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

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。

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

#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_period+1, ‘1d‘, ‘close‘)

    # 计算快慢均线
    short_ma = talib.MA(close_prices, timeperiod=ContextInfo.short_period)
    long_ma = talib.MA(close_prices, timeperiod=ContextInfo.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‘, ContextInfo)

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‘, callback=quote_callback)
def handlebar(ContextInfo):
    # handlebar函数仍需保留，但主体可为空或处理其他逻辑
    pass

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）、等。

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， quickTrade=2 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

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

QMT量化：3种交易触发算法，你到底该用哪种？

投资顾问

算法

后端

QMT量化交易系统提供三种触发机制：逐K线驱动、订阅推送和定时运行，分别适用于策略回测、实时行情监控及定时任务。通过handlebar、subscribe和run_time模块实现灵活交易，配合双均线策略及集合竞价示例，助您快速掌握量化开发核心技巧。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

QMT量化：3种交易触发算法，你到底该用哪种？

QMT量化：3种交易触发算法，你到底该用哪种？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐