我们普通人做股票交易需要自己盯盘、手动下单，而QMT是一款专门做量化交易的软件，和我们平时用的普通交易软件不一样。

通过 QMT 系统，用户可以将自己的想法转化为计算机语言，让计算机给我们实现无人值守的自动化交易。

QMT可以提供量化交易API接口，支持实盘交易和数据获取，除此之外，还支持策略编写、回测、调试、风控等全流程量化服务。

今天给大家详细介绍一下普通散户如何将自己的想法编写成策略由QMT量化软件实现自动化交易。

一、前期准备

1、量化环境准备

量化软件QMT对电脑配置、网络环境有一定的要求，在进行量化策略编写之前，得确认安装量化软件的量化环境是否符合要求，以免后续交易报错或卡顿。

①操作环境兼容性检查

电脑系统最低配置为Windows 10 64位及以上

②硬件需求评估

硬件方面最基本也要4核处理器与8GB内存。

③网络环境提示

有部分办公或酒店网络存在访问限制，跨境连接也可能出现延迟或不稳定的情况。

④安全软件提示

部分安全软件可能会有隔离QMT安装的情况，安装时注意系统文件被隔离或限制。

2、QMT系统python库下载

第一次使用QMT之前，需要预先下载或补充Python库，主要是为了后续策略执行中能够利用丰富的第三方库，比如Pandas、Numpy；

安装完毕后，不要忘记重启客户端。

3、QMT系统数据下载补充

QMT策略运行（无论是回测还是盘中运行）都高度依赖于本地已有的历史行情数据。因此，使用QMT之前，我们需要下载或补充历史数据。

通过“行情源”功能下载或补充数据，选择所需的数据类型、周期、时间进行下载补充。

二、QMT策略编写流程

1、QMT策略框架详解

一个完整的QMT策略框架包含以下几个点：

① 编写 Python 策略在开始时需要定义编码格式，比如 gbk。

② 选择导入策略所需的第三方库，这些第三方库要在QMT支持的白名单才行。（比如Pandas、numpy等)

③ Init 函数是一个完整策略中必要的函数之一。Init 函数会在策略运行开始时调用一次，用以初始化所需对象（包裹在 ContextInfo 对象中传递），设定股票池等。

④ handlebar函数也是一个完整策略必要的函数之一。handlebar函数会在历史 K 线上逐 K 线调用，系统会保存函数所做更改。

以上面策略为例，我们来看看：

① 定义编码格式如下：

#coding:gbk

② 导入第三方库（numpy）如下：

import numpy as np

③ init函数用法如下：

def init(ContextInfo):#设置股票池    stock300 =ContextInfo.get_stock_list_in_sector('沪深300')    ContextInfo.stock30_weight = {}    stock300_symbol = []    stock300_weightlist = []    ContextInfo.index_code = ContextInfo.stockcode + "."+ContextInfo.marketfor key in stock300:#保留权重大于0.35%的成份股if (ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100) > 0.0035:            stock300_symbol.append(key)            ContextInfo.stock300_weight[key] = ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100            stock300_weightlist.append(ContextInfo.get_weight_in_index(ContextInfo.index_code, key) / 100)print('选择的成分股权重总和为：',np.sum(stock300_weightlist))    ContextInfo.set_universe(stock300_symbol)#print(ContextInfo.stock300_weight)#资产配置的初始权重,配比为0.6-0.8-1.0    ContextInfo.ratio = 0.8#账号    ContextInfo.accountid = "tests"

init函数的核心作用是：初始化策略运行环境，筛选出沪深 300 指数中权重大于 0.35% 的成份股构建股票池，记录这些成份股的权重并保存，设置策略初始资产配比权重为 0.8，同时指定交易账号，完成策略运行前的基础配置。

④ handlebar函数用法如下：

def handlebar(ContextInfo):    buy_sum = 0    sell_sum = 0    index = ContextInfo.barpos    realtimetag = ContextInfo.get_bar_timetag(index)print(timetag_to_datetime(realtimetag, '%Y%m%d %H:%M:%S'))    dict_close=ContextInfo.get_history_data(7,'1d','close',3)#持仓市值    holdvalue = 0#持仓    holdings=get_holdings(ContextInfo.accountid,"STOCK")

handlebar函数的核心作用：

获取并记录当前运行到的K线位置和时间；

获取股票池中所有股票过去7天的日线收盘价数据，为后续判断个股是否连续上涨或下跌做准备；

获取当前账户的股票持仓情况，为计算持仓市值和后续的调仓决策提供依据。

三、QMT和ptrade有什么区别？

QMT本地运行，采用全内存交易，单笔延时低于1ms，并未灵活度高，支持接入外部数据库等，所以QMT适合需要大量本地计算和调用第三方库的复杂策略或盘前、选股择时类策略还有人工执行类策略。。

PTrade 策略部署在券商服务器，直接省掉了从本地到券商服务器这段链路，且免费支持LV2数据，本地客户端关机后策略也可以运行，适合高频交易这些对交易速度需求大的策略。

四、如何开通QMT实盘量化软件？

1、QMT开通流程

（1）开户成功后入金10万后提交QMT申请流程

（2）申请过程全程线上，预计2个工作日申请完成。

（3）等待开通过程中，可以提供测试账号、安装配置流程、量化会员资料。

（4）开通成功后，会通过邮件发送你软件下载地址，登录账号后就可以使用。

2、VIP服务

3、VIP福利

福利1：惊喜佣金

福利2：领取完整教程

福利3：添加量化讨论群

福利4：提供专业量化问题解答

福利5：量化工具安装使用教程、视频

福利6：极速柜台，量化投资者专用，速度微秒级

福利7：提供服务器托管模式：ptrade+ldp极速柜台+vip定向服务器(限50人)