QMT Python API

快速开始

一、概述

QMT 极速策略交易系统，以下简称 QMT 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功能。通过编写 python 脚本，可以完成指标计算，策略编写，策略回测，实盘下单等需求。

二、场景需求

QMT 系统支持回测模型与实盘模型。

回测模型： 指在历史 k 线上，自左向右逐根遍历 k 线，以模拟的资金账号记录每日的买卖信号，持仓盈亏，最终展示策略在历史上的净值走势结果。

实盘模型： 指在盘中收取最新的动态行情，即时发送买卖信号到交易所，判断委托状态，需要实时重复报撤的模型。

两类模型分别有各自的注意点：

回测模型

回测是遍历固定的历史数据：
- 首先需要下载历史行情，首次下载可以在界面左上角，点击操作，选择数据管理补充行情，选择回测的周期，如日线，所需的板块数据，如沪深A股板块，时间范围选择全部，下载完整历史行情
- 其次设置每日定时更新，可以点击客户端右下角行情按钮，在批量下载界面选择需要每天更新的数据，勾选定时下载选项，之后每天在指定时间会自动下载行情数据到本地
回测模型取本地数据遍历，不需要向服务器订阅实时行情，应使用 get_market_data_ex函数，指定subscribe参数为False，来读取本地行情数据。
回测模型的撮合规则为，指定交易价格在当前k线高低点间的，按指定价格撮合，超过高低点的，按当前 k 线收盘价撮合。委托数量大于可用数量时，按可用数量撮合。

回测模型右侧的基本信息，如默认周期，默认主图，在我的界面点击回测时会生效。在行情界面k线下点击回测，以当前 k 线的周期，品种为准。回测必须以副图模式执行，不要选择主图 /主图叠加.

实盘模型

当你回测结束，你需要开始实盘模型，注意这里提到的实盘，指的是接收未来 K 线的数据，生成策略信号，进行交易下单。

提示

实盘模型也分模拟柜台模拟交易和真实柜台实盘交易两种。具体请参考如何配置账号

你要运行实盘模型，QMT 系统提供两种交易模式：
- 默认的交易模式为逐 k 线生效 (passorder函数快速交易quicktrade参数填 0 即默认值)，适用与需要在盘中模拟历史上逐 k 线的效果需求。例如选择一分钟周期，将下单判断，下单函数放在handlebar函数内，盘中主图每个分笔 (三秒一次)会触发一次handlebar函数调用，系统会暂存当前handlebar产生的下单信号。三秒后下一个分笔到达时，如果是新的一分钟 k 线的第一个分笔，判断上一个分笔为前一根k线最后分笔，会将暂存的交易信号发送给交易所，完成交易。如到达的下一个分笔不是新一根 k 线的，则判定当前 k 线未完成，丢弃暂存的交易信号。1 分钟 k 线情形，每根k线内会有 20 个分笔，前 19 个分笔产生的信号会被丢弃，最后一个分笔的信号，会在下一根k线，首个分笔到达时，延迟三秒发出。系统自带的ContxtInfo也做了同样的等待，回退处理，逐 k 线模式的交易记录可以保存在ContextInfo对象的属性中。详细说明参见常见问题：系统对象ContextInfo 逐K线保存的机制
- QMT 系统也支持立即下单的交易模式，passorder函数的快速交易quicktrade参数填 2，可以在运行后立刻发出委托，不对信号进行等待，丢弃的操作。此时需要用普通的全局变量(如自定义一个Class a())保存委托状态，不能存在ContextInfo的属性里。参见使用快速交易参数委托、调整至目标持仓Demo
实盘的撮合规则以交易所为准。股票品种的话，价格不能超过 2% 的价格笼子否则废单。数量超过可用数量时会废单。
实盘模型需要在模型交易界面执行。模型交易界面，选择新建策略交易，添加需要的模型。运行模式可以选择模拟或实盘。
- 选择模拟信号模式，在策略信号界面显示买卖信号，不实际发出委托。具体请参考模拟信号模式
- 选择实盘交易模式，显示的策略信号会实际发出到交易所。具体请参考实盘交易模式

提示

运行模式的模拟和实盘，与您使用的账号实际是实盘账号（真实交易所柜台）或是模拟账号（模拟交易柜台）无关。相关账号申请需要联系您做所在券商的工作人员，或者购买投研端账号获取模拟柜台撮合服务。

三、运行机制对比

QMT 系统提供两大类(事件驱动与定时任务)，共三种运行机制。

逐 K 线驱动：`handlebar`

handlebar是主图历史 k 线+盘中订阅推送。运行开始时，所选周期历史 k 线从左向右每根触发一次handlebar函数调用。盘中时，主图品种每个新分笔数据到达，触发一次handlebar函数调用。

提示

盘中分笔驱动，但是逐 K 线生效。请参考常见问题：系统对象ContextInfo 逐K线保存的机制

盘中订阅指定品种的分笔数据，新分笔到达时，触发指定的回调函数。

定时任务：`run_time` 定时运行

指定固定的时间间隔，持续触发指定的回调函数.

不同机制匹配不同场景需求

机制	分类	特点	匹配需求
逐 K 线运行（`handlebar`）	事件驱动	同时支持历史回测和盘中可模拟逐K线效果	在实盘中模拟逐K线运行的效果
订阅推送（`subscribe`）	事件驱动	盘中行情分笔触发函数调用	盘中随分笔行情判断交易
定时运行（`run_time`）	定时任务	固定间隔触发调用	盘中固定时间间隔判断交易

四、逐 K 线驱动（handlebar）示例

因此，结合不同场景需求（回测或实盘），针对不同的机制（定时任务或事件驱动），我们分别给出回测与实盘的完整示例，复制到策略编辑器中即可使用。

在编写策略前，有以下注意事项：

风险

在编写一个策略时，首先需要在代码的最前一行写上： #coding:gbk 统一脚本的编码格式是GBK

缩进需要统一全部统一为····或者->

回测示例-基于 handlebar

回测的操作流程请参考：界面操作-策略回测

复制代码以下代码到策略编辑器：

qmt://docs/python

1#coding:gbk

3#导入常用库

4import pandas as pd

5import numpy as np

6import talib

#示例说明：本策略，通过计算快慢双均线，在金叉时买入，死叉时做卖出 点击回测运行 主图选择要交易的股票品种

9def init(C):

10 #init handlebar函数的入参是ContextInfo对象可以缩写为C

11 #设置测试标的为主图品种

12 C.stock= C.stockcode + '.' +C.market

13 #line1和line2分别为两条均线期数

14 C.line1=10 #快线参数

15 C.line2=20 #慢线参数

16 #accountid为测试的ID 回测模式资金账号可以填任意字符串

17 C.accountid = "testS"

19def handlebar(C):

20 #当前k线日期

21 bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')

	#回测不需要订阅最新行情使用本地数据速度更快 指定subscribe参数为否. 如果回测多个品种 需要先下载对应周期历史数据

	local_data = C.get_market_data_ex(['close'], [C.stock], end_time = bar_date, period = C.period, count = max(C.line1, C.line2), subscribe = False)

24 close_list = list(local_data[C.stock].iloc[:, 0])

25 #将获取的历史数据转换为DataFrame格式方便计算

26 #如果目前未持仓，同时快线穿过慢线，则买入8成仓位

27 if len(close_list) <1:

28 print(bar_date, '行情不足跳过')

29 line1_mean = round(np.mean(close_list[-C.line1:]), 2)

30 line2_mean = round(np.mean(close_list[-C.line2:]), 2)

31 print(f"{bar_date} 短均线{line1_mean} 长均线{line2_mean}")

32 account = get_trade_detail_data('test', 'stock', 'account')

33 account = account[0]

34 available_cash = int(account.m_dAvailable)

35 holdings = get_trade_detail_data('test', 'stock', 'position')

36 holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID : i.m_nVolume for i in holdings}

37 holding_vol = holdings[C.stock] if C.stock in holdings else 0

38 if holding_vol == 0 and line1_mean > line2_mean:

39 vol = int(available_cash / close_list[-1] / 100) * 100

40 #下单开仓

41 passorder(23, 1101, C.accountid, C.stock, 5, -1, vol, C)

42 print(f"{bar_date} 开仓")

43 C.draw_text(1, 1, '开')

44 #如果目前持仓中，同时快线下穿慢线，则全部平仓

45 elif holding_vol > 0 and line1_mean < line2_mean:

46 #状态变更为未持仓

47 C.holding=False

48 #下单平仓

49 passorder(24, 1101, C.accountid, C.stock, 5, -1, holding_vol, C)

50 print(f"{bar_date} 平仓")

51 C.draw_text(1, 1, '平')

基础信息设置 请参考基础信息-字段描述

回测参数设置 请参考回测参数-字段描述

实盘示例-基于 handlebar

实盘的操作流程请参考：界面操作-模型交易

复制代码以下代码到策略编辑器：

qmt://docs/python

1#coding:gbk

3# 导入包

4import pandas as pd

5import numpy as np

6import datetime

8"""

9示例说明：双均线实盘策略，通过计算快慢双均线，在金叉时买入，死叉时做卖出

10"""

12class a():

13 pass

14A = a() #创建空的类的实例用来保存委托状态

17def init(C):

18 A.stock= C.stockcode + '.' + C.market #品种为模型交易界面选择品种

19 A.acct= account #账号为模型交易界面选择账号

20 A.acct_type= accountType #账号类型为模型交易界面选择账号

21 A.amount = 10000 #单笔买入金额触发买入信号后买入指定金额

22 A.line1=17 #快线周期

23 A.line2=27 #慢线周期

24 A.waiting_list = [] #未查到委托列表存在未查到委托情况暂停后续报单防止超单

25 A.buy_code = 23 if A.acct_type == 'STOCK' else 33 #买卖代码区分股票与两融账号

26 A.sell_code = 24 if A.acct_type == 'STOCK' else 34

27 print(f'双均线实盘示例{A.stock} {A.acct} {A.acct_type} 单笔买入金额{A.amount}')

29def handlebar(C):

30 #跳过历史k线

31 if not C.is_last_bar():

32 return

33 now = datetime.datetime.now()

34 now_time = now.strftime('%H%M%S')

35 # 跳过非交易时间

36 if now_time < '093000' or now_time > "150000":

37 return

38 account = get_trade_detail_data(A.acct, A.acct_type, 'account')

39 if len(account)==0:

40 print(f'账号{A.acct} 未登录请检查')

41 return

42 account = account[0]

43 available_cash = int(account.m_dAvailable)

44 #如果有未查到成交查询成交

45 if A.waiting_list:

46 found_list = []

47 deals = get_trade_detail_data(A.acct, A.acct_type, 'deal')

48 for deal in deals:

49 if deal.m_strRemark in A.waiting_list:

50 found_list.append(deal.m_strRemark)

51 A.waiting_list = [i for i in A.waiting_list if i not in found_list]

52 if A.waiting_list:

53 print(f"当前有未查到委托 {A.waiting_list} 暂停后续报单")

54 return

55 holdings = get_trade_detail_data(A.acct, A.acct_type, 'position')

56 holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID : i.m_nCanUseVolume for i in holdings}

57 #获取行情数据

58 data = C.get_market_data_ex(["close"],[A.stock],period = '1d',count = max(A.line1, A.line2)+1)

59 close_list = data[A.stock].values

60 if len(close_list) < max(A.line1, A.line2)+1:

61 print('行情长度不足(新上市或最近有停牌) 跳过运行')

62 return

63 pre_line1 = np.mean(close_list[-A.line1-1: -1])

64 pre_line2 = np.mean(close_list[-A.line2-1: -1])

65 current_line1 = np.mean(close_list[-A.line1:])

66 current_line2 = np.mean(close_list[-A.line2:])

67 #如果快线穿过慢线，则买入委托当前无持仓买入

68 vol = int(A.amount / close_list[-1] / 100) * 100 #买入数量向下取整到100的整数倍

	if A.amount < available_cash and vol >= 100 and A.stock not in holdings and pre_line1 < pre_line2 and current_line1 > current_line2:

70 #下单开仓，参数说明可搜索PY交易函数 passorder

71 msg = f"双均线实盘 {A.stock} 上穿均线买入 {vol}股"

72 passorder(A.buy_code, 1101, A.acct, A.stock, 14, -1, vol, '双均线实盘', 2 , msg, C)

73 print(msg)

74 A.waiting_list.append(msg)

75 #如果快线下穿慢线，则卖出委托

76 if A.stock in holdings and holdings[A.stock] > 0 and pre_line1 > pre_line2 and current_line1 < current_line2:

77 msg = f"双均线实盘 {A.stock} 下穿均线卖出 {holdings[A.stock]}股"

78 passorder(A.sell_code, 1101, A.acct, A.stock, 14, -1, holdings[A.stock], '双均线实盘', 2 , msg, C)

79 print(msg)

80 A.waiting_list.append(msg)

风险

对于立刻下单的模型需要用普通的全局变量来保存状态不能ContextInfo对象存详细说明参考常见问题：系统对象ContextInfo 逐K线保存的机制

更多示例请参见完整示例

qmt://docs/python

1#coding:gbk

3class a():pass

4A = a()

5A.bought_list = []

7account = 'testaccount'

8def init(C):

	#下单函数的参数需要 ContextInfo对象 在init中定义行情回调函数 可以用到init函数的入参 不用手动传入

10 def callback_func(data):

11 #print(data)

12 for stock in data:

13 current_price = data[stock]['close']

14 pre_price = data[stock]['preClose']

15 ratio = current_price / pre_price - 1

16 print(stock, C.get_stock_name(stock), '当前涨幅', ratio)

17 if ratio > 0 and stock not in A.bought_list:

18 msg = f"当前涨幅 {ratio} 大于0 买入100股"

19 print(msg)

20 #下单函数passorder 安全起见处于注释状态需要实际测试下单交易时再放开

21 #passorder(23, 1101, account, stock, 5, -1, 100, '订阅下单示例', 2, msg, C)

22 A.bought_list.append(stock)

23 stock_list = ['600000.SH', '000001.SZ']

24 for stock in stock_list:

25 C.subscribe_quote(stock, period = '1d', callback = callback_func)

六、定时任务（run_time）示例

实盘示例-基于 run_time

qmt://docs/python

1#coding:gbk

2import time, datetime

4class a():

5 pass

6A = a()

8def init(C):

9 A.hsa = C.get_stock_list_in_sector('沪深A股')

10 A.vol_dict = {}

11 for stock in A.hsa:

12 A.vol_dict[stock] = C.get_last_volume(stock)

13 A.bought_list = []

14 C.run_time("f", "1nSecond", "2019-10-14 13:20:00")

16def f(C):

17 t0 = time.time()

18 now = datetime.datetime.now()

19 full_tick = C.get_full_tick(A.hsa)

20 total_market_value = 0

21 total_ratio = 0

22 count = 0

23 for stock in A.hsa:

24 ratio = full_tick[stock]['lastPrice'] / full_tick[stock]['lastClose'] - 1

25 if ratio > 0.09 and stock not in A.bought_list:

26 msg = f"{now} {stock} {C.get_stock_name(stock)} 当前涨幅 {ratio} 大于5% 买入100股"

27 #下单示例安全起见处于注释状态需要实际测试下单时可以放开

28 #passorder(23, 1101, account, stock, 5, -1, 100, '示例策略', 2, msg, C)

29 A.bought_list.append(stock)

30 market_value = full_tick[stock]['lastPrice'] * A.vol_dict[stock]

31 total_ratio += ratio * market_value

32 total_market_value += market_value

33 count += 1

34 total_ratio /= total_market_value

35 total_ratio *= 100

36 print(f'{now} 当前A股加权涨幅 {round(total_ratio, 2)}% 函数运行耗时{round(time.time()- t0, 5)}秒')