平台入门与三种开发方式

第一次接触 QMT，先弄清「它是什么、有哪几条开发路径、回测和实盘差别在哪、一个交易日里引擎在什么时间点做什么」。本章帮你建立全局认知，后面写策略才不会在选型和时机上踩坑。

QMT 是什么

QMT（迅投量化投研交易平台）是迅投（ThinkTrader）出品的本地客户端型量化交易系统，内置了 3.6 版本的 Python 运行环境，提供行情数据与交易下单两大核心能力。它的特点是：

本地运行：策略跑在自己电脑上的 QMT 客户端里，行情落本地、信号本地计算、直接连券商柜台报单，延迟可控。
券商发行：国信 iQuant、华鑫、国金、中信建投等多家券商以 QMT 为底座做定制，登录的是券商资金账号，实盘走券商通道。
多语言多模式：同一套行情和交易能力，既能在客户端内用内置 Python 写，也能用外部 Python 通过 XtQuant 连进来，还能用类 VB 的公式语言写。

它最擅长的是 A 股场景：普通股票、ETF、可转债、国债逆回购、融资融券、新股新债申购都有现成 API；同时也支持期货、期权的行情与交易。

回测模型 vs 实盘模型

QMT 的策略分两类模型，写代码前先分清自己在哪种模式：

模型	数据来源	撮合规则	典型用途
回测模型	本地历史 K 线，自左向右逐根遍历	指定价在当根 K 线高低点内按指定价撮合，超出按收盘价；量超可用按可用量	验证策略在历史上的净值走势
实盘模型	盘中最新动态行情	以交易所规则为准（股票有 ±2% 价格笼子，超价/超量废单）	接收未来 K 线生成信号并真实报单

「实盘」指的是接收未来 K 线下单，它又分模拟柜台模拟交易和真实柜台实盘交易两种，取决于你登录的账号是模拟账号还是真实账号。运行模式选的「模拟/实盘」与账号本身是模拟还是真实无关——模拟模式下只显示信号不发单，实盘模式才会真把委托发出去。

回测前要先下载历史数据：客户端左上角「操作 → 数据管理」，选周期（如日线）和板块（如沪深 A 股）、时间范围选「全部」补一次，再在右下角「行情 → 批量下载」勾「定时下载」做每日增量。回测取本地数据用 get_market_data_ex 并把 subscribe 设为 False，速度快、不需要订阅实时行情。

三种开发方式

这是 QMT 最容易让人混淆的地方——同一套能力有三条入口，先选对路径：

内置 Python（主流）

策略脚本直接写在 QMT 客户端的策略编辑器里，引擎按事件回调（init/handlebar）或订阅/定时机制执行。回测和实盘同一份代码，函数库最全（下单 passorder、行情 get_market_data_ex、查询 get_trade_detail_data 等）。

#coding:gbk
def init(C):
    C.stock = C.stockcode + '.' + C.market
def handlebar(C):
    ...  # 每个 K 线触发一次

适合：绝大多数「写策略 → 回测 → 实盘」的需求。详见内置Python运行机制。

XtQuant（外部 Python）

把 XtQuant 当作普通 Python 库，在自己的 Python 3.6~3.12 环境里 import xtquant，连接到正在运行的 MiniQMT 客户端，用 xtdata 取行情、xttrader 下单。脱离了客户端编辑器的束缚，可以自由用 pandas/numpy/任意第三方库，也方便对接其它系统、做研究脚本或自建框架。

from xtquant import xttrader, xtdata
session = xttrader.XtQuantTrader(path, session_id)
session.start()
account = xttrader.StockAccount(account_id)
xttrader.order_stock(account, '600000.SH', 1, 100, 5, 0.0)

适合：想用自己的 IDE 和依赖环境、做研究型脚本、或把交易能力嵌入已有系统。详见 XtQuant外部接口。

VBA 公式（公式写法）

QMT 的公式编写系统，用类 VB 的公式语言写指标、选股、图表化和程序化交易策略，支持序列模式和逐 K 线模式两种运行原理。从通达信、文华麦语言等公式平台迁移过来的用户最容易上手。

MA5:=MA(CLOSE,5);
MA20:=MA(CLOSE,20);

适合：指标/选股/图表化策略，或习惯公式语言的交易者。详见 VBA公式模型。

三种方式怎么选

你的情况	推荐方式
第一次做量化、要回测+实盘一条龙	内置 Python
已经有成熟的 Python 研究框架，想把 QMT 接进来	XtQuant
从通达信/文华/同花顺公式过来，习惯写公式	VBA 公式
要做盘中高频/分笔级响应	内置 Python（`subscribe`/`run_time`）或 XtQuant
跨周期、多指标叠加的技术分析	VBA 公式（跨周期引用方便）

三种方式并不互斥：很多人用内置 Python 做实盘报单，同时用 XtQuant 在外部脚本里做盘后研究和复盘。

一个交易日的运行节奏（内置 Python 实盘）

理解引擎在盘中什么时候回调，是写对实盘策略的基础。以逐 K 线模式（handlebar）为例：

时机	触发	典型动作
模型启动	`init` 调用一次	初始化变量、设置参数、订阅品种
盘中每个分笔（约 3 秒）	`handlebar` 调用	计算信号、暂存委托
新 K 线首笔到达	上一根 K 线暂存的信号发出	真实报单（逐 K 线生效）
非交易时段	跳过	用时间判断过滤

逐 K 线生效：默认 passorder 的 quicktrade=0，信号暂存到当前 K 线结束、下一根首笔时才发；想立即下单把 quicktrade 填 2，但此时不能用 ContextInfo 存状态，要改用普通全局变量（如自定义 class a()）。
价格笼子：股票品种报价不能超最新价 ±2%，否则废单；数量超可用也会废单。
跳过历史 K 线：实盘 handlebar 启动时会先把历史 K 线重放一遍，通常用 C.is_last_bar() 跳过，只在最新 K 线处理。

业务类型与品种

QMT 覆盖的品种与业务：

类别	支持
股票	沪深 A 股普通买卖、融资融券
基金	ETF 申赎、场内基金买卖
债券	可转债、国债逆回购
申购	新股、新债申购
期货	商品期货、股指期货
期权	个股及 ETF 期权
指数	行情与成分数据

各品种的字段、代码格式、合约信息查询方式，见数据字典与品种数据。

写策略前的三条铁律

第一行必须 #coding:gbk：QMT 脚本统一 GBK 编码，不写中文会乱码甚至报错。
缩进统一：全文要么全用空格、要么全用 Tab，不能混用。
回测 vs 实盘的状态存放不同：逐 K 线模式（quicktrade=0）可存 ContextInfo；立即下单（quicktrade=2）必须用普通全局变量。

下一步

选定内置 Python 后，去内置Python运行机制看清 init/handlebar/subscribe/run_time 四种触发何时调用。