QMT

你的浏览器禁用了JavaScript, 请开启后刷新浏览器获得更好的体验!

QMT文件读写限制绕过

QMT • 李魔佛发表了文章 • 0 个评论 • 133 次浏览 • 2026-10-20 19:33 • 来自相关话题

某金券商的大QMT将在10月23日对文件读写和网络连接进行限制。

而其QMT测试客户端在10月13日已经开始限制了。

简单测试了一下：

报错日子一看，FileIO已经没有权限写入。写入文件路径为 "D:\github\input.csv"

不过只要我把目录路径改成相对路径："input.csv" , 数据是可以被写入且读取的。

这个路径是QMT安装目录下的子目录bin.x64，比如我的是: D:\tool\gjzq_qmt_simulation\bin.x64

这样就轻松绕过读写限制了。

其实上面的绝对路径的读取文件也是没有任何问题的，只是无法写入而已。

需要写入的话就使用相对路径。

网络的话，测试端使用requests请求一切正常，并没有限制。所以传递数据的时候使用API传给QMT访问是没有问题的。

QMT本地持久化

如果不想使用本地来存储，QMT系统提供了

save_py_key(key, value) 和 get_py_key(key)

两个函数，用于将策略运行过程中的中间变量持久化存储到券商服务端数据库中，数据是加密保存的。QMT系统提供了 save_py_key(key, value) 和 get_py_key(key) 两个函数，用于将策略运行过程中的中间变量持久化存储到券商服务端数据库中，数据是加密保存的。
函数说明：
save_py_key(key, value)：保存数据
key ：要保存的关键字， str 类型
value ：要保存的值， str 类型
返回： errid （错误id，0表示成功）， errmsg （错误信息，成功时为空字符串）
示例： errid, errmsg = save_py_key('关键字', '值')
get_py_key(key)：读取数据
key ：要读取的关键字， str 类型
返回： value （返回的值， str 类型）， errid ， errmsg
示例： value, errid, errmsg = get_py_key('关键字')
注意事项：
单字段长度限制为5000字符（英文1个字符，中文2个字符）。
该功能适用于在QMT系统对文件读写和网络连接进行限制后，替代本地文件存储中间变量的方案。
附测试使用代码：
# encoding:gbk
import json

def server_kv_store():
key = 'positions'
v = [{'symbol': '123456.SZ','base_pirce':100},{'symbol': '123457.SZ','base_pirce':200}]
kv = { key: json.dumps(v)}

# 保存键值对
print('保存数据',kv)
errid, errmsg = save_py_key(key, kv[key])
if errid != 0:
print("Failed to save key-value: ", errmsg)
return

print('保存成功,读取数据')
value, errid, errmsg = get_py_key(key)
if errid!=0:
print("Failed to get key-value: ", errmsg)
return

jvalue = json.loads(value)
print('读取数据', jvalue)

def init(ContextInfo):
# read_io()
# network_io()
server_kv_store()

def handlebar(ContextInfo):
pass
在测试客户端上测试通过。

value的参数类型是str，所以dict，list这些类型需要json.dump序列化一下，不然会报错。

不同券商遇到的问题不同，到时QMT实盘客户端也可能有不同的限制，可评论留言。

关注公众号: 查看全部

某金券商的大QMT将在10月23日对文件读写和网络连接进行限制。

而其QMT测试客户端在10月13日已经开始限制了。

简单测试了一下：

报错日子一看，FileIO已经没有权限写入。写入文件路径为 "D:\github\input.csv"

不过只要我把目录路径改成相对路径："input.csv" , 数据是可以被写入且读取的。

这个路径是QMT安装目录下的子目录bin.x64，比如我的是: D:\tool\gjzq_qmt_simulation\bin.x64

这样就轻松绕过读写限制了。

其实上面的绝对路径的读取文件也是没有任何问题的，只是无法写入而已。

需要写入的话就使用相对路径。

网络的话，测试端使用requests请求一切正常，并没有限制。所以传递数据的时候使用API传给QMT访问是没有问题的。

QMT本地持久化

如果不想使用本地来存储，QMT系统提供了

save_py_key(key, value) 和 get_py_key(key)

两个函数，用于将策略运行过程中的中间变量持久化存储到券商服务端数据库中，数据是加密保存的。

QMT系统提供了  save_py_key(key, value)  和  get_py_key(key)  两个函数，用于将策略运行过程中的中间变量持久化存储到券商服务端数据库中，数据是加密保存的。

函数说明：

save_py_key(key, value)：保存数据

 key  ：要保存的关键字，  str  类型

 value  ：要保存的值，  str  类型

返回：  errid  （错误id，0表示成功），  errmsg  （错误信息，成功时为空字符串）

示例：  errid, errmsg = save_py_key('关键字', '值')  

get_py_key(key)：读取数据

 key  ：要读取的关键字，  str  类型

返回：  value  （返回的值，  str  类型），  errid  ，  errmsg  

示例：  value, errid, errmsg = get_py_key('关键字')  

注意事项：

单字段长度限制为5000字符（英文1个字符，中文2个字符）。

该功能适用于在QMT系统对文件读写和网络连接进行限制后，替代本地文件存储中间变量的方案。

附测试使用代码：

# encoding:gbk

import json



def server_kv_store():

    key = 'positions'

    v = [{'symbol': '123456.SZ','base_pirce':100},{'symbol': '123457.SZ','base_pirce':200}]

    kv = { key: json.dumps(v)}

 

    # 保存键值对

    print('保存数据',kv)

    errid, errmsg = save_py_key(key, kv[key])

    if errid != 0:

        print("Failed to save key-value: ", errmsg)

        return

    



    print('保存成功,读取数据')

    value, errid, errmsg = get_py_key(key)

    if errid!=0:

        print("Failed to get key-value: ", errmsg)

        return

    

    jvalue = json.loads(value)

    print('读取数据', jvalue)



def init(ContextInfo):

    # read_io()

    # network_io()

    server_kv_store()



def handlebar(ContextInfo):

    pass

在测试客户端上测试通过。

value的参数类型是str，所以dict，list这些类型需要json.dump序列化一下，不然会报错。

不同券商遇到的问题不同，到时QMT实盘客户端也可能有不同的限制，可评论留言。

关注公众号:

国金证券, 国投证券 QMT 的IO文件功能被禁止

QMT • 李魔佛发表了文章 • 0 个评论 • 886 次浏览 • 2026-10-12 09:14 • 来自相关话题

之前是miniQMT被停用, 现在是QMT的IO文件读写被限制, 包括网络, 数据库等.

下面是券商的公告:

系统预留信息
【重要】内置Python策略功能调整
2026-10-08 00:00:00

[重要]尊敬的投资者:

为进一步规范迅投QMT系统功能，我部近期将对有关功能模块进行调整，具体如下:

一、关闭内置Python策略文件读写功能
涉及本地文件读写的功能(包括但不限于open()、read()、write()及相关第三方库)均无法使用。

二、关闭内置Python策略外部网络连接功能
涉及策略发起的网络连接(包括但不限于HTTP、TCP、UDP等)、局域网或本机数据库连接(包括但不限于MYSQL、Redis、SQLite等)以及与局域网内其他设备进行网络通信、网络IP地址与网络端口的连接及涉及上述的相关三方库均会被禁止。

三、取消登录页的独立交易选项
本次功能升级，将会一并取消登录页的独立交易选项，如您的系统界面仍有此按钮，请尽快在本次升级完成后登录我司官网下载最新客户端。
本次升级将于10月23日完成，使用内置python，且不与外部进行任何交互的策略不受上述调整影响。

这次整治, 是因为有些人利用QMT,miniQMT 售卖策略. 但他们不是给你源码, 因为源码卖出是一次性的. 他们为了更长远的割韭菜, 它们提供的参数配置, 需要你去开户, 然后使用QMT账号, 连接他们的系统, 你只能修改一些策略参数, 定制化程度比较低, 策略同质化比较严重, 如果资金量大的人, 还很容易被他们内部收割. 比如你设置的参数止盈是涨幅5%, 他们内部可以设置另一个策略, 止盈为4.5% , 就可以在你之前出货.

目前已知的黑平台有云飞量化, 禄得lude.cc 这些, 这次也是因为它们导致miniQMT被查封的. 查看全部

这次整治, 是因为有些人利用QMT,miniQMT 售卖策略. 但他们不是给你源码, 因为源码卖出是一次性的. 他们为了更长远的割韭菜, 它们提供的参数配置, 需要你去开户, 然后使用QMT账号, 连接他们的系统, 你只能修改一些策略参数, 定制化程度比较低, 策略同质化比较严重, 如果资金量大的人, 还很容易被他们内部收割. 比如你设置的参数止盈是涨幅5%, 他们内部可以设置另一个策略, 止盈为4.5% , 就可以在你之前出货.

目前已知的黑平台有云飞量化, 禄得lude.cc 这些, 这次也是因为它们导致miniQMT被查封的.

国信证券iquant(QMT) 相比其他券商有什么优势？

QMT • 李魔佛发表了文章 • 0 个评论 • 583 次浏览 • 2026-09-05 16:17 • 来自相关话题

国信QMT（相对于其他券商的QMT软件的优势），PS：国信的QMT叫iquant，界面加了一些功能。

一、国信QMT历史数据更丰富，下载不受限制，从股票上市就有，其他券商只有最近三年的历史数据。

二、国信QMT的L1（tick）行情数据免费使用，支持盘口五档以及分笔数据，其他券商只有三档。

三、国信QMT支持算法交易以及云服务器运行，其他券商不支持。

五、国信QMT支持多点登录，也就是多个电脑同事登录一个账号，其他券商不支持。

六、国信QMT申请实盘简单，开户后T+1申请实盘，不用邮寄资料，其他券商需要客户邮寄资料。

七、国信是头部券商，全国各地都有营业部，客户办理高端业务，临柜方便，国信证券提供量化技术支持服务。

国信有miniQMT，可以拿去获取数据，回测，但是不能去下单。

查看全部

国信QMT（相对于其他券商的QMT软件的优势），PS：国信的QMT叫iquant，界面加了一些功能。

一、国信QMT历史数据更丰富，下载不受限制，从股票上市就有，其他券商只有最近三年的历史数据。

二、国信QMT的L1（tick）行情数据免费使用，支持盘口五档以及分笔数据，其他券商只有三档。

三、国信QMT支持算法交易以及云服务器运行，其他券商不支持。

五、国信QMT支持多点登录，也就是多个电脑同事登录一个账号，其他券商不支持。

六、国信QMT申请实盘简单，开户后T+1申请实盘，不用邮寄资料，其他券商需要客户邮寄资料。

七、国信是头部券商，全国各地都有营业部，客户办理高端业务，临柜方便，国信证券提供量化技术支持服务。

国信有miniQMT，可以拿去获取数据，回测，但是不能去下单。

ptrade运行的策略全部不见了 | 国金证券

Ptrade • 李魔佛发表了文章 • 0 个评论 • 536 次浏览 • 2026-08-14 12:06 • 来自相关话题

原本正在运行的策略，会出现第二天全部不见了。

正常运行和已停止的都不见了。

在回测页面里面能看到之前的写的策略。

客服回应说服务器内存不足造成，重启环境之后，上报给他们可以找回。

不过问题是策略已经停止了，找回正常运行的策略也是要自己启动，还不如我自己重新新建策略，重新启动得了。

所以使用ptrade，最后把平时的输出日志保存为文件，自动存储到研究的jupyter notebook下面。

这样就能够在策略重启，无故消失的情况下，找回丢失的日志。

查看全部

华泰QMT下载 | 华泰支持迅投QMT了

QMT • 李魔佛发表了文章 • 0 个评论 • 636 次浏览 • 2026-08-03 10:41 • 来自相关话题

华泰目前已经支持QMT。 2026年8月。

华泰迅投QMT系统是专门为专业交易客户打造的集合策略投研、交易执行、行情展示、风控管理为一体的综合投研交易终端。策略研究包括数据管理、策略研究、策略风控等功能；支持组合交易、算法交易、对冲交易、机构风格下单等高效的交易功能，满足不同投资者的多样化交易需求。

QMT下载地址：
https://inst.htsc.com/helpOnline?productId=60&moduleCode=1

它支持自定义编程模块，可以自己编程下单。

接口文档：https://qmt.ptradeapi.com
查看全部

华泰目前已经支持QMT。 2026年8月。

华泰迅投QMT系统是专门为专业交易客户打造的集合策略投研、交易执行、行情展示、风控管理为一体的综合投研交易终端。策略研究包括数据管理、策略研究、策略风控等功能；支持组合交易、算法交易、对冲交易、机构风格下单等高效的交易功能，满足不同投资者的多样化交易需求。

QMT下载地址：
https://inst.htsc.com/helpOnline?productId=60&moduleCode=1

它支持自定义编程模块，可以自己编程下单。

接口文档：https://qmt.ptradeapi.com

miniQMT停用后，外部调用QMT内部函数的路子

QMT • 李魔佛发表了文章 • 0 个评论 • 1326 次浏览 • 2026-07-02 08:56 • 来自相关话题

最近某个别券商准备暂停miniQMT的功能，仅保留大QMT的功能。对于在外部启动策略的量化投资者来说，意味着要把程序全部塞回到QMT里面运行，这会造成诸多不便。

但办法总比困难多，其中一个方法是在QMT里开一个HTTP的REST API服务，外部可以调用这个HTTP API，达到下单，撤单，查询持仓，获取行情等所有在QMT下所需要的功能。

目前QMT内置的python版本为3.6.8，你可以在里面安装各种第三方web框架，fastapi，django，flask等。而QMT原来内置了tornado，就不需要额外安装其他第三方库了。文末提供完整源码地址。

导入所需要的库
from tornado.web import Application, RequestHandler, HTTPError
from tornado.ioloop import IOLoop

程序核心就是在QMT的init函数里面就启动我们的HTTP服务，端口PORT随意。
PORT = 10086
ACCOUNT_ID = '你的QMT账号'
def init(ContextInfo):
try:
ContextInfo.accountID = ACCOUNT_ID
app = make_app()
app.ContextInfo = ContextInfo
app.accountID = ContextInfo.accountID

app.listen(PORT, address='0.0.0.0') # 如果只在本地网络，可以设置为127.0.0.1
logger.info(f"QMT HTTP Server 启动于 http://0.0.0.0:{PORT} (全部API已加载)")
IOLoop.current().start()
except Exception as e:
logger.exception(f"server start failed: {e}")

make_app里提供的注册路由。

============= 路由注册 =============
def make_app():
return Application([

# 原有兼容路由
(r"/api/holding", HoldingHandler),
(r"/api/money/total", TotalMoneyHandler),
(r"/api/money/available", AvailableMoneyHandler),
(r"/api/order/buy", BuyHandler),
(r"/api/order/sell", SellHandler),
(r"/api/order/deal", DealHandler),
..... 省略若干
# 数据查询
(r"/api/data/stock_name", StockNameHandler),
(r"/api/data/open_date", OpenDateHandler),
(r"/api/data/last_volume", LastVolumeHandler),
(r"/api/data/bar_timetag", BarTimetagHandler),
(r"/api/data/tick_timetag", TickTimetagHandler),
(r"/api/data/sector", SectorHandler),
(r"/api/data/industry", IndustryHandler),
(r"/api/data/stock_list_in_sector", StockListInSectorHandler),
(r"/api/data/history_data", HistoryDataHandler),
(r"/api/data/market_data", MarketDataHandler),
(r"/api/data/market_data_ex", MarketDataExHandler),
(r"/api/data/full_tick", FullTickHandler),

每个API实现一个原QMT的函数，所以有非常多的API端点。

当然这些函数我都让AI帮我对着QMT的文档实现的。

接口文档：https://qmt.ptradeapi.com/QMT_Python_API_Doc.html

然后FullTickHandler的实现如下：
# ContextInfo.get_full_tick() - 获取分笔数据
class FullTickHandler(BaseHandler):
def post(self):
data = json.loads(self.request.body)
stocks = data.get('stocks', '')
if not stocks:
raise HTTPError(400, "need args stocks")
code_list = [s.strip() for s in stocks.split(',')]
ret = safe_call(self.ctx().get_full_tick, code_list)
if not ret:
raise HTTPError(500, "获取分笔行情失败")
self.write(json.dumps(ret, ensure_ascii=False, default=str))

这里核心就是执行QMT的get_full_tick，把数据作为response返回。请求使用POST，传入股票代码，返回股票tick数据。

在QMT里启动后，等待外部程序调用。

上面是把完整代码复制到QMT里，然后在实盘里面启动。

然后在你外部的程序里面写个简单的HTTP请求，就能调用QMT里面的API了。

如果你的电脑有公网IP，还可以不同电脑去远程调用QMT里面的函数，

这里加入一个任意TOKEN，和QMT里面一致就行，这样请求的header带上，避免其他人调用你的API操作你账号。如果只在本地运行，可以把最开始的监听地址0.0.0.0改为127.0.0.1

TOKEN = "123456789"
class QMTClient:
def __init__(self, base_url="http://127.0.0.1:10086"):
self.base = base_url
self.session = requests.Session()
self.session.headers.update({"Content-Type": "application/json; charset=utf-8"})
self.session.headers.update({"X-Token": TOKEN})

def _req(self, method, path, **kwargs):
url = f"{self.base}{path}"
try:
resp = self.session.request(method, url, timeout=10, **kwargs)
resp.raise_for_status()
return resp.json()
except requests.RequestException as e:
return {"error": str(e), "status_code": getattr(e.response, 'status_code', 500)}

def get_full_tick(self, stocks):
return self._req('POST', f'/api/data/full_tick', json={
"stocks": stocks})
client = QMTClient()
print(client.get_full_tick('600000.SH'))

client = QMTClient()
print(client.get_full_tick('600000.SH'))

QMT里可以看到对应的调用记录

外部程序的返回的结果：

然后按葫芦画瓢，让AI对着文档把剩余的函数都实现了即可。

比如要下单功能，就实现

# passorder(23) - 买入下单(封装passorder)
class BuyHandler(BaseHandler):
def post(self):
try:
data = json.loads(self.request.body)
stock = data['stock']
price = float(data['price'])
volume = int(data['volume'])
pr_type = data.get('prType', 11)
order_ref = passorder(23, 1101, self.acc(), stock, pr_type, price, volume, 'qmt', 2, self.ctx())
self.write(json.dumps({
"status": "success", "action": "buy", "stock": stock,
"order_ref": str(order_ref) if order_ref else"unknown"
}, ensure_ascii=False))
except Exception as e:
logger.exception("买入下单异常")
raise HTTPError(400, f"下单失败: {str(e)}")

然后在外部你的策略代码里面加入：

client = QMTClient()
client.buy_stock("600000.SZ", 6.80, 100)

即可完成下单，然后可以通过API查询持仓，获取最新状态。这样就不用把你策略嵌入到QMT里。

完整源码在github: https://github.com/Rockyzsu/QMT，（不确定是否AI封装的函数全部正确，会偶尔更新一下）

或者关注公众号"可转债量化分析",后台回复关键字：QMT封装

查看全部

from tornado.web import Application, RequestHandler, HTTPError

from tornado.ioloop import IOLoop

程序核心就是在QMT的init函数里面就启动我们的HTTP服务，端口PORT随意。

PORT = 10086

ACCOUNT_ID = '你的QMT账号'

def init(ContextInfo):

    try:

        ContextInfo.accountID = ACCOUNT_ID

        app = make_app()

        app.ContextInfo = ContextInfo

        app.accountID = ContextInfo.accountID



        app.listen(PORT, address='0.0.0.0') # 如果只在本地网络，可以设置为127.0.0.1

        logger.info(f"QMT HTTP Server 启动于 http://0.0.0.0:{PORT} (全部API已加载)")

        IOLoop.current().start()

    except Exception as e:

        logger.exception(f"server start failed: {e}")

make_app里提供的注册路由。

 ============= 路由注册 =============

def make_app():

    return Application([



        # 原有兼容路由

        (r"/api/holding", HoldingHandler),

        (r"/api/money/total", TotalMoneyHandler),

        (r"/api/money/available", AvailableMoneyHandler),

        (r"/api/order/buy", BuyHandler),

        (r"/api/order/sell", SellHandler),

        (r"/api/order/deal", DealHandler),

        ..... 省略若干

        # 数据查询

        (r"/api/data/stock_name", StockNameHandler),

        (r"/api/data/open_date", OpenDateHandler),

        (r"/api/data/last_volume", LastVolumeHandler),

        (r"/api/data/bar_timetag", BarTimetagHandler),

        (r"/api/data/tick_timetag", TickTimetagHandler),

        (r"/api/data/sector", SectorHandler),

        (r"/api/data/industry", IndustryHandler),

        (r"/api/data/stock_list_in_sector", StockListInSectorHandler),

        (r"/api/data/history_data", HistoryDataHandler),

        (r"/api/data/market_data", MarketDataHandler),

        (r"/api/data/market_data_ex", MarketDataExHandler),

        (r"/api/data/full_tick", FullTickHandler),

每个API实现一个原QMT的函数，所以有非常多的API端点。

当然这些函数我都让AI帮我对着QMT的文档实现的。

接口文档：https://qmt.ptradeapi.com/QMT_Python_API_Doc.html

然后FullTickHandler的实现如下：

# ContextInfo.get_full_tick() - 获取分笔数据

class FullTickHandler(BaseHandler):

    def post(self):

        data = json.loads(self.request.body)

        stocks = data.get('stocks', '')

        if not stocks:

            raise HTTPError(400, "need args stocks")

        code_list = [s.strip() for s in stocks.split(',')]

        ret = safe_call(self.ctx().get_full_tick, code_list)

        if not ret:

            raise HTTPError(500, "获取分笔行情失败")

        self.write(json.dumps(ret, ensure_ascii=False, default=str))

这里核心就是执行QMT的get_full_tick，把数据作为response返回。请求使用POST，传入股票代码，返回股票tick数据。

在QMT里启动后，等待外部程序调用。

上面是把完整代码复制到QMT里，然后在实盘里面启动。

然后在你外部的程序里面写个简单的HTTP请求，就能调用QMT里面的API了。

如果你的电脑有公网IP，还可以不同电脑去远程调用QMT里面的函数，

这里加入一个任意TOKEN，和QMT里面一致就行，这样请求的header带上，避免其他人调用你的API操作你账号。如果只在本地运行，可以把最开始的监听地址0.0.0.0改为127.0.0.1

TOKEN = "123456789" 

class QMTClient:

    def __init__(self, base_url="http://127.0.0.1:10086";):

        self.base = base_url

        self.session = requests.Session()

        self.session.headers.update({"Content-Type": "application/json; charset=utf-8"})

        self.session.headers.update({"X-Token": TOKEN})



    def _req(self, method, path, **kwargs):

        url = f"{self.base}{path}"

        try:

            resp = self.session.request(method, url, timeout=10, **kwargs)

            resp.raise_for_status()

            return resp.json()

        except requests.RequestException as e:

            return {"error": str(e), "status_code": getattr(e.response, 'status_code', 500)}



    def get_full_tick(self, stocks):

        return self._req('POST', f'/api/data/full_tick', json={

            "stocks": stocks})

client = QMTClient()

print(client.get_full_tick('600000.SH'))

client = QMTClient()
print(client.get_full_tick('600000.SH'))

QMT里可以看到对应的调用记录

外部程序的返回的结果：

然后按葫芦画瓢，让AI对着文档把剩余的函数都实现了即可。

比如要下单功能，就实现

# passorder(23) - 买入下单(封装passorder)

class BuyHandler(BaseHandler):

    def post(self):

        try:

            data = json.loads(self.request.body)

            stock = data['stock']

            price = float(data['price'])

            volume = int(data['volume'])

            pr_type = data.get('prType', 11)

            order_ref = passorder(23, 1101, self.acc(), stock, pr_type, price, volume, 'qmt', 2, self.ctx())

            self.write(json.dumps({

                "status": "success", "action": "buy", "stock": stock,

                "order_ref": str(order_ref) if order_ref else"unknown"

            }, ensure_ascii=False))

        except Exception as e:

            logger.exception("买入下单异常")

            raise HTTPError(400, f"下单失败: {str(e)}")

然后在外部你的策略代码里面加入：

client = QMTClient() 

client.buy_stock("600000.SZ", 6.80, 100)

即可完成下单，然后可以通过API查询持仓，获取最新状态。这样就不用把你策略嵌入到QMT里。

完整源码在github: https://github.com/Rockyzsu/QMT，（不确定是否AI封装的函数全部正确，会偶尔更新一下）

或者关注公众号"可转债量化分析",后台回复关键字：QMT封装

miniQMT要被暂停使用了吗

QMT • 李魔佛发表了文章 • 0 个评论 • 990 次浏览 • 2026-07-01 18:26 • 来自相关话题

目前确实收到消息，国X证券的miniQMT要被暂停使用。【国X证券的新开的用户没有miniQMT，存量的暂时不影响，后续会停止】

国X证券的通知：

但其他券商没有收到这个消息，所以其他券商依然能够正常使用。

从反馈的情况来看，是国X证券大面积推广这个miniQMT，导致同行反馈，被举报导致的。

其他规模不大的券商目前来看依然是安全的。

查看全部

目前确实收到消息，国X证券的miniQMT要被暂停使用。【国X证券的新开的用户没有miniQMT，存量的暂时不影响，后续会停止】

国X证券的通知：

但其他券商没有收到这个消息，所以其他券商依然能够正常使用。

从反馈的情况来看，是国X证券大面积推广这个miniQMT，导致同行反馈，被举报导致的。

其他规模不大的券商目前来看依然是安全的。

ptrade支持redis吗

Ptrade • 李魔佛发表了文章 • 0 个评论 • 624 次浏览 • 2026-06-25 13:49 • 来自相关话题

目前是不支持的。
在ptrade的研究页面里面，输入：
import redis就是直接报错：
/usr/local/python3.5/lib/python3.5/site-packages/fly/data/quotation.py:133: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-1-92da440a6abd> in <module>()
3 except Exception as e:
4 from fly.data.quotation import *
----> 5 import redis

ImportError: No module named 'redis'

查看全部

目前是不支持的。
在ptrade的研究页面里面，输入：

import redis

就是直接报错：

/usr/local/python3.5/lib/python3.5/site-packages/fly/data/quotation.py:133: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.

---------------------------------------------------------------------------

ImportError                               Traceback (most recent call last)

<ipython-input-1-92da440a6abd> in <module>()

      3 except Exception as e:

      4     from fly.data.quotation import *

----> 5 import redis



ImportError: No module named 'redis'

国盛ptrade的版本升级到3.11，但无法连接外部网络了 | 最新更新：可以申请访问

Ptrade • 李魔佛发表了文章 • 0 个评论 • 782 次浏览 • 2026-06-24 20:52 • 来自相关话题

########### 最新 ########
最新更新，现在又能够申请访问了，
不少人说国盛的ptrade内置python版本低，是3.5的。

现在迎来了大版本升级，新开户的用户会升级到内置python3.11，运行效率会有相应的提高。

但坏消息是，原本支持的访问外网的功能会被移除。也就是新用户只能使用内置的ptrade数据。没法访问自己的数据库，也没法爬虫，没法接收自己的信号。

requests请求qq.com 超时：

后续更新：

可以申购额外的访问权限，只需要提供下你要访问的域名地址或者IP端口。比如你的mysql服务器ip，既可以让ptrade访问你的服务器。从而获取数据。

需要开通国盛ptrade的，可以扫码联系：

查看全部

########### 最新 ########
最新更新，现在又能够申请访问了，
不少人说国盛的ptrade内置python版本低，是3.5的。

现在迎来了大版本升级，新开户的用户会升级到内置python3.11，运行效率会有相应的提高。

但坏消息是，原本支持的访问外网的功能会被移除。也就是新用户只能使用内置的ptrade数据。没法访问自己的数据库，也没法爬虫，没法接收自己的信号。

requests请求qq.com 超时：

后续更新：

可以申购额外的访问权限，只需要提供下你要访问的域名地址或者IP端口。比如你的mysql服务器ip，既可以让ptrade访问你的服务器。从而获取数据。

需要开通国盛ptrade的，可以扫码联系：

华泰证券支持QMT和Ptrade吗？

量化交易 • 李魔佛发表了文章 • 0 个评论 • 1248 次浏览 • 2026-04-28 17:21 • 来自相关话题

### 2026-08 发布
已更新。
目前华泰新增支持QMT。门槛入金50w。

### 2026-05 发布的 ####不支持。
目前为止，华泰没有Ptrade和QMT，华泰的量化平台用的是Matic。

好多AI读取的垃圾语料, 污染了返回结果.

里面有个模块MQuant。用于编写量化程序，支持python和C++

matic文档：
https://github.com/Rockyzsu/matic.git

需要开通的朋友可以扫码关注公众号，获取开通联系方式：

查看全部

### 2026-08 发布
已更新。
目前华泰新增支持QMT。门槛入金50w。

### 2026-05 发布的 ####不支持。
目前为止，华泰没有Ptrade和QMT，华泰的量化平台用的是Matic。

好多AI读取的垃圾语料, 污染了返回结果.

里面有个模块MQuant。用于编写量化程序，支持python和C++

matic文档：
https://github.com/Rockyzsu/matic.git

需要开通的朋友可以扫码关注公众号，获取开通联系方式：

湘财证券开通ptrade门槛

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1813 次浏览 • 2026-03-04 16:56 • 来自相关话题

湘财证券是最早支持ptrade券商，其在米哥（tushare的作者）的合作下，把tushare集成到ptrade里。

其文档地址： http://tushare.xcsc.com:7173/document/2

所以湘财证券也有内置的免费的tushare，

import xcsc_tushare as ts 它不限制积分，还可以免费一直使用。

xcsc tushare的数据相比官网的tushare会少一些数据。比如爬虫部分的数据。

目前湘财的费率是
股票万0.854
ETF/LOF 万0.5
可转债万1开通ptrade的门槛是入金1w，足够低。

目前湘财证券的ptrade是基于python3.11的最新版本。

需要的朋友可以咨询公众号：查看全部

湘财证券是最早支持ptrade券商，其在米哥（tushare的作者）的合作下，把tushare集成到ptrade里。

其文档地址： http://tushare.xcsc.com:7173/document/2

所以湘财证券也有内置的免费的tushare，

import xcsc_tushare as ts

它不限制积分，还可以免费一直使用。

xcsc tushare的数据相比官网的tushare会少一些数据。比如爬虫部分的数据。

目前湘财的费率是

股票 万0.854

ETF/LOF 万0.5

可转债 万1

开通ptrade的门槛是入金1w，足够低。

目前湘财证券的ptrade是基于python3.11的最新版本。

需要的朋友可以咨询公众号：

ptrade上 2个策略A和B同时运行，A策略成交时触发的回调事件会被B策略捕获吗？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1322 次浏览 • 2026-02-12 01:10 • 来自相关话题

ptrade上最多同时运行5个策略。

那么如果A策略有股票成交，那么会触发A策略里面的成交回调函数on_trade_response，但B策略里面的on_trade_response 不会捕获这个成交所触发的成交回调。

更新关于ptrade的解答，可以关注：

https://ptradeapi.com/hub/data/qa_data.html

可以关注公众号或者星球。查看全部

山西证券开通ptrade门槛万0.854免5 | 山西证券ptrade下载地址

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2029 次浏览 • 2025-12-27 19:00 • 来自相关话题

山西证券的ptrade可以自由切换python3.5和python3.11 二者的API会有一定的区别。

主要python3.11移除了pandas里的panel格式。导致之前ptrade获取到的3维数据不再兼容当前的最新版本。

山西证券ptrade下载地址：
山西证券ptrade实盘下载链接

山西证券ptrade仿真模拟下载链接

其实，个人感觉，现在的ptrade更加好用，不用再考虑不同的数据输入，来判读不同的返回结果。

get_history 函数，无论什么情况，都是返回dataframe格式。字段也是完全统一了

使用 sub_df = df[df['code']=code]
就能获取不同的输入格式。

换以前，如果传入的是一个字段 get_history(fields='close') 和get_history(fields=['low','close'])

返回的格式还得区分处理。

现在统一了，更加好用了。

目前山西证券ptrade开通门槛很低，入金5w就可以开通，而且费率是免5，万0.854免5，0.1起步，目前这么多券商里面是属于最低的了。

需要的朋友可以联系微信公众号开通：

查看全部

山西证券的ptrade可以自由切换python3.5和python3.11 二者的API会有一定的区别。

主要python3.11移除了pandas里的panel格式。导致之前ptrade获取到的3维数据不再兼容当前的最新版本。

山西证券ptrade下载地址：
山西证券ptrade实盘下载链接

山西证券ptrade仿真模拟下载链接

其实，个人感觉，现在的ptrade更加好用，不用再考虑不同的数据输入，来判读不同的返回结果。

get_history 函数，无论什么情况，都是返回dataframe格式。字段也是完全统一了

使用 sub_df = df[df['code']=code]
就能获取不同的输入格式。

换以前，如果传入的是一个字段 get_history(fields='close') 和get_history(fields=['low','close'])

返回的格式还得区分处理。

现在统一了，更加好用了。

目前山西证券ptrade开通门槛很低，入金5w就可以开通，而且费率是免5，万0.854免5，0.1起步，目前这么多券商里面是属于最低的了。

需要的朋友可以联系微信公众号开通：

东莞证券ptrade的编程功能模块被移除了

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1875 次浏览 • 2025-11-23 13:17 • 来自相关话题

东莞证券支持ptrade和qmt,miniQMT ,

本来门槛不太高,作为备用也是不错的.

也不知道上面领导怎么想的. 把编程模块移走了.

目前就剩ptrade上内置的一些基础功能

无法通过python编程实现自己的自定义策略.

有点可惜.

查看全部

东莞证券支持ptrade和qmt,miniQMT ,

本来门槛不太高,作为备用也是不错的.

也不知道上面领导怎么想的. 把编程模块移走了.

目前就剩ptrade上内置的一些基础功能

无法通过python编程实现自己的自定义策略.

有点可惜.

ptrade不支持reits，连持仓已有的也读取不出来

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1575 次浏览 • 2025-11-18 12:45 • 来自相关话题

之前有个老账号，reits打新中的一只retis基金。

然后调用get_positions获取持仓，居然为空。

开始以为我程序代码后缀有问题，百思不得其解，反复检查之后，突然想起目前的ptrade不支持reits品种。

但没想到居然这个持仓代码都读取不到。。。

查看全部

之前有个老账号，reits打新中的一只retis基金。

然后调用get_positions获取持仓，居然为空。

开始以为我程序代码后缀有问题，百思不得其解，反复检查之后，突然想起目前的ptrade不支持reits品种。

但没想到居然这个持仓代码都读取不到。。。

指数回来了，收益没回来！十年前 4000 点买入，多少股票至今没回本？

股票 • 李魔佛发表了文章 • 0 个评论 • 1958 次浏览 • 2025-10-29 08:58 • 来自相关话题

今天股市的头条新闻都是上证指数盘中冲破4000点，突破十年的高点。

可惜只持续了40分钟，收盘时跌回到3988点。

不过本轮并不是全面的牛市，没在暴涨板块的股民自嘲：

8000点的农行，6000点的科技，4000点的红利，剩下的全是2000点的难兄难弟。

十年光阴荏苒，上证指数上一次收盘价超过 4000 点是在 2015 年 7 月 24 日，当日收于 4070.91 点。

指数重回4000点，而又有多少股票的股价能够重回十年前4000点的时候股价呢？或者说还有多少股票依然还在以前4000点的时候的股价还低呢？

问了一下豆包，deepseek这个问题，结果说找不到现成的数据，无法分析。

迅速在ptrade上写个代码查询一下。

2015 年 7 月 24 日市场有有沪深股票2783只，而当时的2783只股票今天依然在市场交易的有2567只。大约有216只股票退市（少数是合并、收购，大部分原因是退市）。

也就是十年前扔飞镖随便买一只股票，会有7.7%的概率买到退市股，并且是那种目前彻底退出的沪深板块，流入到退市板块。

下面列出期间的退市股（含收购合并），数据较多，对细节不感兴趣的可直接滚动到最后。

依然在交易的排除掉7只停牌的股票，有2559只存续交易的股票。

跌幅榜的排名。

不少跌幅达到80%-90%，不少是当时的牛股，全通交易，怡亚通，ST易购（苏宁易购），康美药业，万达电影等等。

跌幅为0的排到1662名了。数据太长，贴不下了。

也就是上证指数回到上一次的4000点，有1661只个股依然没有回到当时的股价，占比达到了64.9%。（注意，上面的股价是前复权的价格，是已经包含了分红的全收益价格。）

看完这个数据整个人都不太好受了，股民的十年青春在股海沉浮，最终超过一半的个股还没有回到牛市的起点。查看全部

今天股市的头条新闻都是上证指数盘中冲破4000点，突破十年的高点。

可惜只持续了40分钟，收盘时跌回到3988点。

不过本轮并不是全面的牛市，没在暴涨板块的股民自嘲：

8000点的农行，6000点的科技，4000点的红利，剩下的全是2000点的难兄难弟。

十年光阴荏苒，上证指数上一次收盘价超过 4000 点是在 2015 年 7 月 24 日，当日收于 4070.91 点。

指数重回4000点，而又有多少股票的股价能够重回十年前4000点的时候股价呢？或者说还有多少股票依然还在以前4000点的时候的股价还低呢？

问了一下豆包，deepseek这个问题，结果说找不到现成的数据，无法分析。

迅速在ptrade上写个代码查询一下。

2015 年 7 月 24 日市场有有沪深股票2783只，而当时的2783只股票今天依然在市场交易的有2567只。大约有216只股票退市（少数是合并、收购，大部分原因是退市）。

也就是十年前扔飞镖随便买一只股票，会有7.7%的概率买到退市股，并且是那种目前彻底退出的沪深板块，流入到退市板块。

下面列出期间的退市股（含收购合并），数据较多，对细节不感兴趣的可直接滚动到最后。

依然在交易的排除掉7只停牌的股票，有2559只存续交易的股票。

跌幅榜的排名。

不少跌幅达到80%-90%，不少是当时的牛股，全通交易，怡亚通，ST易购（苏宁易购），康美药业，万达电影等等。

跌幅为0的排到1662名了。数据太长，贴不下了。

也就是上证指数回到上一次的4000点，有1661只个股依然没有回到当时的股价，占比达到了64.9%。（注意，上面的股价是前复权的价格，是已经包含了分红的全收益价格。）

看完这个数据整个人都不太好受了，股民的十年青春在股海沉浮，最终超过一半的个股还没有回到牛市的起点。

东北证券QMT miniQMT (NET专业版)万0.854免5

QMT • 李魔佛发表了文章 • 0 个评论 • 4861 次浏览 • 2025-10-16 23:05 • 来自相关话题

东北证券是目前为数不多的支持miniQMT，而且免5，门槛也不高的券商。入金30w，可以绵五，开通QMT、miniQMT.

东北证券的qmt名称叫NET专业版。

东北证券的QMT支持python和vba 两种语言。

开通后可加入量化技术群。
扫码联系开通。查看全部

东北证券是目前为数不多的支持miniQMT，而且免5，门槛也不高的券商。入金30w，可以绵五，开通QMT、miniQMT.

东北证券的qmt名称叫NET专业版。

东北证券的QMT支持python和vba 两种语言。

开通后可加入量化技术群。
扫码联系开通。

ptrade支持北交所股票量化交易吗？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2118 次浏览 • 2025-10-09 11:36 • 来自相关话题

根据当前的ptrade文档，各大券商的ptrade依然不支持北交所股票。

文档里面搜不到内容，股票后缀使用北交所代码+ SS后缀，或者 .BJ 后缀，获取不到任何的数据。

ptrade api 文档：
https://ptradeapi.com
查看全部

根据当前的ptrade文档，各大券商的ptrade依然不支持北交所股票。

文档里面搜不到内容，股票后缀使用北交所代码+ SS后缀，或者 .BJ 后缀，获取不到任何的数据。

ptrade api 文档：
https://ptradeapi.com

山西证券Ptrade 万一免五开户

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2400 次浏览 • 2025-09-26 01:44 • 来自相关话题

山西证券的ptrade可以切换2个python版本,一个是旧的python3.5, 一个是新的python3.11

本身山西证券的ptrade开通门槛不高, 入金5万就能开通ptrade,永久使用,不收费.

不过默认费率比较高, 也不免5.

不过入金5w后,是可以调到万一免5的.

因为高顿教育的量化课程使用的是山西证券作为实例,所以也有不少的群众基础.

需要的可以扫码关注开通.

查看全部

山西证券的ptrade可以切换2个python版本,一个是旧的python3.5, 一个是新的python3.11

本身山西证券的ptrade开通门槛不高, 入金5万就能开通ptrade,永久使用,不收费.

不过默认费率比较高, 也不免5.

不过入金5w后,是可以调到万一免5的.

因为高顿教育的量化课程使用的是山西证券作为实例,所以也有不少的群众基础.

需要的可以扫码关注开通.

Ptrade ETF轮动，收益率秒杀白云飞

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2321 次浏览 • 2025-09-11 20:07 • 来自相关话题

白云飞策略无非就是靠牛市来的时候的收益。

如果抛去924行情，和今年的创业板+科创板，CPO，芯片，那么它的收益率是负的。漫长的3年回撤期，除非是闲钱很久不用的钱，否则谁也无法忍受这么长的回撤。

而ETF日，周净增轮动+动量+板块温度计+评分因子，可以做到超高的收益率。

使用ptrade进行回测。

使用ptrade进行实盘。

TBC

查看全部

白云飞策略无非就是靠牛市来的时候的收益。

如果抛去924行情，和今年的创业板+科创板，CPO，芯片，那么它的收益率是负的。漫长的3年回撤期，除非是闲钱很久不用的钱，否则谁也无法忍受这么长的回撤。

而ETF日，周净增轮动+动量+板块温度计+评分因子，可以做到超高的收益率。

使用ptrade进行回测。

使用ptrade进行实盘。

TBC

ptrade计算EMA指标，对比同花顺

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2617 次浏览 • 2025-09-01 23:04 • 来自相关话题

同花顺 EMA 与标准 EMA 的核心区别

初始值计算：

标准 EMA：以周期内的第一个 SMA（简单移动平均）作为初始值
同花顺 EMA：直接以第一根 K 线的收盘价作为初始 EMA 值

计算逻辑：
两者在后续递推计算上一致，均使用公式：
plaintext
EMA(今日) = (2/(周期+1)) × 收盘价(今日) + (1-2/(周期+1)) × EMA(昨日)

实际影响：
由于初始值不同，在计算初期（小于周期长度的 K 线数量时），两种方法结果差异较大；随着数据增多，差异会逐渐缩小。

使用时只需将你的收盘价数据整理成 pandas Series 格式，调用该函数即可得到与同花顺软件完全一致的 EMA 计算结果，便于策略回测和指标对比。

import pandas as pd

def tonghuashun_ema(close_series, period):
"""
按照同花顺的算法计算EMA指标

参数:
close_series: pd.Series，包含收盘价数据，索引为日期
period: int，EMA周期（如5、10、50等）

返回:
pd.Series，计算得到的EMA指标序列
"""
if len(close_series) < 1:
return pd.Series(dtype='float64')

# 平滑系数
alpha = 2 / (period + 1)

# 初始化EMA序列
ema = pd.Series(index=close_series.index, dtype='float64')

# 同花顺特色：第一根EMA值等于当日收盘价
ema.iloc[0] = close_series.iloc[0]

# 从第二根开始使用递推公式计算
for i in range(1, len(close_series)):
ema.iloc[i] = alpha * close_series.iloc[i] + (1 - alpha) * ema.iloc[i-1]

return ema

# 示例：计算同花顺EMA(12)和EMA(26)（常用的MACD组件）
if __name__ == "__main__":
import numpy as np

# 生成模拟数据（50个交易日收盘价）
dates = pd.date_range(start='2023-01-01', periods=50)
np.random.seed(42) # 固定随机种子，保证结果可复现
close_prices = np.cumsum(np.random.randn(50)) + 100 # 模拟价格波动
close_series = pd.Series(close_prices, index=dates, name='close')

# 计算同花顺EMA(12)和EMA(26)
ema12 = tonghuashun_ema(close_series, 12)
ema26 = tonghuashun_ema(close_series, 26)

# 合并结果并显示
result = pd.DataFrame({
'收盘价': close_series,
'EMA12(同花顺)': ema12,
'EMA26(同花顺)': ema26
})

print("同花顺EMA指标计算结果（前10行）：")
print(result.head(10))
print("\n同花顺EMA指标计算结果（最后10行）：")
print(result.tail(10))

然后直接把上面代码贴入ptrade，封装成函数，传入日线数据即可使用。
查看全部

import pandas as pd



def tonghuashun_ema(close_series, period):

    """

    按照同花顺的算法计算EMA指标

    

    参数:

    close_series: pd.Series，包含收盘价数据，索引为日期

    period: int，EMA周期（如5、10、50等）

    

    返回:

    pd.Series，计算得到的EMA指标序列

    """

    if len(close_series) < 1:

        return pd.Series(dtype='float64')

    

    # 平滑系数

    alpha = 2 / (period + 1)

    

    # 初始化EMA序列

    ema = pd.Series(index=close_series.index, dtype='float64')

    

    # 同花顺特色：第一根EMA值等于当日收盘价

    ema.iloc[0] = close_series.iloc[0]

    

    # 从第二根开始使用递推公式计算

    for i in range(1, len(close_series)):

        ema.iloc[i] = alpha * close_series.iloc[i] + (1 - alpha) * ema.iloc[i-1]

    

    return ema



# 示例：计算同花顺EMA(12)和EMA(26)（常用的MACD组件）

if __name__ == "__main__":

    import numpy as np

    

    # 生成模拟数据（50个交易日收盘价）

    dates = pd.date_range(start='2023-01-01', periods=50)

    np.random.seed(42)  # 固定随机种子，保证结果可复现

    close_prices = np.cumsum(np.random.randn(50)) + 100  # 模拟价格波动

    close_series = pd.Series(close_prices, index=dates, name='close')

    

    # 计算同花顺EMA(12)和EMA(26)

    ema12 = tonghuashun_ema(close_series, 12)

    ema26 = tonghuashun_ema(close_series, 26)

    

    # 合并结果并显示

    result = pd.DataFrame({

        '收盘价': close_series,

        'EMA12(同花顺)': ema12,

        'EMA26(同花顺)': ema26

    })

    

    print("同花顺EMA指标计算结果（前10行）：")

    print(result.head(10))

    print("\n同花顺EMA指标计算结果（最后10行）：")

    print(result.tail(10))

然后直接把上面代码贴入ptrade，封装成函数，传入日线数据即可使用。

申万宏源 Ptrade / QMT/miniQMT 免5 开通

QMT • 李魔佛发表了文章 • 0 个评论 • 3046 次浏览 • 2025-08-07 19:01 • 来自相关话题

费率非常低，万0.854，免5 ！
支持QMT，miniQMT和Ptrade。

量化功能应有尽有，是目前为止为数不多的有miniQMT的免5券商。

费率低，ETF，可转债均为万0.5

线上开户，需要的朋友可以扫码联系开通。
查看全部

费率非常低，万0.854，免5 ！
支持QMT，miniQMT和Ptrade。

量化功能应有尽有，是目前为止为数不多的有miniQMT的免5券商。

费率低，ETF，可转债均为万0.5

线上开户，需要的朋友可以扫码联系开通。

ptrade获取集合竞价数据

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2677 次浏览 • 2025-08-07 18:48 • 来自相关话题

新版的ptrade已经可以获取集合竞价的数据：
date = '20250806'
stocks = ['300333.SZ']
data = get_trend_data(date=date, stocks=stocks)

# 返回数据
{'300333.SZ': {'time_stamp': 202508060930,
'hq_px': 14.1,
'wavg_px': 14.1,
'business_amount': 40300,
'business_balance': 568230,
'amount': 0}}
在实盘，回测，研究里面就能够使用

公众号：可转债量化分析

星球
查看全部

新版的ptrade已经可以获取集合竞价的数据：

date = '20250806'

stocks = ['300333.SZ']

data = get_trend_data(date=date, stocks=stocks)



# 返回数据

{'300333.SZ': {'time_stamp': 202508060930,

  'hq_px': 14.1,

  'wavg_px': 14.1,

  'business_amount': 40300,

  'business_balance': 568230,

  'amount': 0}}

在实盘，回测，研究里面就能够使用

公众号：可转债量化分析

星球

ptrade不同券商数据质量之 ETF数据质量残次不齐

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2749 次浏览 • 2025-07-23 18:28 • 来自相关话题

其实用的函数是

etf_list = get_etf_list()

然后在不同的券商上运行。

国盛得到的数据：2025-07-23 16:07:15 - INFO - 公众号：可转债量化分析 ---- start ----
2025-07-23 16:08:00 - INFO - start func
2025-07-23 16:08:00 - INFO - 公众号：可转债量化分析
2025-07-23 16:08:00 - INFO - 660
得到的ETF数据有660只。

同样的代码，放到国金的ptrade上运行，得到 2025-07-23 15:45:10 - INFO - 当前服务器配置为：交易时间段服务器重启后，执行拉起本交易操作
2025-07-23 15:45:12 - INFO - 公众号：可转债量化分析 ---- start ----
2025-07-23 15:46:00 - INFO - start func
2025-07-23 15:46:00 - INFO - 公众号：可转债量化分析
2025-07-23 15:46:00 - INFO - 1043有1000只的ETF。

然后把日志导出到本地，用python求解一下不同的数据

(py11) D:\github\stock_strategy\api_validation>python etf-compare.py
516330.SS
561320.SS
159265.SZ
560980.SS
159813.SZ
159859.SZ
561700.SS
511620.SS
159898.SZ
159969.SZ
512380.SS
159972.SZ
159857.SZ
516300.SS
588200.SS
510180.SS
517520.SS
515680.SS
159618.SZ
159827.SZ
561980.SS
511820.SS
515150.SS
159701.SZ
159743.SZ
159623.SZ
159991.SZ
510660.SS
159681.SZ
159845.SZ
515890.SS
515850.SS
515300.SS
159510.SZ
511920.SS
159805.SZ
159610.SZ
159929.SZ
517170.SS
530800.SS
510630.SS
159535.SZ
561790.SS
159842.SZ
510150.SS
560580.SS
517800.SS
515790.SS
159806.SZ
516530.SS
159873.SZ
159207.SZ
515320.SS
516750.SS
159635.SZ
515290.SS
515030.SS
561130.SS
588150.SS
560680.SS
560280.SS
561570.SS
515760.SS
515900.SS
511090.SS
159643.SZ
588040.SS
159968.SZ
512520.SS
159322.SZ
516520.SS
159841.SZ
159359.SZ
515160.SS
511260.SS
516710.SS
159698.SZ
588230.SS
159786.SZ
562900.SS
159309.SZ
159358.SZ
563800.SS
159677.SZ
159551.SZ
517850.SS
159899.SZ
159862.SZ
159961.SZ
159779.SZ
515580.SS
159836.SZ
510060.SS
515010.SS
159355.SZ
560700.SS
159885.SZ
517880.SS
159864.SZ
159640.SZ
510270.SS
560150.SS
515750.SS
159003.SZ
159748.SZ
515330.SS
159730.SZ
159994.SZ
516290.SS
516080.SS
560510.SS
159005.SZ
159306.SZ
159378.SZ
512960.SS
159680.SZ
159847.SZ
159310.SZ
159587.SZ
588400.SS
515770.SS
159393.SZ
159657.SZ
516220.SS
159575.SZ
560350.SS
159997.SZ
515110.SS
159713.SZ
159880.SZ
159576.SZ
159520.SZ
562360.SS
588930.SS
518660.SS
159669.SZ
159206.SZ
159621.SZ
159928.SZ
159731.SZ
516050.SS
562390.SS
159831.SZ
516510.SS
159913.SZ
159633.SZ
511190.SS
512670.SS
516780.SS
517110.SS
159820.SZ
159690.SZ
159881.SZ
561230.SS
510010.SS
159992.SZ
159666.SZ
159725.SZ
159870.SZ
511010.SS
515060.SS
560860.SS
515100.SS
159993.SZ
512820.SS
159825.SZ
511900.SS
515990.SS
159849.SZ
563330.SS
512240.SS
159974.SZ
159910.SZ
159638.SZ
512890.SS
159641.SZ
159875.SZ
159682.SZ
159796.SZ
159887.SZ
159620.SZ
510880.SS
159225.SZ
159720.SZ
510410.SS
159883.SZ
159931.SZ
159363.SZ
588100.SS
561200.SS
560550.SS
159791.SZ
159229.SZ
159982.SZ
159647.SZ
560610.SS
159386.SZ
159559.SZ
159630.SZ
159795.SZ
511200.SS
512510.SS
561260.SS
159589.SZ
562860.SS
560090.SS
159889.SZ
159707.SZ
588320.SS
159678.SZ
510680.SS
159863.SZ
515980.SS
159543.SZ
510100.SS
159679.SZ
512040.SS
530000.SS
511770.SS
159838.SZ
159553.SZ
159998.SZ
515080.SS
588110.SS
561990.SS
159729.SZ
515120.SS
159739.SZ
159856.SZ
159800.SZ
510020.SS
510650.SS
159909.SZ
517550.SS
515630.SS
159685.SZ
515960.SS
515380.SS
561910.SS
515860.SS
518680.SS
588250.SS
159603.SZ
159339.SZ
159778.SZ
159958.SZ
516120.SS
588090.SS
159781.SZ
562300.SS
159761.SZ
517080.SS
159617.SZ
516060.SS
588680.SS
511580.SS
159521.SZ
159770.SZ
159397.SZ
159888.SZ
159816.SZ
516880.SS
159716.SZ
516910.SS
159209.SZ
588880.SS
562800.SS
515650.SS
561590.SS
159715.SZ
159552.SZ
512280.SS
588830.SS
516790.SS
159656.SZ
588460.SS
561350.SS
511850.SS
516830.SS
515530.SS
517120.SS
159658.SZ
563360.SS
517010.SS
516630.SS
159608.SZ
159959.SZ
563300.SS
563350.SS
516650.SS
561920.SS
561310.SS
516460.SS
512680.SS
159782.SZ
515360.SS
159628.SZ
159629.SZ
560260.SS
512730.SS
588010.SS
159697.SZ
588760.SS
513890.SS
159977.SZ
516500.SS
561500.SS
512220.SS
510550.SS
159555.SZ
588300.SS
530300.SS
159649.SZ
159395.SZ
560560.SS
516950.SS
511810.SS
561330.SS
159732.SZ
511600.SS
562890.SS
516550.SS
159717.SZ
159797.SZ
159970.SZ
561900.SS
561560.SS
159890.SZ
159721.SZ
560190.SS
159366.SZ
515950.SS
511950.SS
159908.SZ
159861.SZ
159517.SZ
159975.SZ
159625.SZ
159830.SZ
510050.SS
159895.SZ
517900.SS
159652.SZ
510990.SS
159811.SZ
159852.SZ
517000.SS
159930.SZ
159840.SZ
515070.SS
511670.SS
159807.SZ
561550.SS
511980.SS
159675.SZ
159611.SZ
560880.SS
515660.SS
560530.SS
511830.SS
159766.SZ
159631.SZ
561190.SS
512150.SS
561950.SS
517360.SS
518880.SS
510850.SS
159768.SZ
159876.SZ
159398.SZ
159865.SZ
515600.SS
159360.SZ
159305.SZ
511970.SS
159671.SZ
588310.SS
516770.SS
159320.SZ
516670.SS
517100.SS
159572.SZ
159839.SZ
159627.SZ
159665.SZ
159790.SZ
563520.SS
511520.SS
511690.SS
561160.SS
159723.SZ
159216.SZ
159886.SZ
510190.SS
159798.SZ
562590.SS
159843.SZ
159867.SZ
159663.SZ
159619.SZ
516090.SS
515090.SS
560080.SS
159869.SZ
159872.SZ
159736.SZ
560900.SS
588950.SS
159855.SZ
516150.SS
516960.SS
159828.SZ
517050.SS
159851.SZ
159645.SZ
511930.SS
159935.SZ
159703.SZ
517200.SS
512020.SS
159787.SZ
588240.SS
159362.SZ
517990.SS
561960.SS
562880.SS
159971.SZ
159760.SZ
159871.SZ
513630.SS
561380.SS
不同的ETF数量: 432这400多只的ETF是在国盛上缺失的。
这数据有点惊人.....

如果要用国盛，可以用国金的把ETF列表导出到txt，然后上传到国盛，然后在程序中读取这个etf列表。
查看全部

其实用的函数是

etf_list = get_etf_list()

然后在不同的券商上运行。

国盛得到的数据：

2025-07-23 16:07:15 - INFO - 公众号：可转债量化分析 ---- start ---- 

2025-07-23 16:08:00 - INFO - start func 

2025-07-23 16:08:00 - INFO - 公众号：可转债量化分析 

2025-07-23 16:08:00 - INFO - 660

得到的ETF数据有660只。

同样的代码，放到国金的ptrade上运行，得到

2025-07-23 15:45:10 - INFO - 当前服务器配置为：交易时间段服务器重启后，执行拉起本交易操作 

2025-07-23 15:45:12 - INFO - 公众号：可转债量化分析 ---- start ---- 

2025-07-23 15:46:00 - INFO - start func 

2025-07-23 15:46:00 - INFO - 公众号：可转债量化分析 

2025-07-23 15:46:00 - INFO - 1043

有1000只的ETF。

然后把日志导出到本地，用python求解一下不同的数据





(py11) D:\github\stock_strategy\api_validation>python etf-compare.py

516330.SS

561320.SS

159265.SZ

560980.SS

159813.SZ

159859.SZ

561700.SS

511620.SS

159898.SZ

159969.SZ

512380.SS

159972.SZ

159857.SZ

516300.SS

588200.SS

510180.SS

517520.SS

515680.SS

159618.SZ

159827.SZ

561980.SS

511820.SS

515150.SS

159701.SZ

159743.SZ

159623.SZ

159991.SZ

510660.SS

159681.SZ

159845.SZ

515890.SS

515850.SS

515300.SS

159510.SZ

511920.SS

159805.SZ

159610.SZ

159929.SZ

517170.SS

530800.SS

510630.SS

159535.SZ

561790.SS

159842.SZ

510150.SS

560580.SS

517800.SS

515790.SS

159806.SZ

516530.SS

159873.SZ

159207.SZ

515320.SS

516750.SS

159635.SZ

515290.SS

515030.SS

561130.SS

588150.SS

560680.SS

560280.SS

561570.SS

515760.SS

515900.SS

511090.SS

159643.SZ

588040.SS

159968.SZ

512520.SS

159322.SZ

516520.SS

159841.SZ

159359.SZ

515160.SS

511260.SS

516710.SS

159698.SZ

588230.SS

159786.SZ

562900.SS

159309.SZ

159358.SZ

563800.SS

159677.SZ

159551.SZ

517850.SS

159899.SZ

159862.SZ

159961.SZ

159779.SZ

515580.SS

159836.SZ

510060.SS

515010.SS

159355.SZ

560700.SS

159885.SZ

517880.SS

159864.SZ

159640.SZ

510270.SS

560150.SS

515750.SS

159003.SZ

159748.SZ

515330.SS

159730.SZ

159994.SZ

516290.SS

516080.SS

560510.SS

159005.SZ

159306.SZ

159378.SZ

512960.SS

159680.SZ

159847.SZ

159310.SZ

159587.SZ

588400.SS

515770.SS

159393.SZ

159657.SZ

516220.SS

159575.SZ

560350.SS

159997.SZ

515110.SS

159713.SZ

159880.SZ

159576.SZ

159520.SZ

562360.SS

588930.SS

518660.SS

159669.SZ

159206.SZ

159621.SZ

159928.SZ

159731.SZ

516050.SS

562390.SS

159831.SZ

516510.SS

159913.SZ

159633.SZ

511190.SS

512670.SS

516780.SS

517110.SS

159820.SZ

159690.SZ

159881.SZ

561230.SS

510010.SS

159992.SZ

159666.SZ

159725.SZ

159870.SZ

511010.SS

515060.SS

560860.SS

515100.SS

159993.SZ

512820.SS

159825.SZ

511900.SS

515990.SS

159849.SZ

563330.SS

512240.SS

159974.SZ

159910.SZ

159638.SZ

512890.SS

159641.SZ

159875.SZ

159682.SZ

159796.SZ

159887.SZ

159620.SZ

510880.SS

159225.SZ

159720.SZ

510410.SS

159883.SZ

159931.SZ

159363.SZ

588100.SS

561200.SS

560550.SS

159791.SZ

159229.SZ

159982.SZ

159647.SZ

560610.SS

159386.SZ

159559.SZ

159630.SZ

159795.SZ

511200.SS

512510.SS

561260.SS

159589.SZ

562860.SS

560090.SS

159889.SZ

159707.SZ

588320.SS

159678.SZ

510680.SS

159863.SZ

515980.SS

159543.SZ

510100.SS

159679.SZ

512040.SS

530000.SS

511770.SS

159838.SZ

159553.SZ

159998.SZ

515080.SS

588110.SS

561990.SS

159729.SZ

515120.SS

159739.SZ

159856.SZ

159800.SZ

510020.SS

510650.SS

159909.SZ

517550.SS

515630.SS

159685.SZ

515960.SS

515380.SS

561910.SS

515860.SS

518680.SS

588250.SS

159603.SZ

159339.SZ

159778.SZ

159958.SZ

516120.SS

588090.SS

159781.SZ

562300.SS

159761.SZ

517080.SS

159617.SZ

516060.SS

588680.SS

511580.SS

159521.SZ

159770.SZ

159397.SZ

159888.SZ

159816.SZ

516880.SS

159716.SZ

516910.SS

159209.SZ

588880.SS

562800.SS

515650.SS

561590.SS

159715.SZ

159552.SZ

512280.SS

588830.SS

516790.SS

159656.SZ

588460.SS

561350.SS

511850.SS

516830.SS

515530.SS

517120.SS

159658.SZ

563360.SS

517010.SS

516630.SS

159608.SZ

159959.SZ

563300.SS

563350.SS

516650.SS

561920.SS

561310.SS

516460.SS

512680.SS

159782.SZ

515360.SS

159628.SZ

159629.SZ

560260.SS

512730.SS

588010.SS

159697.SZ

588760.SS

513890.SS

159977.SZ

516500.SS

561500.SS

512220.SS

510550.SS

159555.SZ

588300.SS

530300.SS

159649.SZ

159395.SZ

560560.SS

516950.SS

511810.SS

561330.SS

159732.SZ

511600.SS

562890.SS

516550.SS

159717.SZ

159797.SZ

159970.SZ

561900.SS

561560.SS

159890.SZ

159721.SZ

560190.SS

159366.SZ

515950.SS

511950.SS

159908.SZ

159861.SZ

159517.SZ

159975.SZ

159625.SZ

159830.SZ

510050.SS

159895.SZ

517900.SS

159652.SZ

510990.SS

159811.SZ

159852.SZ

517000.SS

159930.SZ

159840.SZ

515070.SS

511670.SS

159807.SZ

561550.SS

511980.SS

159675.SZ

159611.SZ

560880.SS

515660.SS

560530.SS

511830.SS

159766.SZ

159631.SZ

561190.SS

512150.SS

561950.SS

517360.SS

518880.SS

510850.SS

159768.SZ

159876.SZ

159398.SZ

159865.SZ

515600.SS

159360.SZ

159305.SZ

511970.SS

159671.SZ

588310.SS

516770.SS

159320.SZ

516670.SS

517100.SS

159572.SZ

159839.SZ

159627.SZ

159665.SZ

159790.SZ

563520.SS

511520.SS

511690.SS

561160.SS

159723.SZ

159216.SZ

159886.SZ

510190.SS

159798.SZ

562590.SS

159843.SZ

159867.SZ

159663.SZ

159619.SZ

516090.SS

515090.SS

560080.SS

159869.SZ

159872.SZ

159736.SZ

560900.SS

588950.SS

159855.SZ

516150.SS

516960.SS

159828.SZ

517050.SS

159851.SZ

159645.SZ

511930.SS

159935.SZ

159703.SZ

517200.SS

512020.SS

159787.SZ

588240.SS

159362.SZ

517990.SS

561960.SS

562880.SS

159971.SZ

159760.SZ

159871.SZ

513630.SS

561380.SS

不同的ETF数量: 432

这400多只的ETF是在国盛上缺失的。
这数据有点惊人.....

如果要用国盛，可以用国金的把ETF列表导出到txt，然后上传到国盛，然后在程序中读取这个etf列表。

长江证券 ptrade 免五开通门槛

Ptrade • 李魔佛发表了文章 • 0 个评论 • 3623 次浏览 • 2025-07-22 16:57 • 来自相关话题

长江证券支持ptrade量化交易，同时也可以免5, 股票0.1元起收。

软件描述：长江证券PTrade交易终端是由恒生电子股份有限公司开发，为服务投资者专业化个性化交易需求而打造的交易终端
功能介绍：
1. 操作便捷：支持闪电下单、一键撤补、一键清仓、批量撤单、全键盘交易等功能
2. 功能丰富：提供策略交易、拐点交易、网格交易、抢单交易、追涨停、盘口扫单、可转债套利、ETF套利、篮子交易等交易工具
3. 量化交易：支持策略单交易，提供完整的策略平台，支持客户做策略研究、策略编写、策略回测和实盘交易
4. 极速交易：支持通过华锐ATP极速柜台、快速交易通道交易
MD5码：16ab7feba617b254c1607320ce69a780

版本：PTrade1.0-Client-V202308-15-000

文件大小：215.2M

文件名：PTrade1.0-Client-V202308-15-000_CY.zip

有2个版本，一个是长江证券ptrade交易终端（极速版），这个可以在上面编写python策略；

一个是Ptrade交易终端（简版），这个只提供了基础的量化工具，比如套利，网格，日内回转交易。不支持python编程功能。所以注意不要开错了哦。

下载链接：
https://downcq.95579.com/jcj/zg/PTrade1.0-Client-V202308-15-000_CY.zip

长期更新站点：
https://ptradeapi.com/

需要开通的朋友可以关注公众号联系：查看全部

长江证券支持ptrade量化交易，同时也可以免5, 股票0.1元起收。

软件描述：长江证券PTrade交易终端是由恒生电子股份有限公司开发，为服务投资者专业化个性化交易需求而打造的交易终端
功能介绍：
1. 操作便捷：支持闪电下单、一键撤补、一键清仓、批量撤单、全键盘交易等功能
2. 功能丰富：提供策略交易、拐点交易、网格交易、抢单交易、追涨停、盘口扫单、可转债套利、ETF套利、篮子交易等交易工具
3. 量化交易：支持策略单交易，提供完整的策略平台，支持客户做策略研究、策略编写、策略回测和实盘交易
4. 极速交易：支持通过华锐ATP极速柜台、快速交易通道交易
MD5码：16ab7feba617b254c1607320ce69a780

版本：PTrade1.0-Client-V202308-15-000

文件大小：215.2M

文件名：PTrade1.0-Client-V202308-15-000_CY.zip

有2个版本，一个是长江证券ptrade交易终端（极速版），这个可以在上面编写python策略；

一个是Ptrade交易终端（简版），这个只提供了基础的量化工具，比如套利，网格，日内回转交易。不支持python编程功能。所以注意不要开错了哦。

下载链接：
https://downcq.95579.com/jcj/zg/PTrade1.0-Client-V202308-15-000_CY.zip

长期更新站点：
https://ptradeapi.com/

需要开通的朋友可以关注公众号联系：

聚宽小市值策略代码转Ptrade实盘代码

Ptrade • 李魔佛发表了文章 • 0 个评论 • 5465 次浏览 • 2025-07-05 22:35 • 来自相关话题

最近好几个策略需要转换的。

Mark一下，写完之后分享一下。

聚宽的也不是完全的按照市值，也会根据换手率，涨停，跌停来判断是否卖出。

聚宽源码（部分）
#导入函数库
from jqdata import *
from jqfactor import *
import numpy as np
import pandas as pd
from datetime import time, datetime, timedelta

#初始化函数
def initialize(context):
# 策略参数配置
g.signal = ''
# 开启防未来函数
set_option('avoid_future_data', True)
# 设定基准
set_benchmark('000300.XSHG')
# 交易设置
set_option('use_real_price', True)
set_slippage(FixedSlippage(3/10000))
set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=2.5/10000, close_commission=2.5/10000, close_today_commission=0, min_commission=5), type='stock')
# 日志设置
log.set_level('order', 'error')
log.set_level('system', 'error')
log.set_level('strategy', 'debug')

# 策略控制参数
g.no_trading_today_signal = False # 是否为可交易日
g.pass_april = True # 是否四月空仓
g.run_stoploss = True # 是否进行止损
g.HV_control = False # 是否进行放量控制
g.HV_duration = 120 # 放量判断周期
g.HV_ratio = 0.9 # 放量判断比例
g.no_trading_hold_signal = False # 是否持有非交易期股票

# 持仓管理参数
g.hold_list = [] # 当前持仓的全部股票
g.yesterday_HL_list = [] # 记录持仓中昨日涨停的股票
g.target_list = [] # 目标买入列表
g.not_buy_again = [] # 不再买入的股票列表

# 交易参数
g.stock_num = 3 # 持仓数量
g.up_price = 100 # 最高买入价格
g.reason_to_sell = '' # 卖出原因
g.stoploss_strategy = 3 # 止损策略：1为止损线止损，2为市场趋势止损，3为联合策略
g.stoploss_limit = 0.91 # 个股止损线
g.stoploss_market = 0.95 # 市场趋势止损参数
g.no_trading_buy = ['600036.XSHG', '518880.XSHG', '600900.XSHG'] # 空仓月份持有

# 设置交易运行时间
run_daily(prepare_stock_list, '9:05')
run_weekly(weekly_adjustment, 2, '10:30')
run_daily(sell_stocks, time='10:00') # 止损函数
run_daily(trade_afternoon, time='14:25') # 检查持仓中的涨停股是否需要卖出
run_daily(trade_afternoon, time='14:55') # 检查持仓中的涨停股是否需要卖出
run_daily(close_account, '14:50')

转换后的Ptrade实盘源码(部分)

def before_trading_start(context, data):
log.info('================= 盘前运行开始：{} '.format(str(context.blotter.current_dt)))
g.__portfolio = PositionManager()
g.order_set = set()
# g.__lock = threading.Lock()

def remove_st_stock(all_stock_list):
st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)
st_list = []
for k, v in st_dict.items():
if v:
st_list.append(k)
return st_list

def remove_halt_stock(all_stock_list):
halt_dict = get_stock_status(all_stock_list, query_type='HALT', query_date=None)
halt_list = []
for k, v in halt_dict.items():
if v:
halt_list.append(k)
return halt_list

def all_codes_in_market():
all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))

return all_stock_set
待续查看全部

最近好几个策略需要转换的。

Mark一下，写完之后分享一下。

聚宽的也不是完全的按照市值，也会根据换手率，涨停，跌停来判断是否卖出。

聚宽源码（部分）

#导入函数库

from jqdata import *

from jqfactor import *

import numpy as np

import pandas as pd

from datetime import time, datetime, timedelta



#初始化函数 

def initialize(context):

    # 策略参数配置

    g.signal = ''

    # 开启防未来函数

    set_option('avoid_future_data', True)

    # 设定基准

    set_benchmark('000300.XSHG')

    # 交易设置

    set_option('use_real_price', True)

    set_slippage(FixedSlippage(3/10000))

    set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=2.5/10000, close_commission=2.5/10000, close_today_commission=0, min_commission=5), type='stock')

    # 日志设置

    log.set_level('order', 'error')

    log.set_level('system', 'error')

    log.set_level('strategy', 'debug')

    

    # 策略控制参数

    g.no_trading_today_signal = False  # 是否为可交易日

    g.pass_april = True  # 是否四月空仓

    g.run_stoploss = True  # 是否进行止损

    g.HV_control = False  # 是否进行放量控制

    g.HV_duration = 120  # 放量判断周期

    g.HV_ratio = 0.9  # 放量判断比例

    g.no_trading_hold_signal = False  # 是否持有非交易期股票

    

    # 持仓管理参数

    g.hold_list = []  # 当前持仓的全部股票    

    g.yesterday_HL_list = []  # 记录持仓中昨日涨停的股票

    g.target_list = []  # 目标买入列表

    g.not_buy_again = []  # 不再买入的股票列表

    

    # 交易参数

    g.stock_num = 3  # 持仓数量

    g.up_price = 100  # 最高买入价格

    g.reason_to_sell = ''  # 卖出原因

    g.stoploss_strategy = 3  # 止损策略：1为止损线止损，2为市场趋势止损，3为联合策略

    g.stoploss_limit = 0.91  # 个股止损线

    g.stoploss_market = 0.95  # 市场趋势止损参数

    g.no_trading_buy = ['600036.XSHG', '518880.XSHG', '600900.XSHG']  # 空仓月份持有 

    

    # 设置交易运行时间

    run_daily(prepare_stock_list, '9:05')

    run_weekly(weekly_adjustment, 2, '10:30')

    run_daily(sell_stocks, time='10:00')  # 止损函数

    run_daily(trade_afternoon, time='14:25')  # 检查持仓中的涨停股是否需要卖出

    run_daily(trade_afternoon, time='14:55')  # 检查持仓中的涨停股是否需要卖出

    run_daily(close_account, '14:50')

转换后的Ptrade实盘源码(部分)

def before_trading_start(context, data):

    log.info('================= 盘前运行开始：{} '.format(str(context.blotter.current_dt)))

    g.__portfolio = PositionManager()

    g.order_set = set()

    # g.__lock = threading.Lock()





def remove_st_stock(all_stock_list):

    st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)

    st_list = []

    for k, v in st_dict.items():

        if v:

            st_list.append(k)

    return st_list





def remove_halt_stock(all_stock_list):

    halt_dict = get_stock_status(all_stock_list, query_type='HALT', query_date=None)

    halt_list = []

    for k, v in halt_dict.items():

        if v:

            halt_list.append(k)

    return halt_list





def all_codes_in_market():

    all_stock_set = set(get_Ashares(date=None))

    for ignore_code in IGNORE_MARKET:

        market = MARKET_DICT.get(ignore_code)

        if market == '科创板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))

        if market == '创业板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))



    return all_stock_set

待续

国盛Ptrade get_Ashare函数返回为空

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2431 次浏览 • 2025-07-04 12:22 • 来自相关话题

难绷。国盛感觉数据质量比较堪忧。

在实盘中，运行下面代码：
# author: 公众号：可转债量化分析
import datetime

def initialize(context):
# 初始化策略
pass

def before_trading_start(context, data):
log.info('盘前函数运行')
previous_tradeing_func(context) # 执行盘前函数

def previous_tradeing_func(context):
all_stock_set = get_Ashares(date=None)
print(all_stock_set)

def handle_data(context, data):
pass
运行结果：
2025-07-04 12:18:10 - INFO - 盘前函数运行
2025-07-04 12:18:10 - INFO - []
数据的是一个空的list.......

一个十分基础的数据。

反馈了几年，依然如是。。

还是多开几家，多对比。各有各的优势。查看全部

难绷。国盛感觉数据质量比较堪忧。

在实盘中，运行下面代码：

# author: 公众号：可转债量化分析

import datetime





def initialize(context):

    # 初始化策略

    pass



def before_trading_start(context, data):

    log.info('盘前函数运行')

    previous_tradeing_func(context)  # 执行盘前函数





def previous_tradeing_func(context):

    all_stock_set = get_Ashares(date=None)

    print(all_stock_set)



def handle_data(context, data):

    pass

运行结果：

2025-07-04 12:18:10 - INFO - 盘前函数运行

2025-07-04 12:18:10 - INFO - []

数据的是一个空的list.......

一个十分基础的数据。

反馈了几年，依然如是。。

还是多开几家，多对比。各有各的优势。

谁说ptrade代码不安全容易泄露的？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 3372 次浏览 • 2025-07-03 11:52 • 来自相关话题

以前有人说ptrade代码是部署到券商机房，怕自己的代码泄露，或者怕被券商看到了，拿去白嫖了。

实际上现在的ptrade可以对策略进行加密

可以对你的策略进行加密下载，然后把策略删除了，然后在选择上传策略。

然后策略上传之后，你是无法看到具体代码的了，只能选择启动，删除策略。

连日志里面的打印数据也不会输出。

只会显示买入卖出的信息。

大大的提高了策略的安全性。

需要开通ptrade的读者朋友，可以关注公众号联系：

低佣 - 低门槛，提供技术支持
查看全部

以前有人说ptrade代码是部署到券商机房，怕自己的代码泄露，或者怕被券商看到了，拿去白嫖了。

实际上现在的ptrade可以对策略进行加密

可以对你的策略进行加密下载，然后把策略删除了，然后在选择上传策略。

然后策略上传之后，你是无法看到具体代码的了，只能选择启动，删除策略。

连日志里面的打印数据也不会输出。

只会显示买入卖出的信息。

大大的提高了策略的安全性。

需要开通ptrade的读者朋友，可以关注公众号联系：

低佣 - 低门槛，提供技术支持

ptrade查看日志报错：远程服务器返回错误: (502) 错误的网关

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2336 次浏览 • 2025-06-30 18:59 • 来自相关话题

目前在国盛的ptrade上屡次出现的错误，因为ptrade服务器的资源已经不够了。
访问这个API的时候就已经报错。

502异常代码，是服务器端的报错。和本地无关。

有时候能够正常查询到日志，但大部分时候查询日志的时候就出现上面的502异常。

揪心，就不能买多几台服务器么.....

查看全部

目前在国盛的ptrade上屡次出现的错误，因为ptrade服务器的资源已经不够了。
访问这个API的时候就已经报错。

502异常代码，是服务器端的报错。和本地无关。

有时候能够正常查询到日志，但大部分时候查询日志的时候就出现上面的502异常。

揪心，就不能买多几台服务器么.....

Ptrade获取的L2逐笔数据和同花顺的逐笔数据对不上的原因

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2757 次浏览 • 2025-06-12 16:40 • 来自相关话题

部分大单在同花顺上看不到。有点神奇。

后面有群友发现了问题。

部分大单在同花顺上看不到。有点神奇。

后面有群友发现了问题。

国金证券QMT测试客户端 - 获取可融券股票数据

QMT • 李魔佛回复了问题 • 1 人关注 • 1 个回复 • 3821 次浏览 • 2024-06-19 10:53 • 来自相关话题

ptrade qmt量化平台收费吗？

券商万一免五 • 李魔佛回复了问题 • 2 人关注 • 1 个回复 • 7868 次浏览 • 2022-07-13 17:04 • 来自相关话题

QMT文件读写限制绕过

QMT • 李魔佛发表了文章 • 0 个评论 • 133 次浏览 • 2026-10-20 19:33 • 来自相关话题

某金券商的大QMT将在10月23日对文件读写和网络连接进行限制。

而其QMT测试客户端在10月13日已经开始限制了。

简单测试了一下：

这个路径是QMT安装目录下的子目录bin.x64，比如我的是: D:\tool\gjzq_qmt_simulation\bin.x64

QMT系统提供了  save_py_key(key, value)  和  get_py_key(key)  两个函数，用于将策略运行过程中的中间变量持久化存储到券商服务端数据库中，数据是加密保存的。

函数说明：

save_py_key(key, value)：保存数据

 key  ：要保存的关键字，  str  类型

 value  ：要保存的值，  str  类型

返回：  errid  （错误id，0表示成功），  errmsg  （错误信息，成功时为空字符串）

示例：  errid, errmsg = save_py_key('关键字', '值')  

get_py_key(key)：读取数据

 key  ：要读取的关键字，  str  类型

返回：  value  （返回的值，  str  类型），  errid  ，  errmsg  

示例：  value, errid, errmsg = get_py_key('关键字')  

注意事项：

单字段长度限制为5000字符（英文1个字符，中文2个字符）。

该功能适用于在QMT系统对文件读写和网络连接进行限制后，替代本地文件存储中间变量的方案。

附测试使用代码：

# encoding:gbk

import json



def server_kv_store():

    key = 'positions'

    v = [{'symbol': '123456.SZ','base_pirce':100},{'symbol': '123457.SZ','base_pirce':200}]

    kv = { key: json.dumps(v)}

 

    # 保存键值对

    print('保存数据',kv)

    errid, errmsg = save_py_key(key, kv[key])

    if errid != 0:

        print("Failed to save key-value: ", errmsg)

        return

    



    print('保存成功,读取数据')

    value, errid, errmsg = get_py_key(key)

    if errid!=0:

        print("Failed to get key-value: ", errmsg)

        return

    

    jvalue = json.loads(value)

    print('读取数据', jvalue)



def init(ContextInfo):

    # read_io()

    # network_io()

    server_kv_store()



def handlebar(ContextInfo):

    pass

在测试客户端上测试通过。

国金证券, 国投证券 QMT 的IO文件功能被禁止

QMT • 李魔佛发表了文章 • 0 个评论 • 886 次浏览 • 2026-10-12 09:14 • 来自相关话题

国信证券iquant(QMT) 相比其他券商有什么优势？

QMT • 李魔佛发表了文章 • 0 个评论 • 583 次浏览 • 2026-09-05 16:17 • 来自相关话题

国信QMT（相对于其他券商的QMT软件的优势），PS：国信的QMT叫iquant，界面加了一些功能。

华泰QMT下载 | 华泰支持迅投QMT了

QMT • 李魔佛发表了文章 • 0 个评论 • 636 次浏览 • 2026-08-03 10:41 • 来自相关话题

QMT下载地址：
https://inst.htsc.com/helpOnline?productId=60&moduleCode=1

它支持自定义编程模块，可以自己编程下单。

接口文档：https://qmt.ptradeapi.com

miniQMT停用后，外部调用QMT内部函数的路子

QMT • 李魔佛发表了文章 • 0 个评论 • 1326 次浏览 • 2026-07-02 08:56 • 来自相关话题

from tornado.web import Application, RequestHandler, HTTPError

from tornado.ioloop import IOLoop

程序核心就是在QMT的init函数里面就启动我们的HTTP服务，端口PORT随意。

PORT = 10086

ACCOUNT_ID = '你的QMT账号'

def init(ContextInfo):

    try:

        ContextInfo.accountID = ACCOUNT_ID

        app = make_app()

        app.ContextInfo = ContextInfo

        app.accountID = ContextInfo.accountID



        app.listen(PORT, address='0.0.0.0') # 如果只在本地网络，可以设置为127.0.0.1

        logger.info(f"QMT HTTP Server 启动于 http://0.0.0.0:{PORT} (全部API已加载)")

        IOLoop.current().start()

    except Exception as e:

        logger.exception(f"server start failed: {e}")

make_app里提供的注册路由。

 ============= 路由注册 =============

def make_app():

    return Application([



        # 原有兼容路由

        (r"/api/holding", HoldingHandler),

        (r"/api/money/total", TotalMoneyHandler),

        (r"/api/money/available", AvailableMoneyHandler),

        (r"/api/order/buy", BuyHandler),

        (r"/api/order/sell", SellHandler),

        (r"/api/order/deal", DealHandler),

        ..... 省略若干

        # 数据查询

        (r"/api/data/stock_name", StockNameHandler),

        (r"/api/data/open_date", OpenDateHandler),

        (r"/api/data/last_volume", LastVolumeHandler),

        (r"/api/data/bar_timetag", BarTimetagHandler),

        (r"/api/data/tick_timetag", TickTimetagHandler),

        (r"/api/data/sector", SectorHandler),

        (r"/api/data/industry", IndustryHandler),

        (r"/api/data/stock_list_in_sector", StockListInSectorHandler),

        (r"/api/data/history_data", HistoryDataHandler),

        (r"/api/data/market_data", MarketDataHandler),

        (r"/api/data/market_data_ex", MarketDataExHandler),

        (r"/api/data/full_tick", FullTickHandler),

# ContextInfo.get_full_tick() - 获取分笔数据

class FullTickHandler(BaseHandler):

    def post(self):

        data = json.loads(self.request.body)

        stocks = data.get('stocks', '')

        if not stocks:

            raise HTTPError(400, "need args stocks")

        code_list = [s.strip() for s in stocks.split(',')]

        ret = safe_call(self.ctx().get_full_tick, code_list)

        if not ret:

            raise HTTPError(500, "获取分笔行情失败")

        self.write(json.dumps(ret, ensure_ascii=False, default=str))

这里核心就是执行QMT的get_full_tick，把数据作为response返回。请求使用POST，传入股票代码，返回股票tick数据。

在QMT里启动后，等待外部程序调用。

TOKEN = "123456789" 

class QMTClient:

    def __init__(self, base_url="http://127.0.0.1:10086";):

        self.base = base_url

        self.session = requests.Session()

        self.session.headers.update({"Content-Type": "application/json; charset=utf-8"})

        self.session.headers.update({"X-Token": TOKEN})



    def _req(self, method, path, **kwargs):

        url = f"{self.base}{path}"

        try:

            resp = self.session.request(method, url, timeout=10, **kwargs)

            resp.raise_for_status()

            return resp.json()

        except requests.RequestException as e:

            return {"error": str(e), "status_code": getattr(e.response, 'status_code', 500)}



    def get_full_tick(self, stocks):

        return self._req('POST', f'/api/data/full_tick', json={

            "stocks": stocks})

client = QMTClient()

print(client.get_full_tick('600000.SH'))

client = QMTClient()
print(client.get_full_tick('600000.SH'))

QMT里可以看到对应的调用记录

外部程序的返回的结果：

然后按葫芦画瓢，让AI对着文档把剩余的函数都实现了即可。

比如要下单功能，就实现

# passorder(23) - 买入下单(封装passorder)

class BuyHandler(BaseHandler):

    def post(self):

        try:

            data = json.loads(self.request.body)

            stock = data['stock']

            price = float(data['price'])

            volume = int(data['volume'])

            pr_type = data.get('prType', 11)

            order_ref = passorder(23, 1101, self.acc(), stock, pr_type, price, volume, 'qmt', 2, self.ctx())

            self.write(json.dumps({

                "status": "success", "action": "buy", "stock": stock,

                "order_ref": str(order_ref) if order_ref else"unknown"

            }, ensure_ascii=False))

        except Exception as e:

            logger.exception("买入下单异常")

            raise HTTPError(400, f"下单失败: {str(e)}")

然后在外部你的策略代码里面加入：

client = QMTClient() 

client.buy_stock("600000.SZ", 6.80, 100)

miniQMT要被暂停使用了吗

QMT • 李魔佛发表了文章 • 0 个评论 • 990 次浏览 • 2026-07-01 18:26 • 来自相关话题

目前确实收到消息，国X证券的miniQMT要被暂停使用。【国X证券的新开的用户没有miniQMT，存量的暂时不影响，后续会停止】

国X证券的通知：

华泰证券支持QMT和Ptrade吗？

量化交易 • 李魔佛发表了文章 • 0 个评论 • 1248 次浏览 • 2026-04-28 17:21 • 来自相关话题

里面有个模块MQuant。用于编写量化程序，支持python和C++

matic文档：
https://github.com/Rockyzsu/matic.git

需要开通的朋友可以扫码关注公众号，获取开通联系方式：

东莞证券ptrade的编程功能模块被移除了

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1875 次浏览 • 2025-11-23 13:17 • 来自相关话题

东莞证券支持ptrade和qmt,miniQMT ,

本来门槛不太高,作为备用也是不错的.

也不知道上面领导怎么想的. 把编程模块移走了.

目前就剩ptrade上内置的一些基础功能

无法通过python编程实现自己的自定义策略.

有点可惜.

东北证券QMT miniQMT (NET专业版)万0.854免5

QMT • 李魔佛发表了文章 • 0 个评论 • 4861 次浏览 • 2025-10-16 23:05 • 来自相关话题

东北证券是目前为数不多的支持miniQMT，而且免5，门槛也不高的券商。入金30w，可以绵五，开通QMT、miniQMT.

东北证券的qmt名称叫NET专业版。

东北证券的QMT支持python和vba 两种语言。

开通后可加入量化技术群。
扫码联系开通。

申万宏源 Ptrade / QMT/miniQMT 免5 开通

QMT • 李魔佛发表了文章 • 0 个评论 • 3046 次浏览 • 2025-08-07 19:01 • 来自相关话题

费率非常低，万0.854，免5 ！
支持QMT，miniQMT和Ptrade。

量化功能应有尽有，是目前为止为数不多的有miniQMT的免5券商。

费率低，ETF，可转债均为万0.5

线上开户，需要的朋友可以扫码联系开通。

QMT获取北交所市场代码

QMT • 李魔佛发表了文章 • 0 个评论 • 2723 次浏览 • 2025-02-21 11:30 • 来自相关话题

现在qmt支持北交所交易，但前提也是需要你的账号已经开通了北交所的权限。

现在的券商只要你开了科创板，可以直接开通北交所，不再需要20交易日，50w的要求。

QMT获取北交所代码：

运行输出结果：

需要开通量化api权限的券商，可以扫码关注并咨询查看全部

现在qmt支持北交所交易，但前提也是需要你的账号已经开通了北交所的权限。

现在的券商只要你开了科创板，可以直接开通北交所，不再需要20交易日，50w的要求。

QMT获取北交所代码：

运行输出结果：

需要开通量化api权限的券商，可以扫码关注并咨询

江海证券支持QMT，miniQMT，且低门槛开通

QMT • 李魔佛发表了文章 • 0 个评论 • 5981 次浏览 • 2025-02-12 00:46 • 来自相关话题

最近新推出的支持QMT，miniQMT的券商，江海证券。

江海证券有限公司于2003年12月15日在哈尔滨市市场监督管理局登记成立。法定代表人孙名扬，公司经营范围包括证券经纪，证券承销与保荐，证券投资咨询，证券自营等。

这logo看起来有点像银河呢。

江海证券现有分支机构75家，其中17家分公司，58家营业部，遍布北京、上海、广州、深圳、厦门、青岛、大连、成都、武汉、长沙、合肥及黑龙江省内等主要城市，形成了“覆盖龙江、辐射沿海、布局全国”的业务发展格局。

不过上面的是2018年的数据，最新的可能会少一些。因为现在很多营业部都更加注重线上业务。也就是通过线上就可以开通账号。

目前江海证券能够开通量化QMT，和miniQMT的自动化交易权限。

下载地址：

江海证券QMT实盘_实盘_1.0.0.36190.exe

或者直接到官网：
https://www.jhzq.com.cn/main/home/software/index.shtml
选择QMT下载即可

江海证券也支持无限易量化平台。

需要的可以咨询公众号：查看全部

最近新推出的支持QMT，miniQMT的券商，江海证券。

江海证券有限公司于2003年12月15日在哈尔滨市市场监督管理局登记成立。法定代表人孙名扬，公司经营范围包括证券经纪，证券承销与保荐，证券投资咨询，证券自营等。

这logo看起来有点像银河呢。

江海证券现有分支机构75家，其中17家分公司，58家营业部，遍布北京、上海、广州、深圳、厦门、青岛、大连、成都、武汉、长沙、合肥及黑龙江省内等主要城市，形成了“覆盖龙江、辐射沿海、布局全国”的业务发展格局。

不过上面的是2018年的数据，最新的可能会少一些。因为现在很多营业部都更加注重线上业务。也就是通过线上就可以开通账号。

目前江海证券能够开通量化QMT，和miniQMT的自动化交易权限。

下载地址：

江海证券QMT实盘_实盘_1.0.0.36190.exe

或者直接到官网：
https://www.jhzq.com.cn/main/home/software/index.shtml
选择QMT下载即可

江海证券也支持无限易量化平台。

需要的可以咨询公众号：

QMT获取市场可转债代码

可转债 • 李魔佛发表了文章 • 0 个评论 • 2716 次浏览 • 2024-11-14 11:12 • 来自相关话题

QMT本身内置的数据包含了可转债的代码，不需要额外通过外部网络获取。

#encoding:gbk

def init(ContextInfo):
pass

def handlebar(ContextInfo):
index = ContextInfo.barpos
realtime = ContextInfo.get_bar_timetag(index)
print(ContextInfo.get_stock_list_in_sector('沪深转债', realtime))

欢迎关注公众号：可转债量化分析查看全部

QMT本身内置的数据包含了可转债的代码，不需要额外通过外部网络获取。

#encoding:gbk



def init(ContextInfo):

    pass

    

def handlebar(ContextInfo):

    index = ContextInfo.barpos

    realtime = ContextInfo.get_bar_timetag(index)

    print(ContextInfo.get_stock_list_in_sector('沪深转债', realtime))

欢迎关注公众号：可转债量化分析

可转债现金替代策略 | QMT | Ptrade

量化交易 • 李魔佛发表了文章 • 0 个评论 • 2651 次浏览 • 2024-10-15 11:05 • 来自相关话题

策略需求：
适合大资金，求稳。

挑选低价格的AAA可转债，比如正股是银行，高分红的国企股，比如大秦铁路的转债，大秦转债等，且到期收益为正。作为标的池。

然后先在标的池里挑选出一个价格最低的转债，1/3 仓位买入，其余仓位买入银华日利。

程序每分钟监控。或者不用那么频繁，可以设置每小时，每天都可以。

如果转债价格下跌了X，就卖出银华日利（1/10仓位），买入转债；（这里仓位随意举例）

如果转债价格上涨了Y，就卖出转债（1/5仓位），买入银华日利；（这里仓位随意举例）

一般AAA的大规模转债，其波动比较小，很少会遇到趋势上涨。所以大部分的时间是做有波动的高抛低吸。

但，一旦遇到趋势上涨，或者突破，那么按照策略会不断卖出转债；

一旦转债仓位为0，就可以在标的池买入另外一只标的（1/3仓位），从而继续下一轮的高抛低吸。

如果转债价格一直跌，但由于AAA的转债有保底，且有回售，转股，下修等各种手段，来兜底，

所以一般遇到跌幅行情，下跌不会超过10%，所以策略可以一直在卖出银华日利，买入转债；

如果中途，出现了其他好的标的，你需要手动交易，那么可以手动卖出银华日利或者可转债，腾出仓位，来操作。

也就是这个策略的可转债，纯粹当做现金来替代来使用。

接着就是使用QMT和Ptrade实现。

待续............

查看全部

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

QMT • 李魔佛发表了文章 • 0 个评论 • 3205 次浏览 • 2024-09-29 10:27 • 来自相关话题

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

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

QMT的handlebar设置成一分钟周期的时候，运行是3秒一次的

QMT • 李魔佛发表了文章 • 0 个评论 • 3583 次浏览 • 2024-09-13 11:46 • 来自相关话题

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

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：

QMT/iQuant居然禁止redis获取股票行情数据，如何破解

QMT • 李魔佛发表了文章 • 0 个评论 • 4193 次浏览 • 2024-09-10 11:26 • 来自相关话题

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

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：

低门槛入金2W开通QMT miniQMT，股票费率免5，0.1元起

券商万一免五 • 李魔佛发表了文章 • 0 个评论 • 4058 次浏览 • 2024-08-31 14:29 • 来自相关话题

实打实的低门槛，低佣券商，入金2W，开通QMT，miniQMT；
而且费率是直接可以调到万0.754，免五，0.1元起。简直比万一免五还要低！

目前属于活动期间才有的低费率。

需要开户的，可以联系公众号，开户后有QMT技术支持交流群

######### 最新更新，此券商活动已停止 #############
查看全部

实打实的低门槛，低佣券商，入金2W，开通QMT，miniQMT；
而且费率是直接可以调到万0.754，免五，0.1元起。简直比万一免五还要低！

目前属于活动期间才有的低费率。

需要开户的，可以联系公众号，开户后有QMT技术支持交流群

######### 最新更新，此券商活动已停止 #############

国信iquant requests 爬虫获取数据还有使用 tushare，akshare 无法连接，提示超时

QMT • 李魔佛发表了文章 • 0 个评论 • 3780 次浏览 • 2024-08-28 14:29 • 来自相关话题

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

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。

QMT如何获取持仓成本盈亏比例

QMT • 李魔佛发表了文章 • 0 个评论 • 3617 次浏览 • 2024-08-25 07:50 • 来自相关话题

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

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：

python Ptrade获取热门板块，连板股票 python代码

Ptrade • 李魔佛发表了文章 • 0 个评论 • 6632 次浏览 • 2024-08-23 16:57 • 来自相关话题

之前有人咨询，ptrade如何获取不同的概念板块个股。其实很容易，本身有获取板块信息的API函数：

Ptrade API文档：https://ptradeapi.com/#get_sort_msg

get_sort_msg – 获取板块、行业的涨幅排名
get_sort_msg(sort_type_grp=None, sort_field_name=None, sort_type=1, data_count=100)
接口说明
该接口用于获取板块、行业的涨幅排名。
参数 sort_type_grp: 板块或行业的代码(list[str]/str)；
(暂时只支持XBHS.DY地域、XBHS.GN概念、XBHS.ZJHHY证监会行业、XBHS.ZS指数、XBHS.HY行业等)

示例代码：按概念板块涨幅倒序排名
import datetime
START_TIME = (datetime.datetime.now() + datetime.timedelta(minutes=1)).strftime('%H:%M')

def execution(context):
#获取XBHS.GN的概念排名信息
sort_data = get_sort_msg(sort_type_grp='XBHS.GN', sort_field_name='px_change_rate', sort_type=1, data_count=100)

for data in sort_data:
log.info('板块： {} '.format(data['prod_name']))
for sub_stock in data['rise_first_grp']:
log.info('{} 涨幅：{}'.format(sub_stock['prod_name'],sub_stock['px_change_rate']))

log.info('\n')

def initialize(context):
# 初始化策略
run_daily(context, execution, time=START_TIME) # 扫描
log.info("公众号：可转债量化分析\n")

def handle_data(context, data):
pass

上面代码在ptrade启动后一分钟拿到结果。不限制要求开盘时间的。其实Ptrade可以在24小时任意时刻启动。

get_sort_msg 返回的数据结构体如下：

具体字段的含义：
prod_code: 行业代码(str:str)；
prod_name: 行业名称(str:str)；
hq_type_code: 行业板块代码(str:str)；
time_stamp: 时间戳毫秒级(str:int)；
trade_mins: 交易分钟数(str:int)；
trade_status: 交易状态(str:str)；
preclose_px: 昨日收盘价(str:float)；
open_px: 今日开盘价(str:float)；
last_px: 最新价(str:float)；
high_px: 最高价(str:float)；
low_px: 最低价(str:float)；
wavg_px: 加权平均价(str:float)；
business_amount: 总成交量(str:int)；
business_balance: 总成交额(str:int)；
px_change: 涨跌额(str:float)；
amplitude: 振幅(str:int)；
px_change_rate: 涨跌幅(str:float)；
circulation_amount: 流通股本(str:int)；
total_shares: 总股本(str:int)；
market_value: 市值(str:int)；
circulation_value: 流通市值(str:int)；
vol_ratio: 量比(str:float)；
shares_per_hand: 每手股数(str:int)；
rise_count: 上涨家数(str:int)；
fall_count: 下跌家数(str:int)；
member_count: 成员个数(str:int)；
rise_first_grp: 领涨股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；
prod_code: 股票代码(str:str)；
prod_name: 证券名称(str:str)；
hq_type_code: 类型代码(str:str)；
last_px: 最新价(str:float)；
px_change_rate: 涨跌幅(str:float)；
fall_first_grp: 领跌股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；
prod_code: 股票代码(str:str)；
prod_name: 证券名称(str:str)；
hq_type_code: 类型代码(str:str)；
last_px: 最新价(str:float)；
px_change_rate: 涨跌幅(str:float)；

这个返回数据是实时的，可以用来选股，选择热门股，热门板块，涨停板块，昨日涨停，昨日连板板块。

比如上面运行结果里就有昨日连板的板块个股，有9个，在rise_first_grp 字段里面：

需要开通Ptrade的读者朋友可以后天联系哦，提供不同券商ptrade，低门槛，低费率，还有技术支持群！
查看全部

之前有人咨询，ptrade如何获取不同的概念板块个股。其实很容易，本身有获取板块信息的API函数：

Ptrade API文档：https://ptradeapi.com/#get_sort_msg

get_sort_msg – 获取板块、行业的涨幅排名

get_sort_msg(sort_type_grp=None, sort_field_name=None, sort_type=1, data_count=100)

接口说明
该接口用于获取板块、行业的涨幅排名。
参数 sort_type_grp: 板块或行业的代码(list[str]/str)；
(暂时只支持XBHS.DY地域、XBHS.GN概念、XBHS.ZJHHY证监会行业、XBHS.ZS指数、XBHS.HY行业等)

示例代码：按概念板块涨幅倒序排名

import datetime

START_TIME = (datetime.datetime.now() + datetime.timedelta(minutes=1)).strftime('%H:%M')





def execution(context):

    #获取XBHS.GN的概念排名信息

    sort_data = get_sort_msg(sort_type_grp='XBHS.GN', sort_field_name='px_change_rate', sort_type=1, data_count=100)



    for data in sort_data:

        log.info('板块： {} '.format(data['prod_name']))

        for sub_stock in data['rise_first_grp']:

            log.info('{} 涨幅 ：{}'.format(sub_stock['prod_name'],sub_stock['px_change_rate']))

        

        log.info('\n')





def initialize(context):

    # 初始化策略

    run_daily(context, execution, time=START_TIME)  # 扫描

    log.info("公众号：可转债量化分析\n")



def handle_data(context, data):

    pass

上面代码在ptrade启动后一分钟拿到结果。不限制要求开盘时间的。其实Ptrade可以在24小时任意时刻启动。

get_sort_msg 返回的数据结构体如下：

具体字段的含义：

prod_code: 行业代码(str:str)；

prod_name: 行业名称(str:str)；

hq_type_code: 行业板块代码(str:str)；

time_stamp: 时间戳毫秒级(str:int)；

trade_mins: 交易分钟数(str:int)；

trade_status: 交易状态(str:str)；

preclose_px: 昨日收盘价(str:float)；

open_px: 今日开盘价(str:float)；

last_px: 最新价(str:float)；

high_px: 最高价(str:float)；

low_px: 最低价(str:float)；

wavg_px: 加权平均价(str:float)；

business_amount: 总成交量(str:int)；

business_balance: 总成交额(str:int)；

px_change: 涨跌额(str:float)；

amplitude: 振幅(str:int)；

px_change_rate: 涨跌幅(str:float)；

circulation_amount: 流通股本(str:int)；

total_shares: 总股本(str:int)；

market_value: 市值(str:int)；

circulation_value: 流通市值(str:int)；

vol_ratio: 量比(str:float)；

shares_per_hand: 每手股数(str:int)；

rise_count: 上涨家数(str:int)；

fall_count: 下跌家数(str:int)；

member_count: 成员个数(str:int)；

rise_first_grp: 领涨股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；

prod_code: 股票代码(str:str)；

prod_name: 证券名称(str:str)；

hq_type_code: 类型代码(str:str)；

last_px: 最新价(str:float)；

px_change_rate: 涨跌幅(str:float)；

fall_first_grp: 领跌股票(其包含以下五个字段)(str:list[dict{str:int,str:str,str:str,str:float,str:float},...])；

prod_code: 股票代码(str:str)；

prod_name: 证券名称(str:str)；

hq_type_code: 类型代码(str:str)；

last_px: 最新价(str:float)；

px_change_rate: 涨跌幅(str:float)；

这个返回数据是实时的，可以用来选股，选择热门股，热门板块，涨停板块，昨日涨停，昨日连板板块。

比如上面运行结果里就有昨日连板的板块个股，有9个，在rise_first_grp 字段里面：

需要开通Ptrade的读者朋友可以后天联系哦，提供不同券商ptrade，低门槛，低费率，还有技术支持群！

QMT获取持仓信息报错：AttributeError: 'NoneType' object has no attribute 'request_id'

QMT • 李魔佛发表了文章 • 0 个评论 • 2866 次浏览 • 2024-06-17 14:03 • 来自相关话题

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

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

QMT股票两融对冲建仓实盘

QMT • 李魔佛发表了文章 • 0 个评论 • 3537 次浏览 • 2024-05-29 12:02 • 来自相关话题

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

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。

迅投官网的实例代码好多问题，惨不忍睹

QMT • 李魔佛发表了文章 • 0 个评论 • 2536 次浏览 • 2024-05-12 16:55 • 来自相关话题

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。
https://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。
https://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？

QMT • 李魔佛发表了文章 • 0 个评论 • 3004 次浏览 • 2024-05-06 10:32 • 来自相关话题

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

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。

使用量化程序获取ETF的成分股与实时净值

QMT • 李魔佛发表了文章 • 0 个评论 • 3116 次浏览 • 2024-04-11 12:22 • 来自相关话题

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

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：

QMT回测会跳过当前的周六日和节假日吗

QMT • 李魔佛发表了文章 • 0 个评论 • 2637 次浏览 • 2024-04-09 13:13 • 来自相关话题

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

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。

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

QMT • 李魔佛发表了文章 • 0 个评论 • 2987 次浏览 • 2024-04-01 13:38 • 来自相关话题

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

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每次自动升级，都会把改过的配置文件给覆盖掉

QMT • 李魔佛发表了文章 • 0 个评论 • 3229 次浏览 • 2024-03-31 14:23 • 来自相关话题

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

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

不同券商的数据质量简单对比：国金QMT vs 国信QMT（iquant）

QMT • 李魔佛发表了文章 • 0 个评论 • 6113 次浏览 • 2024-03-31 11:57 • 来自相关话题

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

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 !')

更多...

迅投QMT量化交易教程以及实盘代码

话题描述

迅投QMT量化交易教程以及实盘代码

最佳回复者

: 李魔佛
获得 0 次赞同, 0 次感谢

: 绫波丽
获得 0 次赞同, 0 次感谢

QMT

话题描述

相关话题

最佳回复者

1 人关注该话题