python+QMT从小白到量化交易实盘:QMT如何进行策略回测

QMT 是为券商、信托等机构的高净值客户打造的综合平台，能实现行情显示、投资研究和产品交易等功能，还配备了完整的风控系统。

在市场和交易类型方面，QMT 的兼容性很强，股票、期货、期权、ETF 等都能支持。在策略编写上，它给用户提供了两种选择，既可以用 Python 语言，也能用 VBA 语言。此外，QMT 还具备多种实用功能，像算法交易、组合交易、网格交易等都不在话下。

QMT 还有很多优势服务，比如全内存极速交易，能让交易更加快捷；超高速行情服务，可让用户及时了解市场动态；增强型个性化交易，能满足不同用户的独特需求；实盘级量化交易，为用户提供更贴近实际操作的交易体验；多维度风控管理，则能更好地保障交易安全。

回测就是模拟交易。投资者不用真金白银投入，借助历史市场数据，就能测试投资策略好不好使 。通过这种模拟，能了解不同交易策略赚不赚钱、风险大不大、稳不稳定，帮着大家在实际交易时做决策。

回测一般得走这么几步：先拿到数据，接着编写策略，再设置回测相关参数，然后开始执行回测，完了做统计分析，最后根据结果优化策略。

1、数据使用

回测：回测简单来说，就是拿过去的市场价格、交易量等历史数据，来模拟投资策略运行，看看这个策略好不好用、能不能赚钱。为了让模拟更贴近实际交易，还得把手续费、滑点，以及复权处理这些情况都考虑进去。

实盘：实盘交易用的是实时数据，投资策略得依据最新的市场消息马上做决策、做交易。实时数据能及时展现市场变化，但也对交易系统的反应速度和稳定程度有更高要求。

2、交易执行

回测：回测的时候，交易都按理想价格来算，就当每次买卖都能顺利按自己想要的价格成交，不会出现没成交的状况。这样做能帮我们看看策略本身的逻辑行不行，还有在过去表现咋样。

实盘：到了实盘交易，下单就得在真实市场里执行了。这时候就得考虑市场流动性和交易量。要是下单量太大，实际成交价格和自己预想的就可能不一样，这就是滑点。而且，交易量大的股票一般好买好卖，交易量小的股票，滑点可能更大，还会对市场有比较大的影响。

3、市场因素

回测：回测过程中可以通过参数优化等手段选择最佳的参数组合，使策略在历史数据上表现最好。然而，过度拟合是一个常见问题，这可能导致策略在未来的表现不如预期。

实盘：实盘交易面对的是不断变化的市场环境，包括经济政策、公司基本面变化以及其他市场参与者的行为。这些因素都可能影响策略的实际表现，使得实盘结果与回测产生差异。

4、技术问题

回测：回测一般假设没有技术性错误，如程序bug或数据错误。所有交易都按计划完美执行，不受软件性能限制。

实盘：实盘交易必须面对技术上的限制和挑战，如交易系统的延迟、故障等。这些问题可能导致实际交易表现与回测结果不一致

在回测之前，可手动在操作【数据管理中】补充数据，以方便回测运行。也可直接回测，系统会自动补全相应品种指定运行周期的所有历史数据。对某一策略编译成功后，点击回测，可以通过日志输出查看模型回测情况， 主界面会跳转到模型设置的默认标的和默认周期界面，并输出模型绩效分析结果。

1、新建策略：

2、编译策略并回测：

3、回测结果：

（1）交易明细

ContextInfo.dividend_type - 获取当前主图复权处理方式

ContextInfo.benchmark - 获取回测基准标的

ContextInfo.get_market_data_ex - 获取行情数据

ContextInfo.get_history_data - 获取历史行情数据

get_trade_detail_data-查询账号资金信息

order_lots-指定手数交易

order_value-指定价值交易

order_percent-指定比例交易