QMT Python API
聚宽策略迁移至QMT
聚宽用户引导文档
1. 结构对比
聚宽代码结构
1
def initialize(context):2
# 定义一个全局变量, 保存要操作的股票，如000001平安银行3
g.security = '000001.XSHE'4
# 运行函数5
run_daily(market_open, time='every_bar')6
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次7
def market_open(context):8
if g.security not in context.portfolio.positions:9
order(g.security, 1000)10
else:11
order(g.security, -800)QMT代码结构
1
#示例说明：本策略，在回测的每个周期买入主图标的2
def init(C):3
#init handlebar函数的入参是ContextInfo对象 可以缩写为C4
#设置测试标的为主图品种5
C.stock= C.stockcode + '.' +C.market6
#accountid为测试的ID 回测模式资金账号可以填任意字符串7
C.accountid = "testS"8
def handlebar(C):9
# handlebar在回测时，会在回测周期的每根bar被执行一次10
# handlebar在实时行情下，会随着主图tick的更新被调用11
12
# passorder是QMT的综合下单函数，具体参数字段参考官方文档13
passorder(23, 1101,C.accountid, C.stock, 5, -1, 1, C)QMT中，所有数据都存储在本地，所有的策略计算都在电脑本地运行，您可以自由使用下载到的数据与python库
2.聚宽代码移植QMT示例
聚宽代码
当价格高于5日均线平均价格1.05时买入，当价格低于5日平均价格0.95时卖出。
1
# 导入函数库2
import jqdata3
4
# 初始化函数，设定要操作的股票、基准等等5
def initialize(context):6
# 定义一个全局变量, 保存要操作的股票7
# 000001(股票:平安银行)8
g.security = '000001.XSHE'9
# 设定沪深300作为基准10
set_benchmark('000300.XSHG')11
# 开启动态复权模式(真实价格)12
set_option('use_real_price', True)13
14
# 每个单位时间(如果按天回测,则每天调用一次,如果按分钟,则每分钟调用一次)调用一次15
def handle_data(context, data):16
security = g.security17
# 获取股票的收盘价18
close_data = attribute_history(security, 5, '1d', ['close'])19
# 取得过去五天的平均价格20
MA5 = close_data['close'].mean()21
# 取得上一时间点价格22
current_price = close_data['close'][-1]23
# 取得当前的现金24
cash = context.portfolio.cash25
26
# 如果上一时间点价格高出五天平均价5%, 则全仓买入27
if current_price > 1.05*MA5:28
# 用所有 cash 买入股票29
order_value(security, cash)30
# 记录这次买入31
log.info("Buying %s" % (security))32
# 如果上一时间点价格低于五天平均价, 则空仓卖出33
elif current_price < 0.95*MA5 and context.portfolio.positions[security].closeable_amount > 0:34
# 卖出所有股票,使这只股票的最终持有量为035
order_target(security, 0)36
# 记录这次卖出37
log.info("Selling %s" % (security))38
# 画出上一时间点价格39
record(stock_price=current_price)40
QMT代码
单股示例，当价格高于5日均线平均价格1.05时买入，当价格低于5日平均价格0.95时卖出。
1
# QMT是一个本地端界面化软件，回测基准，回测手续费，回测起止时间都可在界面右侧栏进行设置2
3
4
# 初始化函数，设定要操作的股票，参数等5
def init(C):6
# 定义一个全局变量，设定要操作的股票7
# C.stock_list = C.get_stock_list_in_sector("沪深300") # 获取沪深300股票列表8
C.stock_list = ["000001.SZ"] 9
# 设定回测初始资金10
C.capital = 100000011
# 设定回测账号，实盘中账号在交易设置截面选择12
C.account_id = "testaccID"13
# # 关于回测时间，既可以在编辑器右侧栏设置，也可通过代码设置14
C.start = '2017-06-06 00:00:00'15
C.end = '2020-06-06 10:00:00'16
17
def handlebar(C):18
#当前k线日期19
bar_date = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y%m%d%H%M%S')20
# 获取市场行情，具体参数释义见文档21
market_data = C.get_market_data_ex(["open", "high", "low", "close"],C.stock_list,period = "1d",end_time = bar_date)22
23
# 获取当前账户资金24
for i in get_trade_detail_data(C.account_id,"stock","account"):25
cash = i.m_dAvailable26
27
# 获取当前持仓信息，本示例中的holding_dict结构是{stock_code:lots}28
holding_dict = {obj.m_strInstrumentID+"."+obj.m_strExchangeID : obj.m_nVolume for obj in get_trade_detail_data(C.account_id,"stock","position")}29
30
# 遍历gmd返回的字典数据31
for i in market_data:32
# 获取K线数据33
kline = market_data[i]34
# 获取收盘价序列35
close_data = kline["close"]36
# 计算MA537
MA5 = close_data.rolling(5).mean()38
# 如果上一时间点价格高出五天平均价5%, 且当前无持仓, 则全仓买入39
if close_data.iloc[-1] > 1.05 * MA5.iloc[-1] and i not in holding_dict.keys():40
# 全仓买入，交易记录会被客户端自动记录在回测结果，此处展示按金额交易的方法41
passorder(23, 1123, C.account_id, i, 5, -1, 1, C)42
print(f"{bar_date}——{i}触发买入")43
elif close_data.iloc[-1] < 0.95 * MA5.iloc[-1] and i in holding_dict.keys():44
# 获取当前持仓数量45
lots = holding_dict[i]46
# 全仓卖出，交易记录会被客户端自动记录在回测结果，此处展示按股数交易的方法47
passorder(24, 1101, C.account_id, i, 5, -1, lots, C)48
print(f"{bar_date}——{i}触发卖出")49
3. QMT特色函数
获取数据
get_weight_in_index 获取某只股票在某指数中的绝对权重
get_divid_factors 获取除权除息日和复权因子
get_top10_share_holder 获取十大股东数据
get_etf_info 根据ETF基金代码获取ETF申赎清单及对应成分股数据
get_etf_iopv 根据ETF基金代码获取ETF的基金份额参考净值
subscribe_whole_quote 订阅市场全推(tick)
subscribe_quote 订阅单股行情数据
get_option_list 获取指定日期期权列表
最后更新：2026-06-18