderCallback):
def on_disconnected(self):
"""
连接断开
:return:
"""
print(datetime.datetime.now(),'连接断开回调')
def on_stock_order(self, order):
"""
委托回报推送
:param order: XtOrder对象
:return:
"""
print(datetime.datetime.now(), '委托回调', order.order_remark)
def on_stock_trade(self, trade):
"""
成交变动推送
:param trade: XtTrade对象
:return:
"""
print(datetime.datetime.now(), '成交回调', trade.order_remark)
def on_order_error(self, order_error):
"""
委托失败推送
:param order_error:XtOrderError 对象
:return:
"""
# print("on order_error callback")
# print(order_error.order_id, order_error.error_id, order_error.error_msg)
print(f"委托报错回调 {order_error.order_remark} {order_error.error_msg}")
def on_cancel_error(self, cancel_error):
"""
撤单失败推送
:param cancel_error: XtCancelError 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_order_stock_async_response(self, response):
"""
异步下单回报推送
:param response: XtOrderResponse 对象
:return:
"""
print(f"异步委托回调 {response.order_remark}")
def on_cancel_order_stock_async_response(self, response):
"""
:param response: XtCancelOrderResponse 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
def on_account_status(self, status):
"""
:param response: XtAccountStatus 对象
:return:
"""
print(datetime.datetime.now(), sys._getframe().f_code.co_name)
if __name__ == '__main__':
print("start")
#指定客户端所在路径
path = r'D:\qmt\sp3\迅投极速交易终端 睿智融科版\userdata_mini'
# 生成session id 整数类型 同时运行的策略不能重复
session_id = int(time.time())
xt_trader = XtQuantTrader(path, session_id)
# 开启主动请求接口的专用线程 开启后在on_stock_xxx回调函数里调用XtQuantTrader.query_xxx函数不会卡住回调线程，但是查询和推送的数据在时序上会变得不确定
# 详见: http://docs.thinktrader.net/vip/pages/ee0e9b/#开启主动请求接口的专用线程
# xt_trader.set_relaxed_response_order_enabled(True)
# 创建资金账号为 800068 的证券账号对象
acc = StockAccount('800068', 'STOCK')
# 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)
# 启动交易线程
xt_trader.start()
# 建立交易连接，返回0表示连接成功
connect_result = xt_trader.connect()
print('建立交易连接，返回0表示连接成功', connect_result)
# 对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print('对交易回调进行订阅，订阅后可以收到交易主推，返回0表示订阅成功', subscribe_result)
#这一行是注册全推回调函数 包括下单判断 安全起见处于注释状态 确认理解效果后再放开
# xtdata.subscribe_whole_quote(["SH", "SZ"], callback=f)
# 阻塞主线程退出
xt_trader.run_forever()
# 如果使用vscode pycharm等本地编辑器 可以进入交互模式 方便调试 （把上一行的run_forever注释掉 否则不会执行到这里）
interact()
需要开通miniQMT（低门槛，低费率）的朋友，
可以扫码联系：或者添加 技术公众号：
公众号：
QMT获取全市场股票，排除ST退市风险股票
李魔佛 发表了文章 • 0 个评论 • 1581 次浏览 • 2024-02-07 22:25
因为QMT不能获取北交所的股票历史数据，所以需要把获取到的所有股票数据里的 北交所的股票排除掉 。
def get_all_market_code(ContextInfo):
all_market_codes = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
return filter_ST_stock(ContextInfo, all_market_codes)
def filter_ST_stock(ContextInfo, code_list):
result =
for code in code_list:
if re.search('(st)|(ST)|(\*st)|(\*ST)|(退)',ContextInfo.get_stock_name(code)):
print('排除 ： ',ContextInfo.get_stock_name(code),code)
continue
result.append(code)
return result
global_dict = {}
def init(ContextInfo):
now = time.ctime()
print('策略初始化{}'.format(now))
need_download = 1
global_dict['start_date'] = '20231201'
global_dict['end_date'] = ''
global_dict['code_list'] = get_all_market_code(ContextInfo)
有问题可以咨询公众号或者知识星球
提供策略代写服务
查看全部
def get_all_market_code(ContextInfo):
all_market_codes = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
return filter_ST_stock(ContextInfo, all_market_codes)
def filter_ST_stock(ContextInfo, code_list):
result =
for code in code_list:
if re.search('(st)|(ST)|(\*st)|(\*ST)|(退)',ContextInfo.get_stock_name(code)):
print('排除 ： ',ContextInfo.get_stock_name(code),code)
continue
result.append(code)
return result
global_dict = {}
def init(ContextInfo):
now = time.ctime()
print('策略初始化{}'.format(now))
need_download = 1
global_dict['start_date'] = '20231201'
global_dict['end_date'] = ''
global_dict['code_list'] = get_all_market_code(ContextInfo)
有问题可以咨询公众号或者知识星球
提供策略代写服务
查看全部
因为QMT不能获取北交所的股票历史数据，所以需要把获取到的所有股票数据里的 北交所的股票排除掉 。
有问题可以咨询公众号或者知识星球
提供策略代写服务
def get_all_market_code(ContextInfo):
all_market_codes = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
return filter_ST_stock(ContextInfo, all_market_codes)
def filter_ST_stock(ContextInfo, code_list):
result =
for code in code_list:
if re.search('(st)|(ST)|(\*st)|(\*ST)|(退)',ContextInfo.get_stock_name(code)):
print('排除 ： ',ContextInfo.get_stock_name(code),code)
continue
result.append(code)
return result
global_dict = {}
def init(ContextInfo):
now = time.ctime()
print('策略初始化{}'.format(now))
need_download = 1
global_dict['start_date'] = '20231201'
global_dict['end_date'] = ''
global_dict['code_list'] = get_all_market_code(ContextInfo)
有问题可以咨询公众号或者知识星球
提供策略代写服务
QMT实时获取涨停股，筛选流通盘大于X的股票
李魔佛 发表了文章 • 0 个评论 • 1704 次浏览 • 2024-02-07 18:28
基于官方例子修复了一下bug，比如移除了北交所的股票，因为目前qmt获取不了北交所的股票历史数据。
直接上代码：# coding:gbk
import time
class G():
pass
g = G()
def init(ContextInfo):
g.hsa = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
g.vol_dict = {}
for stock in g.hsa:
g.vol_dict[stock] = ContextInfo.get_last_volume(stock)
ContextInfo.run_time("execution", "1nSecond", "2019-10-14 13:20:00")
def execution(ContextInfo):
t0 = time.time()
full_tick = ContextInfo.get_full_tick(g.hsa)
total_market_value = 0
total_ratio = 0
count = 0
for stock in g.hsa:
if full_tick[stock]['lastClose'] == 0:
continue
ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1
rise_price = round(full_tick[stock]['lastClose'] * 1.2, 2) if stock[0] == '3' or stock[:3] == '688' else round(
full_tick[stock]['lastClose'] * 1.1, 2)
# 如果要打印涨停品种
if abs(full_tick[stock]['lastPrice'] - rise_price) <0.01:
print(f"涨停股票 {stock} {ContextInfo.get_stock_name(stock)}")
market_value = full_tick[stock]['lastPrice'] * g.vol_dict[stock]
total_ratio += ratio * market_value
total_market_value += market_value
count += 1
# print(count)
total_ratio /= total_market_value
total_ratio *= 100
print(f'A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time() - t0, 5)}秒')
欢迎关注公众号：
可转债量化分析 查看全部
直接上代码：# coding:gbk
import time
class G():
pass
g = G()
def init(ContextInfo):
g.hsa = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
g.vol_dict = {}
for stock in g.hsa:
g.vol_dict[stock] = ContextInfo.get_last_volume(stock)
ContextInfo.run_time("execution", "1nSecond", "2019-10-14 13:20:00")
def execution(ContextInfo):
t0 = time.time()
full_tick = ContextInfo.get_full_tick(g.hsa)
total_market_value = 0
total_ratio = 0
count = 0
for stock in g.hsa:
if full_tick[stock]['lastClose'] == 0:
continue
ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1
rise_price = round(full_tick[stock]['lastClose'] * 1.2, 2) if stock[0] == '3' or stock[:3] == '688' else round(
full_tick[stock]['lastClose'] * 1.1, 2)
# 如果要打印涨停品种
if abs(full_tick[stock]['lastPrice'] - rise_price) <0.01:
print(f"涨停股票 {stock} {ContextInfo.get_stock_name(stock)}")
market_value = full_tick[stock]['lastPrice'] * g.vol_dict[stock]
total_ratio += ratio * market_value
total_market_value += market_value
count += 1
# print(count)
total_ratio /= total_market_value
total_ratio *= 100
print(f'A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time() - t0, 5)}秒')
欢迎关注公众号：
可转债量化分析 查看全部
基于官方例子修复了一下bug，比如移除了北交所的股票，因为目前qmt获取不了北交所的股票历史数据。
直接上代码：
欢迎关注公众号：
可转债量化分析
直接上代码：
# coding:gbk
import time
class G():
pass
g = G()
def init(ContextInfo):
g.hsa = [item for item in ContextInfo.get_stock_list_in_sector('沪深A股') if not item.endswith('BJ')]
g.vol_dict = {}
for stock in g.hsa:
g.vol_dict[stock] = ContextInfo.get_last_volume(stock)
ContextInfo.run_time("execution", "1nSecond", "2019-10-14 13:20:00")
def execution(ContextInfo):
t0 = time.time()
full_tick = ContextInfo.get_full_tick(g.hsa)
total_market_value = 0
total_ratio = 0
count = 0
for stock in g.hsa:
if full_tick[stock]['lastClose'] == 0:
continue
ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1
rise_price = round(full_tick[stock]['lastClose'] * 1.2, 2) if stock[0] == '3' or stock[:3] == '688' else round(
full_tick[stock]['lastClose'] * 1.1, 2)
# 如果要打印涨停品种
if abs(full_tick[stock]['lastPrice'] - rise_price) <0.01:
print(f"涨停股票 {stock} {ContextInfo.get_stock_name(stock)}")
market_value = full_tick[stock]['lastPrice'] * g.vol_dict[stock]
total_ratio += ratio * market_value
total_market_value += market_value
count += 1
# print(count)
total_ratio /= total_market_value
total_ratio *= 100
print(f'A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time() - t0, 5)}秒')
欢迎关注公众号：
可转债量化分析
迅投QMT投研版 有必要开吗？
李魔佛 发表了文章 • 0 个评论 • 1564 次浏览 • 2024-02-06 15:03
没必要。
处处透出一股割韭菜的味道。
到处拉人进群，然后群里问问题，他们会让你私聊，加你，说服你开通投研版。
投研版无非多一些数据，你用tushare或者自己爬虫就可以获取，他们非要放到投研版里面，付费使用。
价格是一年8,9千，感觉没有一点性价比。
qmt，minniqmt有交易功能，有数据获取功能，也可以自己接入外部数据。没必要花那些冤枉钱去按年付费买一个不实用的数据。
真的没有数据，或者没有能力获取，付费找人写个api接口，爬虫数据，也不贵。 可以终身使用。 不好过按年付费？？？
关键那群qmt的人水平也不咋地，看他们的文档就知道，变量用A，B，C，D，人品也不咋地，星球上还抄袭我的星球文章，足以说明水平和人品。
群里问点问题，就让你开个投研版咨询哈。 还不如来我的qmt ptrade技术群的，free且有求必应哈。
查看全部
处处透出一股割韭菜的味道。
到处拉人进群，然后群里问问题，他们会让你私聊，加你，说服你开通投研版。
投研版无非多一些数据，你用tushare或者自己爬虫就可以获取，他们非要放到投研版里面，付费使用。
价格是一年8,9千，感觉没有一点性价比。
qmt，minniqmt有交易功能，有数据获取功能，也可以自己接入外部数据。没必要花那些冤枉钱去按年付费买一个不实用的数据。
真的没有数据，或者没有能力获取，付费找人写个api接口，爬虫数据，也不贵。 可以终身使用。 不好过按年付费？？？
关键那群qmt的人水平也不咋地，看他们的文档就知道，变量用A，B，C，D，人品也不咋地，星球上还抄袭我的星球文章，足以说明水平和人品。
群里问点问题，就让你开个投研版咨询哈。 还不如来我的qmt ptrade技术群的，free且有求必应哈。
查看全部
没必要。
处处透出一股割韭菜的味道。
到处拉人进群，然后群里问问题，他们会让你私聊，加你，说服你开通投研版。
投研版无非多一些数据，你用tushare或者自己爬虫就可以获取，他们非要放到投研版里面，付费使用。
价格是一年8,9千，感觉没有一点性价比。
qmt，minniqmt有交易功能，有数据获取功能，也可以自己接入外部数据。没必要花那些冤枉钱去按年付费买一个不实用的数据。
真的没有数据，或者没有能力获取，付费找人写个api接口，爬虫数据，也不贵。 可以终身使用。 不好过按年付费？？？
关键那群qmt的人水平也不咋地，看他们的文档就知道，变量用A，B，C，D，人品也不咋地，星球上还抄袭我的星球文章，足以说明水平和人品。
群里问点问题，就让你开个投研版咨询哈。 还不如来我的qmt ptrade技术群的，free且有求必应哈。
处处透出一股割韭菜的味道。
到处拉人进群，然后群里问问题，他们会让你私聊，加你，说服你开通投研版。
投研版无非多一些数据，你用tushare或者自己爬虫就可以获取，他们非要放到投研版里面，付费使用。
价格是一年8,9千，感觉没有一点性价比。
qmt，minniqmt有交易功能，有数据获取功能，也可以自己接入外部数据。没必要花那些冤枉钱去按年付费买一个不实用的数据。
真的没有数据，或者没有能力获取，付费找人写个api接口，爬虫数据，也不贵。 可以终身使用。 不好过按年付费？？？
关键那群qmt的人水平也不咋地，看他们的文档就知道，变量用A，B，C，D，人品也不咋地，星球上还抄袭我的星球文章，足以说明水平和人品。
群里问点问题，就让你开个投研版咨询哈。 还不如来我的qmt ptrade技术群的，free且有求必应哈。
qmt获取北交所实时行情数据
李魔佛 发表了文章 • 0 个评论 • 1443 次浏览 • 2024-01-24 13:39
之前没有试过用qmt交易北交所的股票，后面闻了一下券商，他们说是qmt支持北交所股票交易。
首先试试获取实时的行情：
我获取的是这个北交所股票的数据:
获取北交所行情数据如下：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
info = ContextInfo.get_full_tick(stock_code=["838402.BJ"])
print(info)
返回下面的数据：
对了下时间戳，是正确的。
然后试了下获取北交所的历史数据行情：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
download_history_data(code,"1d","20240105","")
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
print(date)
hist = ContextInfo.get_market_data_ex(['close'],[code], period = "1d",count = 1)
print(hist)
代码里面我想用 download_history_data(code,"1d","20240105","") 下载历史数据。
在数据目录里面也能够获取到这个股票的历史数据文件。
可是在qmt里面却输出的是个空的dataframe。
数据目录下面是有数据的。。
感觉是qmt里面的功能还没有完善对北交所股票的支持。
查看全部
首先试试获取实时的行情：
我获取的是这个北交所股票的数据:
获取北交所行情数据如下：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
info = ContextInfo.get_full_tick(stock_code=["838402.BJ"])
print(info)
返回下面的数据：
对了下时间戳，是正确的。
然后试了下获取北交所的历史数据行情：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
download_history_data(code,"1d","20240105","")
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
print(date)
hist = ContextInfo.get_market_data_ex(['close'],[code], period = "1d",count = 1)
print(hist)
代码里面我想用 download_history_data(code,"1d","20240105","") 下载历史数据。
在数据目录里面也能够获取到这个股票的历史数据文件。
可是在qmt里面却输出的是个空的dataframe。
数据目录下面是有数据的。。
感觉是qmt里面的功能还没有完善对北交所股票的支持。
查看全部
之前没有试过用qmt交易北交所的股票，后面闻了一下券商，他们说是qmt支持北交所股票交易。
首先试试获取实时的行情：
我获取的是这个北交所股票的数据:
获取北交所行情数据如下：
返回下面的数据：
对了下时间戳，是正确的。
然后试了下获取北交所的历史数据行情：
代码里面我想用 download_history_data(code,"1d","20240105","") 下载历史数据。
在数据目录里面也能够获取到这个股票的历史数据文件。
可是在qmt里面却输出的是个空的dataframe。
数据目录下面是有数据的。。
感觉是qmt里面的功能还没有完善对北交所股票的支持。
首先试试获取实时的行情：
我获取的是这个北交所股票的数据:
获取北交所行情数据如下：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
info = ContextInfo.get_full_tick(stock_code=["838402.BJ"])
print(info)
返回下面的数据：
对了下时间戳，是正确的。
然后试了下获取北交所的历史数据行情：
#-*-coding:gbk-*-
import datetime
code = '838402.BJ'
def init(ContextInfo):
now = datetime.datetime.now()
print(now)
download_history_data(code,"1d","20240105","")
def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
date = timetag_to_datetime(realtime, "%Y-%m-%d %H:%M:%S")
print(date)
hist = ContextInfo.get_market_data_ex(['close'],[code], period = "1d",count = 1)
print(hist)
代码里面我想用 download_history_data(code,"1d","20240105","") 下载历史数据。
在数据目录里面也能够获取到这个股票的历史数据文件。
可是在qmt里面却输出的是个空的dataframe。
数据目录下面是有数据的。。
感觉是qmt里面的功能还没有完善对北交所股票的支持。
迅投官网的示例代码真的无眼看。。。
李魔佛 发表了文章 • 0 个评论 • 1599 次浏览 • 2023-11-10 01:17
如果拿去做code review，估计会被喷的体无完肤。
变量名，类名用A ，B，C 噗， 没有一点含义，做什么鬼
class a():
pass
A = a()而且也不符合python风格。。。python类名推荐的大写字母开头，实例化对象用小写字母。
所以退一万步讲，上面的代码正常点的程序员写也应该是这样的。
class A():
pass
a = A()
其实正确的应该class GlobalCls():
pass
g = GlobalCls()
其他地方也是有这个毛病。
把代码喂给GPT，让它来分析一下：
得到如下结果：文件编码声明： #coding:gbk 是指定源文件的编码格式为GBK。在Python 3中，通常使用UTF-8作为文件编码格式，因此可以将该行删除或更改为#coding:utf-8。
类名和函数名： 根据PEP 8命名约定，类名应该使用大写字母开头的驼峰命名法（例如A改为A）。同样，函数名应该使用小写字母开头的小写命名法（例如init改为init，f改为f）。
类和实例： 在代码中定义了一个空类a，但没有给它任何属性或方法。如果不需要这个类，可以将其删除。
缩进和代码格式： Python非常依赖于正确的缩进，以指示代码块的层次结构。请确保代码的缩进是一致的，并使用适当的缩进级别（通常是4个空格）。
代码注释： 代码中有一些注释，但是大部分是被注释掉的。良好的注释可以增加代码的可读性和可维护性，建议在关键部分添加更多有用的注释。
异常处理： 代码中没有包含任何异常处理机制。在实际应用中，建议对可能引发异常的操作进行适当的异常处理，以提高代码的健壮性。
然后里面计算涨停是这样的： rise_price = round(full_tick[stock]['lastClose'] *1.2,2) if stock[0] == '3' or stock[:3] == '688' else round(full_tick[stock]['lastClose'] *1.1,2)
用昨收价* 1.2和1.1判断当前是否涨跌停。 首先，没有考虑到ST股，部分ST是5%涨停的。
其次，是直接用的昨收价，如果当天是分红除权日，昨收价没有做除权处理，得到的涨跌幅也是不准的。
当然这个文档最大的问题是，很多示例代码运行是直接报错的！！
查看全部
变量名，类名用A ，B，C 噗， 没有一点含义，做什么鬼
class a():
pass
A = a()而且也不符合python风格。。。python类名推荐的大写字母开头，实例化对象用小写字母。
所以退一万步讲，上面的代码正常点的程序员写也应该是这样的。
class A():
pass
a = A()
其实正确的应该class GlobalCls():
pass
g = GlobalCls()
其他地方也是有这个毛病。
把代码喂给GPT，让它来分析一下：
得到如下结果：文件编码声明： #coding:gbk 是指定源文件的编码格式为GBK。在Python 3中，通常使用UTF-8作为文件编码格式，因此可以将该行删除或更改为#coding:utf-8。
类名和函数名： 根据PEP 8命名约定，类名应该使用大写字母开头的驼峰命名法（例如A改为A）。同样，函数名应该使用小写字母开头的小写命名法（例如init改为init，f改为f）。
类和实例： 在代码中定义了一个空类a，但没有给它任何属性或方法。如果不需要这个类，可以将其删除。
缩进和代码格式： Python非常依赖于正确的缩进，以指示代码块的层次结构。请确保代码的缩进是一致的，并使用适当的缩进级别（通常是4个空格）。
代码注释： 代码中有一些注释，但是大部分是被注释掉的。良好的注释可以增加代码的可读性和可维护性，建议在关键部分添加更多有用的注释。
异常处理： 代码中没有包含任何异常处理机制。在实际应用中，建议对可能引发异常的操作进行适当的异常处理，以提高代码的健壮性。
然后里面计算涨停是这样的： rise_price = round(full_tick[stock]['lastClose'] *1.2,2) if stock[0] == '3' or stock[:3] == '688' else round(full_tick[stock]['lastClose'] *1.1,2)
用昨收价* 1.2和1.1判断当前是否涨跌停。 首先，没有考虑到ST股，部分ST是5%涨停的。
其次，是直接用的昨收价，如果当天是分红除权日，昨收价没有做除权处理，得到的涨跌幅也是不准的。
当然这个文档最大的问题是，很多示例代码运行是直接报错的！！
查看全部
如果拿去做code review，估计会被喷的体无完肤。
变量名，类名用A ，B，C 噗， 没有一点含义，做什么鬼
class a():而且也不符合python风格。。。python类名推荐的大写字母开头，实例化对象用小写字母。
pass
A = a()
所以退一万步讲，上面的代码正常点的程序员写也应该是这样的。
class A():
pass
a = A()
其实正确的应该
class GlobalCls():
pass
g = GlobalCls()
其他地方也是有这个毛病。
把代码喂给GPT，让它来分析一下：
得到如下结果：
文件编码声明： #coding:gbk 是指定源文件的编码格式为GBK。在Python 3中，通常使用UTF-8作为文件编码格式，因此可以将该行删除或更改为#coding:utf-8。
类名和函数名： 根据PEP 8命名约定，类名应该使用大写字母开头的驼峰命名法（例如A改为A）。同样，函数名应该使用小写字母开头的小写命名法（例如init改为init，f改为f）。
类和实例： 在代码中定义了一个空类a，但没有给它任何属性或方法。如果不需要这个类，可以将其删除。
缩进和代码格式： Python非常依赖于正确的缩进，以指示代码块的层次结构。请确保代码的缩进是一致的，并使用适当的缩进级别（通常是4个空格）。
代码注释： 代码中有一些注释，但是大部分是被注释掉的。良好的注释可以增加代码的可读性和可维护性，建议在关键部分添加更多有用的注释。
异常处理： 代码中没有包含任何异常处理机制。在实际应用中，建议对可能引发异常的操作进行适当的异常处理，以提高代码的健壮性。
然后里面计算涨停是这样的：
rise_price = round(full_tick[stock]['lastClose'] *1.2,2) if stock[0] == '3' or stock[:3] == '688' else round(full_tick[stock]['lastClose'] *1.1,2)
用昨收价* 1.2和1.1判断当前是否涨跌停。 首先，没有考虑到ST股，部分ST是5%涨停的。
其次，是直接用的昨收价，如果当天是分红除权日，昨收价没有做除权处理，得到的涨跌幅也是不准的。
当然这个文档最大的问题是，很多示例代码运行是直接报错的！！
QMT获取A股全市场股票代码
李魔佛 发表了文章 • 0 个评论 • 1684 次浏览 • 2023-10-25 15:23
QMT可以通过板块获取A股的全市场股票代码.
"沪深A股"
完整代码:#-*-coding:gbk-*-
import time
start = False
ACCOUNT = ''
def init(ContextInfo):
now = time.ctime()
print(now)
ContextInfo.run_time("execution","30nSecond","2023-04-14 13:20:00")
def execution(ContextInfo):
data = ContextInfo.get_stock_list_in_sector('沪深A股')
print(len(data))
def handlebar(ContextInfo):
pass
当前共有5047只股票【2023-10-25 15:18:45.533】 start trading mode
【2023-10-25 15:18:45.533】 Wed Oct 25 15:18:45 2023
【2023-10-25 15:18:45.533】 5074
['000001.SZ', '000002.SZ', '000004.SZ', '000005.SZ', '000006.SZ', '000007.SZ', '000008.SZ', '000009.SZ', '000010.SZ', '000011.SZ', '000012.SZ', '000014.SZ', '000016.SZ', '000017.SZ', '000019.SZ', '000020.SZ', '000021.SZ', '000023.SZ', '000025.SZ', '000026.SZ', '000027.SZ', '000028.SZ', '000029.SZ', '000030.SZ', '000031.SZ', '000032.SZ', '000034.SZ', '000035.SZ', '000036.SZ', '000037.SZ', '000039.SZ', '000040.SZ', '000042.SZ', '000045.SZ', '000046.SZ', '000048.SZ', '000049.SZ', '000050.SZ', '000055.SZ', '000056.SZ', '000058.SZ', '000059.SZ', '000060.SZ', '000061.SZ', '000062.SZ', '000063.SZ', '000065.SZ', '000066.SZ', '000068.SZ', '000069.SZ', '000070.SZ', '000078.SZ', '000088.SZ', '000089.SZ', '000090.SZ', '000096.SZ', '000099.SZ', '000100.SZ', '000151.SZ', '000153.SZ', '000155.SZ', '000156.SZ', '000157.SZ', '000158.SZ', '000159.SZ', '000166.SZ', '000301.SZ', '000333.SZ', '000338.SZ', '000400.SZ', '000401.SZ', '000402.SZ', '000403.SZ', '000404.SZ', '000407.SZ', '000408.SZ', '000409.SZ', '000410.SZ', '000411.SZ', '000413.SZ', '000415.SZ', '000416.SZ', '000417.SZ', '000419.SZ', '000420.SZ', '000421.SZ', '000422.SZ', '000423.SZ', '000425.SZ', '000426.SZ',省略若干...
点击查看大图
是否遇到QMT或Ptrade的问题, 无从入手? 或者咨询无门 ?
来加入 知识星球 , 获取专业的技术解答, 量化实盘代码, 技术交流群
查看全部
"沪深A股"
完整代码:#-*-coding:gbk-*-
import time
start = False
ACCOUNT = ''
def init(ContextInfo):
now = time.ctime()
print(now)
ContextInfo.run_time("execution","30nSecond","2023-04-14 13:20:00")
def execution(ContextInfo):
data = ContextInfo.get_stock_list_in_sector('沪深A股')
print(len(data))
def handlebar(ContextInfo):
pass
当前共有5047只股票【2023-10-25 15:18:45.533】 start trading mode
【2023-10-25 15:18:45.533】 Wed Oct 25 15:18:45 2023
【2023-10-25 15:18:45.533】 5074
['000001.SZ', '000002.SZ', '000004.SZ', '000005.SZ', '000006.SZ', '000007.SZ', '000008.SZ', '000009.SZ', '000010.SZ', '000011.SZ', '000012.SZ', '000014.SZ', '000016.SZ', '000017.SZ', '000019.SZ', '000020.SZ', '000021.SZ', '000023.SZ', '000025.SZ', '000026.SZ', '000027.SZ', '000028.SZ', '000029.SZ', '000030.SZ', '000031.SZ', '000032.SZ', '000034.SZ', '000035.SZ', '000036.SZ', '000037.SZ', '000039.SZ', '000040.SZ', '000042.SZ', '000045.SZ', '000046.SZ', '000048.SZ', '000049.SZ', '000050.SZ', '000055.SZ', '000056.SZ', '000058.SZ', '000059.SZ', '000060.SZ', '000061.SZ', '000062.SZ', '000063.SZ', '000065.SZ', '000066.SZ', '000068.SZ', '000069.SZ', '000070.SZ', '000078.SZ', '000088.SZ', '000089.SZ', '000090.SZ', '000096.SZ', '000099.SZ', '000100.SZ', '000151.SZ', '000153.SZ', '000155.SZ', '000156.SZ', '000157.SZ', '000158.SZ', '000159.SZ', '000166.SZ', '000301.SZ', '000333.SZ', '000338.SZ', '000400.SZ', '000401.SZ', '000402.SZ', '000403.SZ', '000404.SZ', '000407.SZ', '000408.SZ', '000409.SZ', '000410.SZ', '000411.SZ', '000413.SZ', '000415.SZ', '000416.SZ', '000417.SZ', '000419.SZ', '000420.SZ', '000421.SZ', '000422.SZ', '000423.SZ', '000425.SZ', '000426.SZ',省略若干...
点击查看大图
是否遇到QMT或Ptrade的问题, 无从入手? 或者咨询无门 ?
来加入 知识星球 , 获取专业的技术解答, 量化实盘代码, 技术交流群
查看全部
QMT可以通过板块获取A股的全市场股票代码.
"沪深A股"
完整代码:
当前共有5047只股票
点击查看大图
是否遇到QMT或Ptrade的问题, 无从入手? 或者咨询无门 ?
来加入 知识星球 , 获取专业的技术解答, 量化实盘代码, 技术交流群
"沪深A股"
完整代码:
#-*-coding:gbk-*-
import time
start = False
ACCOUNT = ''
def init(ContextInfo):
now = time.ctime()
print(now)
ContextInfo.run_time("execution","30nSecond","2023-04-14 13:20:00")
def execution(ContextInfo):
data = ContextInfo.get_stock_list_in_sector('沪深A股')
print(len(data))
def handlebar(ContextInfo):
pass
当前共有5047只股票
【2023-10-25 15:18:45.533】 start trading mode省略若干...
【2023-10-25 15:18:45.533】 Wed Oct 25 15:18:45 2023
【2023-10-25 15:18:45.533】 5074
['000001.SZ', '000002.SZ', '000004.SZ', '000005.SZ', '000006.SZ', '000007.SZ', '000008.SZ', '000009.SZ', '000010.SZ', '000011.SZ', '000012.SZ', '000014.SZ', '000016.SZ', '000017.SZ', '000019.SZ', '000020.SZ', '000021.SZ', '000023.SZ', '000025.SZ', '000026.SZ', '000027.SZ', '000028.SZ', '000029.SZ', '000030.SZ', '000031.SZ', '000032.SZ', '000034.SZ', '000035.SZ', '000036.SZ', '000037.SZ', '000039.SZ', '000040.SZ', '000042.SZ', '000045.SZ', '000046.SZ', '000048.SZ', '000049.SZ', '000050.SZ', '000055.SZ', '000056.SZ', '000058.SZ', '000059.SZ', '000060.SZ', '000061.SZ', '000062.SZ', '000063.SZ', '000065.SZ', '000066.SZ', '000068.SZ', '000069.SZ', '000070.SZ', '000078.SZ', '000088.SZ', '000089.SZ', '000090.SZ', '000096.SZ', '000099.SZ', '000100.SZ', '000151.SZ', '000153.SZ', '000155.SZ', '000156.SZ', '000157.SZ', '000158.SZ', '000159.SZ', '000166.SZ', '000301.SZ', '000333.SZ', '000338.SZ', '000400.SZ', '000401.SZ', '000402.SZ', '000403.SZ', '000404.SZ', '000407.SZ', '000408.SZ', '000409.SZ', '000410.SZ', '000411.SZ', '000413.SZ', '000415.SZ', '000416.SZ', '000417.SZ', '000419.SZ', '000420.SZ', '000421.SZ', '000422.SZ', '000423.SZ', '000425.SZ', '000426.SZ',
点击查看大图
是否遇到QMT或Ptrade的问题, 无从入手? 或者咨询无门 ?
来加入 知识星球 , 获取专业的技术解答, 量化实盘代码, 技术交流群
国金QMT测试版|模拟盘 安装程序 下载
李魔佛 发表了文章 • 0 个评论 • 3710 次浏览 • 2023-09-02 12:16
国金证券QMT测试账号信息：
登录账号：******* 登录密码：*********
QMT交易测试客户端下载链接 链接：https://download.gjzq.com.cn/temp/organ/gjzqqmt_ceshi.rar
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的视频的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。费率万一，可半年后免五。
开户后可提供技术相关解答。
查看全部
登录账号：******* 登录密码：*********
QMT交易测试客户端下载链接 链接：https://download.gjzq.com.cn/temp/organ/gjzqqmt_ceshi.rar
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的视频的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。费率万一，可半年后免五。
开户后可提供技术相关解答。
查看全部
国金证券QMT测试账号信息：
登录账号：******* 登录密码：*********
QMT交易测试客户端下载链接 链接：https://download.gjzq.com.cn/temp/organ/gjzqqmt_ceshi.rar
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的视频的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。费率万一，可半年后免五。
开户后可提供技术相关解答。
国金QMT实盘版本下载地址
李魔佛 发表了文章 • 0 个评论 • 3498 次浏览 • 2023-08-22 22:00
官网没有提供下载地址，QMT一般是找经理开户后，然后申请QMT开通权限后，会发送账号和下载链接，还有接口文档，使用手册。
QMT实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqqmt.rar
安装路径最好不要有中文，和空格。
实盘版里面可以切换模拟和实盘。
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。
开户后可提供技术相关解答。
附一个国金Ptrade的下载地址：
Ptrade实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqptd.rar
查看全部
QMT实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqqmt.rar
安装路径最好不要有中文，和空格。
实盘版里面可以切换模拟和实盘。
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。
开户后可提供技术相关解答。
附一个国金Ptrade的下载地址：
Ptrade实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqptd.rar
查看全部
官网没有提供下载地址，QMT一般是找经理开户后，然后申请QMT开通权限后，会发送账号和下载链接，还有接口文档，使用手册。
QMT实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqqmt.rar
安装路径最好不要有中文，和空格。
实盘版里面可以切换模拟和实盘。
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。
开户后可提供技术相关解答。
附一个国金Ptrade的下载地址：
Ptrade实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqptd.rar
QMT实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqqmt.rar
安装路径最好不要有中文，和空格。
实盘版里面可以切换模拟和实盘。
在线接口文档：
https://qmt.ptradeapi.com
需要开通QMT的朋友可以扫码咨询开通，目前国金开通门槛是入金2W就可以了。
开户后可提供技术相关解答。
附一个国金Ptrade的下载地址：
Ptrade实盘版下载地址：
https://download.gjzq.com.cn/gjty/organ/gjzqptd.rar
哪些券商有miniqmt？ 门槛如何
李魔佛 发表了文章 • 0 个评论 • 2614 次浏览 • 2023-08-11 12:04
miniqmt可以不在QMT的框架下编写代码，灵活性要高于QMT。
它属于一个精简版的QMT，把回测功能，UI界面操作功能去除。
你可以把miniqmt导入到你的项目里面，直接操作下单。
from xtquant import xtdata
data = xtdata.get_market_data(field_list=['time', 'open', 'close', 'high', 'low', 'volume', 'amount'], stock_list=['603000.SH'], period='1d', start_time='20230101')
print(data)上面代码 可以直接在你的pycharm里面运行， 提前把 xtquant 这个包复制到系统路径，site-packages，或者自己加到环境变量。
MiniQMT支持新版本的Python
最新已经支持python3.6-3.11
更新方式：主QMT-设置-交易设置-模型设置里更新Python库
目前支持miniQTM的券商有哪些？
其实miniqmt是附属在QMT上的，正常有QMT的，默认就可以使用miniqmt，除非券商作妖，阉割了。
国金，国盛支持miniqmt，开通QMT后 miniqmt就是直接可以使用的。
而国信的miniqmt默认被阉割了，需要额外去申请。（可能还有些经理不敬业的，会和你说不支持miniqmt，曾经遇到过），不过国信的miniqmt开通后，个人只能拉取行情数据，是没有下单权限，下单券商是需要机构才可以申请。
国金的QMT，miniqmt的开通门槛会低一些，有入金2W就可以开通的营业部； 也有入金50W开通的营业部。 需要的盆友可以扫码咨询开通。
国盛的QMT，目前门槛比较高，需要资产100W才能开通。本身之前门槛还只是入金30W就可以的了，后面他们不断地提高门槛，提到50W，后面提高到100W，不过最近几天，营业部的经理和我说目前我这边开通只需要50W即可。
所以平时有优惠费率的时候就不要犹犹豫豫，把账户和权限开了再说，因为好事不常有，过了这个桥就没有这个店。
需要开户的盆友可以扫码咨询
查看全部
它属于一个精简版的QMT，把回测功能，UI界面操作功能去除。
你可以把miniqmt导入到你的项目里面，直接操作下单。
from xtquant import xtdata
data = xtdata.get_market_data(field_list=['time', 'open', 'close', 'high', 'low', 'volume', 'amount'], stock_list=['603000.SH'], period='1d', start_time='20230101')
print(data)上面代码 可以直接在你的pycharm里面运行， 提前把 xtquant 这个包复制到系统路径，site-packages，或者自己加到环境变量。
MiniQMT支持新版本的Python
最新已经支持python3.6-3.11
更新方式：主QMT-设置-交易设置-模型设置里更新Python库
目前支持miniQTM的券商有哪些？
其实miniqmt是附属在QMT上的，正常有QMT的，默认就可以使用miniqmt，除非券商作妖，阉割了。
国金，国盛支持miniqmt，开通QMT后 miniqmt就是直接可以使用的。
而国信的miniqmt默认被阉割了，需要额外去申请。（可能还有些经理不敬业的，会和你说不支持miniqmt，曾经遇到过），不过国信的miniqmt开通后，个人只能拉取行情数据，是没有下单权限，下单券商是需要机构才可以申请。
国金的QMT，miniqmt的开通门槛会低一些，有入金2W就可以开通的营业部； 也有入金50W开通的营业部。 需要的盆友可以扫码咨询开通。
国盛的QMT，目前门槛比较高，需要资产100W才能开通。本身之前门槛还只是入金30W就可以的了，后面他们不断地提高门槛，提到50W，后面提高到100W，不过最近几天，营业部的经理和我说目前我这边开通只需要50W即可。
所以平时有优惠费率的时候就不要犹犹豫豫，把账户和权限开了再说，因为好事不常有，过了这个桥就没有这个店。
需要开户的盆友可以扫码咨询
查看全部
miniqmt可以不在QMT的框架下编写代码，灵活性要高于QMT。
它属于一个精简版的QMT，把回测功能，UI界面操作功能去除。
你可以把miniqmt导入到你的项目里面，直接操作下单。
MiniQMT支持新版本的Python
最新已经支持python3.6-3.11
更新方式：主QMT-设置-交易设置-模型设置里更新Python库
目前支持miniQTM的券商有哪些？
其实miniqmt是附属在QMT上的，正常有QMT的，默认就可以使用miniqmt，除非券商作妖，阉割了。
国金，国盛支持miniqmt，开通QMT后 miniqmt就是直接可以使用的。
而国信的miniqmt默认被阉割了，需要额外去申请。（可能还有些经理不敬业的，会和你说不支持miniqmt，曾经遇到过），不过国信的miniqmt开通后，个人只能拉取行情数据，是没有下单权限，下单券商是需要机构才可以申请。
国金的QMT，miniqmt的开通门槛会低一些，有入金2W就可以开通的营业部； 也有入金50W开通的营业部。 需要的盆友可以扫码咨询开通。
国盛的QMT，目前门槛比较高，需要资产100W才能开通。本身之前门槛还只是入金30W就可以的了，后面他们不断地提高门槛，提到50W，后面提高到100W，不过最近几天，营业部的经理和我说目前我这边开通只需要50W即可。
所以平时有优惠费率的时候就不要犹犹豫豫，把账户和权限开了再说，因为好事不常有，过了这个桥就没有这个店。
需要开户的盆友可以扫码咨询
它属于一个精简版的QMT，把回测功能，UI界面操作功能去除。
你可以把miniqmt导入到你的项目里面，直接操作下单。
from xtquant import xtdata上面代码 可以直接在你的pycharm里面运行， 提前把 xtquant 这个包复制到系统路径，site-packages，或者自己加到环境变量。
data = xtdata.get_market_data(field_list=['time', 'open', 'close', 'high', 'low', 'volume', 'amount'], stock_list=['603000.SH'], period='1d', start_time='20230101')
print(data)
MiniQMT支持新版本的Python
最新已经支持python3.6-3.11
更新方式：主QMT-设置-交易设置-模型设置里更新Python库
目前支持miniQTM的券商有哪些？
其实miniqmt是附属在QMT上的，正常有QMT的，默认就可以使用miniqmt，除非券商作妖，阉割了。
国金，国盛支持miniqmt，开通QMT后 miniqmt就是直接可以使用的。
而国信的miniqmt默认被阉割了，需要额外去申请。（可能还有些经理不敬业的，会和你说不支持miniqmt，曾经遇到过），不过国信的miniqmt开通后，个人只能拉取行情数据，是没有下单权限，下单券商是需要机构才可以申请。
国金的QMT，miniqmt的开通门槛会低一些，有入金2W就可以开通的营业部； 也有入金50W开通的营业部。 需要的盆友可以扫码咨询开通。
国盛的QMT，目前门槛比较高，需要资产100W才能开通。本身之前门槛还只是入金30W就可以的了，后面他们不断地提高门槛，提到50W，后面提高到100W，不过最近几天，营业部的经理和我说目前我这边开通只需要50W即可。
所以平时有优惠费率的时候就不要犹犹豫豫，把账户和权限开了再说，因为好事不常有，过了这个桥就没有这个店。
需要开户的盆友可以扫码咨询
国金证券QMT量化新人培训教程
李魔佛 发表了文章 • 0 个评论 • 4624 次浏览 • 2023-05-29 00:37
最近国金证券邀请了QMT技术人员对内部用户进行了新人培训，并提供视频回放。
视频已经整理放到B站：
https://space.bilibili.com/73827743/channel/seriesdetail?sid=3326385&ctype=0
视频目录：
量化新人用QMT+chat GPT快速上手量化策略（一）QMT基础介绍
量化新人用QMT+chat GPT快速上手量化策略（二）QMT均线盘后选股
量化新人用QMT+chat GPT快速上手量化策略（三）一个基本的回测策略代码
量化新人用QMT+chat GPT快速上手量化策略（四） QMT运行一个策略的整体流程
量化新人用QMT+chat GPT快速上手量化策略（五） 获取股票数据
量化新人用QMT+chat GPT快速上手量化策略（六） tablib计算指标
量化新人用QMT+chat GPT快速上手量化策略（七） 下单代码编写
欢迎观看并提出疑问。
公众号：可转债量化分析 查看全部
视频已经整理放到B站：
https://space.bilibili.com/73827743/channel/seriesdetail?sid=3326385&ctype=0
视频目录：
量化新人用QMT+chat GPT快速上手量化策略（一）QMT基础介绍
量化新人用QMT+chat GPT快速上手量化策略（二）QMT均线盘后选股
量化新人用QMT+chat GPT快速上手量化策略（三）一个基本的回测策略代码
量化新人用QMT+chat GPT快速上手量化策略（四） QMT运行一个策略的整体流程
量化新人用QMT+chat GPT快速上手量化策略（五） 获取股票数据
量化新人用QMT+chat GPT快速上手量化策略（六） tablib计算指标
量化新人用QMT+chat GPT快速上手量化策略（七） 下单代码编写
欢迎观看并提出疑问。
公众号：可转债量化分析 查看全部
最近国金证券邀请了QMT技术人员对内部用户进行了新人培训，并提供视频回放。
视频已经整理放到B站：
https://space.bilibili.com/73827743/channel/seriesdetail?sid=3326385&ctype=0
视频目录：
欢迎观看并提出疑问。
公众号：可转债量化分析
视频已经整理放到B站：
https://space.bilibili.com/73827743/channel/seriesdetail?sid=3326385&ctype=0
视频目录：
量化新人用QMT+chat GPT快速上手量化策略（一）QMT基础介绍
量化新人用QMT+chat GPT快速上手量化策略（二）QMT均线盘后选股
量化新人用QMT+chat GPT快速上手量化策略（三）一个基本的回测策略代码
量化新人用QMT+chat GPT快速上手量化策略（四） QMT运行一个策略的整体流程
量化新人用QMT+chat GPT快速上手量化策略（五） 获取股票数据
量化新人用QMT+chat GPT快速上手量化策略（六） tablib计算指标
量化新人用QMT+chat GPT快速上手量化策略（七） 下单代码编写
欢迎观看并提出疑问。
公众号：可转债量化分析
QMT获取实时分笔委托数据用哪个函数？
李魔佛 发表了文章 • 0 个评论 • 1986 次浏览 • 2023-05-24 15:31
.get_market_data 和 get_market_data_ex （第二版）都可以。
现在官方更加推荐使用第二版，速度要比第一版的要快，也就是推荐使用 .get_market_data_ex。
具体怎么使用呢？
def init(ContextInfo):
ContextInfo.run_time('execution', '3nSecond', '2019-10-14 13:20:00',)
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
data = ContextInfo.get_market_data_ex(
[], ['123136.SZ'], period='tick'
, start_time='', end_time='', count=1
, dividend_type='follow', fill_data=True
, subscribe=True)
print(data)
def handlebar(ContextInfo):
#计算当前主图的cci
pass上面代码是每个3秒获取一次 城市转债 的分笔/逐笔数据。
然后在实盘重运行得到下面的结果：
（点击放大）
可以拿到分笔委托的价格，委卖1到5，委托量也可以看到，买和卖的5挡数据。
更多QMT的知识分享： 查看全部
现在官方更加推荐使用第二版，速度要比第一版的要快，也就是推荐使用 .get_market_data_ex。
具体怎么使用呢？
def init(ContextInfo):
ContextInfo.run_time('execution', '3nSecond', '2019-10-14 13:20:00',)
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
data = ContextInfo.get_market_data_ex(
[], ['123136.SZ'], period='tick'
, start_time='', end_time='', count=1
, dividend_type='follow', fill_data=True
, subscribe=True)
print(data)
def handlebar(ContextInfo):
#计算当前主图的cci
pass上面代码是每个3秒获取一次 城市转债 的分笔/逐笔数据。
然后在实盘重运行得到下面的结果：
（点击放大）
可以拿到分笔委托的价格，委卖1到5，委托量也可以看到，买和卖的5挡数据。
更多QMT的知识分享： 查看全部
.get_market_data 和 get_market_data_ex （第二版）都可以。
现在官方更加推荐使用第二版，速度要比第一版的要快，也就是推荐使用 .get_market_data_ex。
具体怎么使用呢？
然后在实盘重运行得到下面的结果：
（点击放大）
可以拿到分笔委托的价格，委卖1到5，委托量也可以看到，买和卖的5挡数据。
更多QMT的知识分享：
现在官方更加推荐使用第二版，速度要比第一版的要快，也就是推荐使用 .get_market_data_ex。
具体怎么使用呢？
def init(ContextInfo):上面代码是每个3秒获取一次 城市转债 的分笔/逐笔数据。
ContextInfo.run_time('execution', '3nSecond', '2019-10-14 13:20:00',)
def execution(ContextInfo):
if not ContextInfo.is_last_bar():
return
data = ContextInfo.get_market_data_ex(
[], ['123136.SZ'], period='tick'
, start_time='', end_time='', count=1
, dividend_type='follow', fill_data=True
, subscribe=True)
print(data)
def handlebar(ContextInfo):
#计算当前主图的cci
pass
然后在实盘重运行得到下面的结果：
（点击放大）
可以拿到分笔委托的价格，委卖1到5，委托量也可以看到，买和卖的5挡数据。
更多QMT的知识分享：
QMT委托对象orderInfo的属性以及对应的值
李魔佛 发表了文章 • 0 个评论 • 1971 次浏览 • 2023-05-18 15:43
又得吐槽一次QMT的文档设计与撰写者。纯粹是业余水平+为了完成任务滥竽充数的API接口文档。
官网给出了来的oderInfo里面的字段以及简单的介绍（已经简单得不能再简单了，连对应的是什么类型都不写，懒的一笔）
m_strAccountID: 资金账号，账号，账号，资金账号
m_strExchangeID: 证券市场
m_strExchangeName: 交易市场
m_strProductID: 品种代码
m_strProductName: 品种名称
m_strInstrumentID: 证券代码
m_strInstrumentName: 证券名称，合约名称
m_strOrderRef: 内部委托号，下单引用等于股票的内部委托号
m_nOrderPriceType: EBrokerPriceType 类型，例如市价单、限价单
m_nDirection: EEntrustBS 类型，操作，多空，期货多空，股票买卖永远是 48，其他的 dir 同理
m_nOffsetFlag: EOffset_Flag_Type类型，买卖/开平，用此字段区分股票买卖，期货开、平仓，期权买卖等
m_nHedgeFlag: EHedge_Flag_Type 类型，投保
m_dLimitPrice: 委托价格,限价单的限价，就是报价
m_nVolumeTotalOriginal: 委托量，最初委托量
m_nOrderSubmitStatus: EEntrustSubmitStatus 类型，报单状态，提交状态，股票中不需要报单状态
m_strOrderSysID: 合同编号，委托号
m_nOrderStatus: EEntrustStatus，委托状态
m_nVolumeTraded: 成交数量，已成交量
m_nVolumeTotal: 委托剩余量，当前总委托量，股票的含义是总委托量减去成交量
m_nErrorID: 状态信息
m_strErrorMsg: 状态信息
m_nTaskId：任务号
m_dFrozenMargin: 冻结金额，冻结保证金
m_dFrozenCommission: 冻结手续费
m_strInsertDate: 委托日期，报单日期
m_strInsertTime: 委托时间
m_dTradedPrice: 成交均价（股票）
m_dCancelAmount: 已撤数量
m_strOptName: 买卖标记，展示委托属性的中文
m_dTradeAmount: 成交金额，成交额，期货 = 均价 * 量 * 合约乘数
m_eEntrustType: EEntrustTypes，委托类别
m_strCancelInfo: 废单原因
m_strUnderCode: 标的证券代码
m_eCoveredFlag: ECoveredFlag，备兑标记 '0' - 非备兑，'1' - 备兑
m_dOrderPriceRMB: 委托价格（人民币），目前用于港股通
m_dTradeAmountRMB: 成交金额（人民币），目前用于港股通
m_dReferenceRate: 汇率，目前用于港股通
m_strCompactNo: 合约编号
m_eCashgroupProp: EXTCompactBrushSource类型，头寸来源
m_dShortOccupedMargin: 预估在途占用保证金，用于期权
m_strXTTrade: 是否是迅投交易
m_strAccountKey: 账号key，唯一区别不同账号的key
m_strRemark：投资备注但我们可以直接使用枚举的方法，把上面的属性和对应的值列出来。
attr EBrokerPriceType value <class 'EBrokerPriceType'>
attr ECoveredFlag value <class 'ECoveredFlag'>
attr EEntrustBS value <class 'EEntrustBS'>
attr EEntrustStatus value <class 'EEntrustStatus'>
attr EEntrustSubmitStatus value <class 'EEntrustSubmitStatus'>
attr EEntrustTypes value <class 'EEntrustTypes'>
attr EFutureTradeType value <class 'EFutureTradeType'>
attr EHedge_Flag_Type value <class 'EHedge_Flag_Type'>
attr EOffset_Flag_Type value <class 'EOffset_Flag_Type'>
attr ESideFlag value <class 'ESideFlag'>
attr EXTCompactBrushSource value <class 'EXTCompactBrushSource'>
attr EXTCompactStatus value <class 'EXTCompactStatus'>
attr EXTCompactType value <class 'EXTCompactType'>
attr EXTSloTypeQueryMode value <class 'EXTSloTypeQueryMode'>
attr EXTSubjectsStatus value <class 'EXTSubjectsStatus'>
attr __class__ value <class 'COrderDetail'>
attr __delattr__ value <method-wrapper '__delattr__' of COrderDetail object at 0x000000004AD59A60>
attr __dict__ value {}
attr __dir__ value <built-in method __dir__ of COrderDetail object at 0x000000004AD59A60>
attr __doc__ value None
attr __eq__ value <method-wrapper '__eq__' of COrderDetail object at 0x000000004AD59A60>
attr __format__ value <built-in method __format__ of COrderDetail object at 0x000000004AD59A60>
attr __ge__ value <method-wrapper '__ge__' of COrderDetail object at 0x000000004AD59A60>
attr __getattribute__ value <method-wrapper '__getattribute__' of COrderDetail object at 0x000000004AD59A60>
attr __gt__ value <method-wrapper '__gt__' of COrderDetail object at 0x000000004AD59A60>
attr __hash__ value <method-wrapper '__hash__' of COrderDetail object at 0x000000004AD59A60>
attr __init__ value <bound method __init__ of <COrderDetail object at 0x000000004AD59A60>>
attr __init_subclass__ value <built-in method __init_subclass__ of Boost.Python.class object at 0x0000000044C55368>
attr __instance_size__ value 1088
attr __le__ value <method-wrapper '__le__' of COrderDetail object at 0x000000004AD59A60>
attr __lt__ value <method-wrapper '__lt__' of COrderDetail object at 0x000000004AD59A60>
attr __ne__ value <method-wrapper '__ne__' of COrderDetail object at 0x000000004AD59A60>
attr __new__ value <built-in method __new__ of Boost.Python.class object at 0x000007FEDCF525C0>
attr __reduce__ value <bound method <unnamed Boost.Python function> of <COrderDetail object at 0x000000004AD59A60>>
attr __reduce_ex__ value <built-in method __reduce_ex__ of COrderDetail object at 0x000000004AD59A60>
attr __repr__ value <method-wrapper '__repr__' of COrderDetail object at 0x000000004AD59A60>
attr __setattr__ value <method-wrapper '__setattr__' of COrderDetail object at 0x000000004AD59A60>
attr __sizeof__ value <built-in method __sizeof__ of COrderDetail object at 0x000000004AD59A60>
attr __str__ value <method-wrapper '__str__' of COrderDetail object at 0x000000004AD59A60>
attr __subclasshook__ value <built-in method __subclasshook__ of Boost.Python.class object at 0x0000000044C55368>
attr __weakref__ value None
attr j value j
attr m_bEnable value True
attr m_dCancelAmount value 0.0
attr m_dFrozenCommission value 0.15
attr m_dFrozenMargin value 1000.0
attr m_dLimitPrice value 2.3
具体的获取方式，可以到个人的知识星球获取。
星球也会不定时更新一些QMT常见的坑和问题，也可以提问：
这里简单介绍一下几个常用的字段：
attr m_nOrderStatus value 50
委托状态： 50代表已报， 注意，这里有个坑， 委托状态会返回2次，一次是先显示49，下一次是显示50，状态从待报-变成已报。
查看全部
官网给出了来的oderInfo里面的字段以及简单的介绍（已经简单得不能再简单了，连对应的是什么类型都不写，懒的一笔）
m_strAccountID: 资金账号，账号，账号，资金账号
m_strExchangeID: 证券市场
m_strExchangeName: 交易市场
m_strProductID: 品种代码
m_strProductName: 品种名称
m_strInstrumentID: 证券代码
m_strInstrumentName: 证券名称，合约名称
m_strOrderRef: 内部委托号，下单引用等于股票的内部委托号
m_nOrderPriceType: EBrokerPriceType 类型，例如市价单、限价单
m_nDirection: EEntrustBS 类型，操作，多空，期货多空，股票买卖永远是 48，其他的 dir 同理
m_nOffsetFlag: EOffset_Flag_Type类型，买卖/开平，用此字段区分股票买卖，期货开、平仓，期权买卖等
m_nHedgeFlag: EHedge_Flag_Type 类型，投保
m_dLimitPrice: 委托价格,限价单的限价，就是报价
m_nVolumeTotalOriginal: 委托量，最初委托量
m_nOrderSubmitStatus: EEntrustSubmitStatus 类型，报单状态，提交状态，股票中不需要报单状态
m_strOrderSysID: 合同编号，委托号
m_nOrderStatus: EEntrustStatus，委托状态
m_nVolumeTraded: 成交数量，已成交量
m_nVolumeTotal: 委托剩余量，当前总委托量，股票的含义是总委托量减去成交量
m_nErrorID: 状态信息
m_strErrorMsg: 状态信息
m_nTaskId：任务号
m_dFrozenMargin: 冻结金额，冻结保证金
m_dFrozenCommission: 冻结手续费
m_strInsertDate: 委托日期，报单日期
m_strInsertTime: 委托时间
m_dTradedPrice: 成交均价（股票）
m_dCancelAmount: 已撤数量
m_strOptName: 买卖标记，展示委托属性的中文
m_dTradeAmount: 成交金额，成交额，期货 = 均价 * 量 * 合约乘数
m_eEntrustType: EEntrustTypes，委托类别
m_strCancelInfo: 废单原因
m_strUnderCode: 标的证券代码
m_eCoveredFlag: ECoveredFlag，备兑标记 '0' - 非备兑，'1' - 备兑
m_dOrderPriceRMB: 委托价格（人民币），目前用于港股通
m_dTradeAmountRMB: 成交金额（人民币），目前用于港股通
m_dReferenceRate: 汇率，目前用于港股通
m_strCompactNo: 合约编号
m_eCashgroupProp: EXTCompactBrushSource类型，头寸来源
m_dShortOccupedMargin: 预估在途占用保证金，用于期权
m_strXTTrade: 是否是迅投交易
m_strAccountKey: 账号key，唯一区别不同账号的key
m_strRemark：投资备注但我们可以直接使用枚举的方法，把上面的属性和对应的值列出来。
attr EBrokerPriceType value <class 'EBrokerPriceType'>
attr ECoveredFlag value <class 'ECoveredFlag'>
attr EEntrustBS value <class 'EEntrustBS'>
attr EEntrustStatus value <class 'EEntrustStatus'>
attr EEntrustSubmitStatus value <class 'EEntrustSubmitStatus'>
attr EEntrustTypes value <class 'EEntrustTypes'>
attr EFutureTradeType value <class 'EFutureTradeType'>
attr EHedge_Flag_Type value <class 'EHedge_Flag_Type'>
attr EOffset_Flag_Type value <class 'EOffset_Flag_Type'>
attr ESideFlag value <class 'ESideFlag'>
attr EXTCompactBrushSource value <class 'EXTCompactBrushSource'>
attr EXTCompactStatus value <class 'EXTCompactStatus'>
attr EXTCompactType value <class 'EXTCompactType'>
attr EXTSloTypeQueryMode value <class 'EXTSloTypeQueryMode'>
attr EXTSubjectsStatus value <class 'EXTSubjectsStatus'>
attr __class__ value <class 'COrderDetail'>
attr __delattr__ value <method-wrapper '__delattr__' of COrderDetail object at 0x000000004AD59A60>
attr __dict__ value {}
attr __dir__ value <built-in method __dir__ of COrderDetail object at 0x000000004AD59A60>
attr __doc__ value None
attr __eq__ value <method-wrapper '__eq__' of COrderDetail object at 0x000000004AD59A60>
attr __format__ value <built-in method __format__ of COrderDetail object at 0x000000004AD59A60>
attr __ge__ value <method-wrapper '__ge__' of COrderDetail object at 0x000000004AD59A60>
attr __getattribute__ value <method-wrapper '__getattribute__' of COrderDetail object at 0x000000004AD59A60>
attr __gt__ value <method-wrapper '__gt__' of COrderDetail object at 0x000000004AD59A60>
attr __hash__ value <method-wrapper '__hash__' of COrderDetail object at 0x000000004AD59A60>
attr __init__ value <bound method __init__ of <COrderDetail object at 0x000000004AD59A60>>
attr __init_subclass__ value <built-in method __init_subclass__ of Boost.Python.class object at 0x0000000044C55368>
attr __instance_size__ value 1088
attr __le__ value <method-wrapper '__le__' of COrderDetail object at 0x000000004AD59A60>
attr __lt__ value <method-wrapper '__lt__' of COrderDetail object at 0x000000004AD59A60>
attr __ne__ value <method-wrapper '__ne__' of COrderDetail object at 0x000000004AD59A60>
attr __new__ value <built-in method __new__ of Boost.Python.class object at 0x000007FEDCF525C0>
attr __reduce__ value <bound method <unnamed Boost.Python function> of <COrderDetail object at 0x000000004AD59A60>>
attr __reduce_ex__ value <built-in method __reduce_ex__ of COrderDetail object at 0x000000004AD59A60>
attr __repr__ value <method-wrapper '__repr__' of COrderDetail object at 0x000000004AD59A60>
attr __setattr__ value <method-wrapper '__setattr__' of COrderDetail object at 0x000000004AD59A60>
attr __sizeof__ value <built-in method __sizeof__ of COrderDetail object at 0x000000004AD59A60>
attr __str__ value <method-wrapper '__str__' of COrderDetail object at 0x000000004AD59A60>
attr __subclasshook__ value <built-in method __subclasshook__ of Boost.Python.class object at 0x0000000044C55368>
attr __weakref__ value None
attr j value j
attr m_bEnable value True
attr m_dCancelAmount value 0.0
attr m_dFrozenCommission value 0.15
attr m_dFrozenMargin value 1000.0
attr m_dLimitPrice value 2.3
具体的获取方式，可以到个人的知识星球获取。
星球也会不定时更新一些QMT常见的坑和问题，也可以提问：
这里简单介绍一下几个常用的字段：
attr m_nOrderStatus value 50
委托状态： 50代表已报， 注意，这里有个坑， 委托状态会返回2次，一次是先显示49，下一次是显示50，状态从待报-变成已报。
查看全部
又得吐槽一次QMT的文档设计与撰写者。纯粹是业余水平+为了完成任务滥竽充数的API接口文档。
官网给出了来的oderInfo里面的字段以及简单的介绍（已经简单得不能再简单了，连对应的是什么类型都不写，懒的一笔）
具体的获取方式，可以到个人的知识星球获取。
星球也会不定时更新一些QMT常见的坑和问题，也可以提问：
这里简单介绍一下几个常用的字段：
attr m_nOrderStatus value 50
委托状态： 50代表已报， 注意，这里有个坑， 委托状态会返回2次，一次是先显示49，下一次是显示50，状态从待报-变成已报。
官网给出了来的oderInfo里面的字段以及简单的介绍（已经简单得不能再简单了，连对应的是什么类型都不写，懒的一笔）
m_strAccountID: 资金账号，账号，账号，资金账号但我们可以直接使用枚举的方法，把上面的属性和对应的值列出来。
m_strExchangeID: 证券市场
m_strExchangeName: 交易市场
m_strProductID: 品种代码
m_strProductName: 品种名称
m_strInstrumentID: 证券代码
m_strInstrumentName: 证券名称，合约名称
m_strOrderRef: 内部委托号，下单引用等于股票的内部委托号
m_nOrderPriceType: EBrokerPriceType 类型，例如市价单、限价单
m_nDirection: EEntrustBS 类型，操作，多空，期货多空，股票买卖永远是 48，其他的 dir 同理
m_nOffsetFlag: EOffset_Flag_Type类型，买卖/开平，用此字段区分股票买卖，期货开、平仓，期权买卖等
m_nHedgeFlag: EHedge_Flag_Type 类型，投保
m_dLimitPrice: 委托价格,限价单的限价，就是报价
m_nVolumeTotalOriginal: 委托量，最初委托量
m_nOrderSubmitStatus: EEntrustSubmitStatus 类型，报单状态，提交状态，股票中不需要报单状态
m_strOrderSysID: 合同编号，委托号
m_nOrderStatus: EEntrustStatus，委托状态
m_nVolumeTraded: 成交数量，已成交量
m_nVolumeTotal: 委托剩余量，当前总委托量，股票的含义是总委托量减去成交量
m_nErrorID: 状态信息
m_strErrorMsg: 状态信息
m_nTaskId：任务号
m_dFrozenMargin: 冻结金额，冻结保证金
m_dFrozenCommission: 冻结手续费
m_strInsertDate: 委托日期，报单日期
m_strInsertTime: 委托时间
m_dTradedPrice: 成交均价（股票）
m_dCancelAmount: 已撤数量
m_strOptName: 买卖标记，展示委托属性的中文
m_dTradeAmount: 成交金额，成交额，期货 = 均价 * 量 * 合约乘数
m_eEntrustType: EEntrustTypes，委托类别
m_strCancelInfo: 废单原因
m_strUnderCode: 标的证券代码
m_eCoveredFlag: ECoveredFlag，备兑标记 '0' - 非备兑，'1' - 备兑
m_dOrderPriceRMB: 委托价格（人民币），目前用于港股通
m_dTradeAmountRMB: 成交金额（人民币），目前用于港股通
m_dReferenceRate: 汇率，目前用于港股通
m_strCompactNo: 合约编号
m_eCashgroupProp: EXTCompactBrushSource类型，头寸来源
m_dShortOccupedMargin: 预估在途占用保证金，用于期权
m_strXTTrade: 是否是迅投交易
m_strAccountKey: 账号key，唯一区别不同账号的key
m_strRemark：投资备注
attr EBrokerPriceType value <class 'EBrokerPriceType'>
attr ECoveredFlag value <class 'ECoveredFlag'>
attr EEntrustBS value <class 'EEntrustBS'>
attr EEntrustStatus value <class 'EEntrustStatus'>
attr EEntrustSubmitStatus value <class 'EEntrustSubmitStatus'>
attr EEntrustTypes value <class 'EEntrustTypes'>
attr EFutureTradeType value <class 'EFutureTradeType'>
attr EHedge_Flag_Type value <class 'EHedge_Flag_Type'>
attr EOffset_Flag_Type value <class 'EOffset_Flag_Type'>
attr ESideFlag value <class 'ESideFlag'>
attr EXTCompactBrushSource value <class 'EXTCompactBrushSource'>
attr EXTCompactStatus value <class 'EXTCompactStatus'>
attr EXTCompactType value <class 'EXTCompactType'>
attr EXTSloTypeQueryMode value <class 'EXTSloTypeQueryMode'>
attr EXTSubjectsStatus value <class 'EXTSubjectsStatus'>
attr __class__ value <class 'COrderDetail'>
attr __delattr__ value <method-wrapper '__delattr__' of COrderDetail object at 0x000000004AD59A60>
attr __dict__ value {}
attr __dir__ value <built-in method __dir__ of COrderDetail object at 0x000000004AD59A60>
attr __doc__ value None
attr __eq__ value <method-wrapper '__eq__' of COrderDetail object at 0x000000004AD59A60>
attr __format__ value <built-in method __format__ of COrderDetail object at 0x000000004AD59A60>
attr __ge__ value <method-wrapper '__ge__' of COrderDetail object at 0x000000004AD59A60>
attr __getattribute__ value <method-wrapper '__getattribute__' of COrderDetail object at 0x000000004AD59A60>
attr __gt__ value <method-wrapper '__gt__' of COrderDetail object at 0x000000004AD59A60>
attr __hash__ value <method-wrapper '__hash__' of COrderDetail object at 0x000000004AD59A60>
attr __init__ value <bound method __init__ of <COrderDetail object at 0x000000004AD59A60>>
attr __init_subclass__ value <built-in method __init_subclass__ of Boost.Python.class object at 0x0000000044C55368>
attr __instance_size__ value 1088
attr __le__ value <method-wrapper '__le__' of COrderDetail object at 0x000000004AD59A60>
attr __lt__ value <method-wrapper '__lt__' of COrderDetail object at 0x000000004AD59A60>
attr __ne__ value <method-wrapper '__ne__' of COrderDetail object at 0x000000004AD59A60>
attr __new__ value <built-in method __new__ of Boost.Python.class object at 0x000007FEDCF525C0>
attr __reduce__ value <bound method <unnamed Boost.Python function> of <COrderDetail object at 0x000000004AD59A60>>
attr __reduce_ex__ value <built-in method __reduce_ex__ of COrderDetail object at 0x000000004AD59A60>
attr __repr__ value <method-wrapper '__repr__' of COrderDetail object at 0x000000004AD59A60>
attr __setattr__ value <method-wrapper '__setattr__' of COrderDetail object at 0x000000004AD59A60>
attr __sizeof__ value <built-in method __sizeof__ of COrderDetail object at 0x000000004AD59A60>
attr __str__ value <method-wrapper '__str__' of COrderDetail object at 0x000000004AD59A60>
attr __subclasshook__ value <built-in method __subclasshook__ of Boost.Python.class object at 0x0000000044C55368>
attr __weakref__ value None
attr j value j
attr m_bEnable value True
attr m_dCancelAmount value 0.0
attr m_dFrozenCommission value 0.15
attr m_dFrozenMargin value 1000.0
attr m_dLimitPrice value 2.3
具体的获取方式，可以到个人的知识星球获取。
星球也会不定时更新一些QMT常见的坑和问题，也可以提问：
这里简单介绍一下几个常用的字段：
attr m_nOrderStatus value 50
委托状态： 50代表已报， 注意，这里有个坑， 委托状态会返回2次，一次是先显示49，下一次是显示50，状态从待报-变成已报。
QMT运行后的历史日志保存在哪个位置？
李魔佛 发表了文章 • 0 个评论 • 1934 次浏览 • 2023-05-11 14:10
如果退出了QMT，那么在当前窗口运行的日志就会跟着消失。
PS: 知乎上这位是抄袭我的：
https://zhuanlan.zhihu.com/p/650119640
我这里有很多QMT的文章，都是没有原创没有加水印的
如果想要找回以前的历史日志，可以到下面的路径寻找;
以国信证券的iquant为例：
C:\iquant_gx\userdata\log
具体以你的券商路径安装名字为准
个人的日志输出在文件名：
XtClient_FormulaOutput_20230426 （后面的是日期，具体根据你要查找的时间来找）
看到没？
上面的日志就是记录当时的策略输出。
国信证券iQuant， 万一免五 开户，无门槛开通，
需要的可以联系：
可开通miniqmt 查看全部
PS: 知乎上这位是抄袭我的：
https://zhuanlan.zhihu.com/p/650119640
我这里有很多QMT的文章，都是没有原创没有加水印的
如果想要找回以前的历史日志，可以到下面的路径寻找;
以国信证券的iquant为例：
C:\iquant_gx\userdata\log
具体以你的券商路径安装名字为准
个人的日志输出在文件名：
XtClient_FormulaOutput_20230426 （后面的是日期，具体根据你要查找的时间来找）
看到没？
上面的日志就是记录当时的策略输出。
国信证券iQuant， 万一免五 开户，无门槛开通，
需要的可以联系：
可开通miniqmt 查看全部
如果退出了QMT，那么在当前窗口运行的日志就会跟着消失。
PS: 知乎上这位是抄袭我的：
https://zhuanlan.zhihu.com/p/650119640
我这里有很多QMT的文章，都是没有原创没有加水印的
如果想要找回以前的历史日志，可以到下面的路径寻找;
以国信证券的iquant为例：
C:\iquant_gx\userdata\log
具体以你的券商路径安装名字为准
个人的日志输出在文件名：
XtClient_FormulaOutput_20230426 （后面的是日期，具体根据你要查找的时间来找）
看到没？
上面的日志就是记录当时的策略输出。
国信证券iQuant， 万一免五 开户，无门槛开通，
需要的可以联系：
可开通miniqmt
PS: 知乎上这位是抄袭我的：
https://zhuanlan.zhihu.com/p/650119640
我这里有很多QMT的文章，都是没有原创没有加水印的
如果想要找回以前的历史日志，可以到下面的路径寻找;
以国信证券的iquant为例：
C:\iquant_gx\userdata\log
具体以你的券商路径安装名字为准
个人的日志输出在文件名：
XtClient_FormulaOutput_20230426 （后面的是日期，具体根据你要查找的时间来找）
看到没？
上面的日志就是记录当时的策略输出。
国信证券iQuant， 万一免五 开户，无门槛开通，
需要的可以联系：
可开通miniqmt
迅投QMT修改编辑器字体大小，4个空格缩进（默认是TAB），背景颜色
李魔佛 发表了文章 • 0 个评论 • 2631 次浏览 • 2023-04-25 12:22
QMT的默认编辑器是非常难用的。字体，大小，颜色，编码，缩进，一言难尽。
而且在菜单里面也找不到设置的地方。
其实用户是可以修改这个编辑器的配置的。
找到QMT的安装目录，找到config文件夹，里面有个editor.xml 的文件，用记事本或者notepad++等文本编辑器打开。
如果要修改字体大小，可以修改：
<font FamilyName="Courier New" IsBold="false" size="16"/>
把size设置大一点，字体即可变大。
如果要把tab缩进改为空格缩进（主流IDE，pycharm vscode都是4个空格缩进的），可以改成下面的
<font FamilyName="Courier New" IsBold="false" size="20"/>
<align TabStop="4" AutoIndent="true" IndentationsUseTabs="false" WrapWord="false"/>
如果需要修改背景色：
同理：
<color bgcolor="255,255,255"/>
修改这一行，
比如变成黑色背景
<color bgcolor="0,0,0"/>
PS： 上述配置部分券商可以在QMT的IDE上设置，比如字体大小等，而在这个xml里面修改却生效不了
改为后记得重启QMT生效
公众号后台回复：
qmt配置文件
可以获取修改为tab缩进的配置文件
查看全部
而且在菜单里面也找不到设置的地方。
其实用户是可以修改这个编辑器的配置的。
找到QMT的安装目录，找到config文件夹，里面有个editor.xml 的文件，用记事本或者notepad++等文本编辑器打开。
如果要修改字体大小，可以修改：
<font FamilyName="Courier New" IsBold="false" size="16"/>
把size设置大一点，字体即可变大。
如果要把tab缩进改为空格缩进（主流IDE，pycharm vscode都是4个空格缩进的），可以改成下面的
<font FamilyName="Courier New" IsBold="false" size="20"/>
<align TabStop="4" AutoIndent="true" IndentationsUseTabs="false" WrapWord="false"/>
如果需要修改背景色：
同理：
<color bgcolor="255,255,255"/>
修改这一行，
比如变成黑色背景
<color bgcolor="0,0,0"/>
PS： 上述配置部分券商可以在QMT的IDE上设置，比如字体大小等，而在这个xml里面修改却生效不了
改为后记得重启QMT生效
公众号后台回复：
qmt配置文件
可以获取修改为tab缩进的配置文件
查看全部
QMT的默认编辑器是非常难用的。字体，大小，颜色，编码，缩进，一言难尽。
而且在菜单里面也找不到设置的地方。
其实用户是可以修改这个编辑器的配置的。
找到QMT的安装目录，找到config文件夹，里面有个editor.xml 的文件，用记事本或者notepad++等文本编辑器打开。
如果要修改字体大小，可以修改：
<font FamilyName="Courier New" IsBold="false" size="16"/>
把size设置大一点，字体即可变大。
如果要把tab缩进改为空格缩进（主流IDE，pycharm vscode都是4个空格缩进的），可以改成下面的
<font FamilyName="Courier New" IsBold="false" size="20"/>
<align TabStop="4" AutoIndent="true" IndentationsUseTabs="false" WrapWord="false"/>
如果需要修改背景色：
同理：
<color bgcolor="255,255,255"/>
修改这一行，
比如变成黑色背景
<color bgcolor="0,0,0"/>
PS： 上述配置部分券商可以在QMT的IDE上设置，比如字体大小等，而在这个xml里面修改却生效不了
改为后记得重启QMT生效
公众号后台回复：
qmt配置文件
可以获取修改为tab缩进的配置文件
而且在菜单里面也找不到设置的地方。
其实用户是可以修改这个编辑器的配置的。
找到QMT的安装目录，找到config文件夹，里面有个editor.xml 的文件，用记事本或者notepad++等文本编辑器打开。
如果要修改字体大小，可以修改：
<font FamilyName="Courier New" IsBold="false" size="16"/>
把size设置大一点，字体即可变大。
如果要把tab缩进改为空格缩进（主流IDE，pycharm vscode都是4个空格缩进的），可以改成下面的
<font FamilyName="Courier New" IsBold="false" size="20"/>
<align TabStop="4" AutoIndent="true" IndentationsUseTabs="false" WrapWord="false"/>
如果需要修改背景色：
同理：
<color bgcolor="255,255,255"/>
修改这一行，
比如变成黑色背景
<color bgcolor="0,0,0"/>
PS： 上述配置部分券商可以在QMT的IDE上设置，比如字体大小等，而在这个xml里面修改却生效不了
改为后记得重启QMT生效
公众号后台回复：
qmt配置文件
可以获取修改为tab缩进的配置文件
