今天继续按计划更新教程内容，今天更新量化常见的量化问题的解答，更新计划，上一篇更新的算法

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

我整理了qmt常见的问题1000条内容，后面持续更新，利用ai深度训练； 文档，同时参考了我写的很多量化教程，实盘系统训练的内容

1QMT量化交易框架的核心运行机制是什么

QMT系统模型是根据行情驱动，逐K线运行的。点击运行模型时，模型从第0根K线开始运行到最后一根K线，每根K线调用一次Python模型中的handlebar(ContextInfo)函数。在实时行情中，handlebar会随着主图标的tick更新被调用，但只有k线结束时最后一个分笔触发的handlebar调用，对ContextInfo的修改才有效，这是为了模拟k线效果。

2QMT策略代码的基本结构是怎样的？

QMT Python API策略代码结构分两个部分：初始化函数init(ContextInfo)和行情事件函数handlebar(ContextInfo)。init在整个策略中只执行一次，一般用于设置交易佣金、滑点、基准、初始化股票池、资金账号、全局变量等。handlebar在每根K线（或每个有效tick）被调用，是策略逻辑和交易信号生成的核心。

3如何解决安装第三方Python库时出现的`ImportError: Forbidden: Module openpyxl not in whitelist!`报错？

该报错是由于券商后台开启了Python库白名单。如果您使用的是券商提供的QMT终端，需要联系所属券商开通对应Python库的白名单权限。您也可以选择在本地安装独立的Python 3.6环境，并使用pip install命令将库安装到QMT客户端的bin.x64\Lib\site-packages目录下。

4QMT支持哪些默认集成的第三方Python库？

QMT自带的Python环境集成了以下常用库：NumPy、Pandas、Patsy、SciPy、Statsmodels、TA_Lib（技术分析库）。这些库可以直接在策略代码中import使用，无需额外安装。

5QMT中不同板块（主板、创业板、科创板）的委托数量规则是什么？

1. **科创板**：连续交易时段限价单笔最大10万股，市价单笔最大5万股，盘后定价交易单笔最大100万股。200股起，1股递增。

2. **创业板**：连续交易时段限价单笔最大30万股，市价单笔最大15万股。100股起，100股递增。

3. **主板**（6和0开头）：连续交易时段单笔最大100万股。100股起，100股递增。

6在策略回测时，推荐使用哪种复权方式？为什么？

推荐在回测中使用**等比前复权价**。实际中配股、增发等动作会造成价格异常波动，使用等比前复权可以避免这种波动对回测的影响。它始终以统一标准的价格进行买卖，方便的同时也能得到更贴合历史数据的回测收益和表现。

7`ContextInfo`对象的逐K线保存机制具体是怎样的？

ContextInfo由底层维护并传递给系统函数。同一根K线（bar）内，ContextInfo本质上是同一个变量，对其修改只对本次handlebar调用的下文起作用。handlebar里对ContextInfo的修改在该bar结束后才会保存，在下一个bar体现出来。每次handlebar调用前会对ContextInfo进行深拷贝，如果新的分笔不是新K线的第一个分笔，则判断上一个分笔不是K线最后分笔，ContextInfo对象会被回退为之前深拷贝的那个。此机制目的是模拟K线效果，只在K线结束的分笔生效一次。

8`passorder`函数中的`quickTrade`参数（快速交易参数）有哪几种取值？分别代表什么含义？

- **传0**：只在K线结束分笔时调用passorder产生有效信号，其他情况调用不产生信号。适用于希望K线结束下单（信号不闪烁）的场景。

- **传1**：在当前K线为最新K线时（ContextInfo.is_last_bar()为True）调用passorder产生有效信号，历史K线调用不产生信号。适用于希望盘中出现信号立即下单，但接受信号闪烁风险的场景。

- **传2**：任何情况下调用passorder都产生有效信号，不会丢弃任何一次调用的信号。**注意**：在定时器回调、行情回调函数、after_init函数中调用下单函数时，必须传2，确保不会漏单。

9为什么调用`passorder`后立刻查询`get_trade_detail_data`，查不到对应委托，可用资金也没变化？

QMT的交易接口是异步的。以quickTrade=2的passorder为例，调用后会立刻发出委托然后返回，不会等待委托回报，也不会阻塞Python线程。委托、成交、持仓、账号信息的更新是在客户端后台进行的，Python策略无法手动控制。get_trade_detail_data和四种交易回调函数都是从客户端本地缓存中读取数据/触发调用，不是实时查询柜台。客户端本地缓存状态定期接收柜台推送刷新（有交易主推的柜台约50ms一次）。因此不能认为查询到的状态与柜台完全实时一致。

10实盘策略中如何设计可靠的委托状态管理机制，防止超单

1. 使用**全局变量字典**保存委托状态。

2. 给每一笔委托一个独立的userOrderId（投资备注）作为字典的key，委托状态（如'待报'、'已报'、'部分成交'、'全部成交'、'已撤'等）作为字典的value。

3. 下单后，默认将该笔委托的状态设置为'待报'。

4. 之后通过交易回调函数或定期查询get_trade_detail_data来获取委托回报，并更新字典中对应委托的状态。

5. 如果某品种股票存在'待报'或'已报'状态的委托，则暂停该品种的后续报单，防止发生超单。可参考实盘示例7（调整至目标持仓Demo）的实现。

更多的内容按计划更新，不懂的问我就可以，

QMT量化常见问题FAQ：从安装到实盘的高频疑问全解析

投资顾问

编程语言

开发工具

算法

QMT量化交易核心机制与常见问题详解：包括逐K线运行原理、策略代码结构、第三方库安装白名单、板块委托规则、复权方式选择、ContextInfo保存机制、passorder参数解析、异步交易接口注意事项及防止超单的委托状态管理方案。

Python

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量化常见问题FAQ：从安装到实盘的高频疑问全解析

QMT量化常见问题FAQ：从安装到实盘的高频疑问全解析

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