风险提示本内容为量化技术及平台操作的纯知识分享不构成任何投资建议不推荐任何具体证券或交易时机。部分内容可能理解包含错误请自行核实。市场有风险投资需谨慎今天继续安更新计划给大家更新量化的研究给大家参考学习使用更新计划1 策略算法原理 2qmt使用教程 3策略算法原理 4量化研报 5 ptrad使用教程 6 因子分析 7策略算法原理用我自己训练的ai工具辅助研究非常方便内测阶段大qmt触发交易的方式有3中常见的我一般使用run time模块比较方便方便代码的编写扩展3种方式不是绝对的一般都是交叉使用大QMT系统提供两大类事件驱动与定时任务共三种具体的运行机制来触发交易逻辑。它们的设计初衷是为了满足不同场景下的策略需求。1. 逐K线驱动 (handlebar)分类事件驱动触发原理回测/初始化阶段策略启动时系统加载所选周期的历史K线从左到右每一根K线触发一次handlebar(ContextInfo)函数的调用。盘中运行阶段当策略附着于行情主图运行时主图品种每一个新的分笔行情数据Tick到达都会触发一次handlebar函数调用。但其核心设计是模拟逐K线生效的效果即交易信号通常在K线结束时才被最终判定和执行。核心特点旨在在实盘中完美复现回测的逐K线逻辑。默认情况下在handlebar中调用的交易函数如passorder只在最后一根K线即当前K线的最后一个Tick被调用时才会真正触发下单。若要立即下单需使用quickTrade参数。适用场景所有需要在实盘中严格模拟历史回测“一根K线走完才产生信号”的传统策略例如基于日线、小时线收盘价的均线、MACD等指标策略。以下代码展示了经典的双均线金叉死叉策略在handlebar机制下的实现这是一个完整的回测示例。代码参考官方教程#coding:gbk 双均线策略示例 import talib def init(ContextInfo): # 初始化交易账户和股票池 ContextInfo.accID test # 测试账户 ContextInfo.set_universe([001.SZ]) # 设定交易品种为平安银行 # 定义均线周期 ContextInfo.short_period 10 ContextInfo.long_period 20 def handlebar(ContextInfo): # 获取历史收盘价数据 close_prices ContextInfo.get_history_data(ContextInfo.long_period1, ‘1d‘, ‘close‘) # 计算快慢均线 short_ma talib.MA(close_prices, timeperiodContextInfo.short_period) long_ma talib.MA(close_prices, timeperiodContextInfo.long_period) # 获取当前持仓 positions get_position(ContextInfo.accID, ‘STOCK‘) has_position any(pos for pos in positions if pos.m_strInstrumentID ‘01.SZ‘) # 交易逻辑金叉买入死叉卖出 if short_ma[-1] long_ma[-1] and short_ma[-2] long_ma[-2]: # 金叉 if not has_position: # 买入80%仓位 passorder(23, 1101, ContextInfo.accID, ‘01.SZ‘, 5, -1, 8000, ‘双均线策略‘, ContextInfo) elif short_ma[-1] long_ma[-1] and short_ma[-2] long_ma[-2]: # 死叉 if has_position: # 卖出全部持仓 passorder(24, 1101, ContextInfo.accID, ‘001.SZ‘, 5, -1, -1, ‘双均线策略‘, ContextIn2. 订阅推送 (subscribe)分类事件驱动触发原理在init()函数中通过ContextInfo.subscribe_quote()函数主动订阅一个或多个指定品种的行情。此后每当这些被订阅的品种有新的分笔数据到达系统就会自动触发您预先定义的回调函数。核心特点响应速度极快交易逻辑的执行与特定品种的行情变动严格同步。它不依赖于主图可以独立监控特定的股票池。在回调函数中产生的交易信号可以立即下单。适用场景对行情响应延迟敏感的高频策略、Tick级策略、盘口分析、以及对特定一篮子股票进行实时监控的策略。以下代码展示了如何订阅两只股票的日线行情并在回调函数中计算实时涨幅满足条件时触发买入#coding:gbk class State(): pass State.bought_list [] # 记录已买入股票防止重复下单 account ‘testaccount‘ # 交易账户 def init(ContextInfo): # 定义行情回调函数 def quote_callback(data): # data 是字典key为股票代码value为该股票的行情快照 for stock_code in data: current_price data[stock_code][‘close‘] pre_close data[stock_code][‘preClose‘] increase_ratio current_price / pre_close - 1 print(f“{stock_code} 当前涨幅: {increase_ratio:.2%}“) # 交易逻辑涨幅大于0且未买入过则买入 if increase_ratio 0 and stock_code not in State.bought_list: msg f“涨幅 {increase_ratio:.2%} 大于0执行买入“ print(msg) # 安全提示实际测试时需取消下行注释 # passorder(23, 1101, account, stock_code, 5, -1, 100, ‘订阅下单示例‘, 2, msg, ContextInfo) State.bought_list.append(stock_code) # 订阅股票列表的行情并绑定回调函数 stock_list [‘6.SH‘, ‘001.SZ‘] for stock in stock_list: ContextInfo.subscribe_quote(stock, period‘1d‘, callbackquote_callback) def handlebar(ContextInfo): # handlebar函数仍需保留但主体可为空或处理其他逻辑 pass3. 定时运行 (run_time)分类定时任务触发原理在init()函数中通过ContextInfo.run_time()函数注册一个定时任务。您可以指定一个固定的时间间隔如‘5nSecond’表示每5秒。系统会周期性地、按照设定的时间节奏触发您指定的回调函数与行情变化无关。核心特点执行节奏固定适用于需要定期执行的任务。注意在run_time注册的回调函数中调用passorder必须将quickTrade参数设置为2以确保立即触发下单不受K线状态影响。适用场景定期轮询任务如检查持仓、读取外部信号、固定时间点操作如集合竞价、尾盘交易、与外部数据库/API定时交互等。官方代码参考实盘示例以下代码展示了如何在集合竞价期间09:15-09:25利用定时器每5秒检查一次时间并在满足条件时以指定价格下单#coding:gbk import time order_triggered False # 标记是否已下单 target_stock ‘001.SZ‘ # 平行 def init(ContextInfo): # 设置定时器每5秒执行一次my_timer_task函数 # 起始时间设为过去时间意味着定时器会立刻开始等待第一个周期然后执行 ContextInfo.run_time(“my_timer_task“, “5nSecond“, “2019-10-14 13:20:00“) def my_timer_task(ContextInfo): global order_triggered current_time time.strftime(‘%H%M%S‘) # 获取当前时分秒 # 判断是否在集合竞价时间段且未下过单 if not order_triggered and ‘091500‘ current_time ‘092500‘: order_triggered True print(f“{current_time} 触发集合竞价下单“) # 以指定价14.00元买入100股 quickTrade2 确保立即下单 passorder(23, 1101, account, target_stock, 11, 14.00, 100, ‘定时器示例‘, 2, ContextInfo) def handlebar(ContextInfo): # handlebar函数仍需保留 return下面做一个简单的3个模式总结我是小果主做量化研究算法策略的开发多年开发经验不懂的问我就可以
