今天继续按更新计划更新教程内容，今天更新qmt常见的问题解答2，以前更新过1的内容量化教程--qmt量化常见问题解答1

1`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。

#coding:gbk
def init(ContextInfo):
    # 在初始化函数中，为ContextInfo添加一个计数器属性，初始值为0
    ContextInfo.counter = 0
def handlebar(ContextInfo):
    # 每进来一个tick，计数器加1
    ContextInfo.counter += 1
    # 打印当前计数器的值
    # 在盘中，你会发现这个数字在同一根K线内会不断变化，但最终不会被保存
    print(f"Bar Index: {ContextInfo.barpos}, Tick Counter: {ContextInfo.counter}, Is Last Bar: {ContextInfo.is_last_bar()}")
    # 只在最后一根K线（最新K线）执行交易逻辑
    if ContextInfo.is_last_bar():
        print(f"------ 这是最新K线的tick，计数器的最终值（不一定会被保存）：{ContextInfo.counter} ------")

2`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。

#coding:gbk
def init(ContextInfo):
    # 在init函数中下单，必须设置quickTrade=2
    passorder(23, 1101, account, '01.SZ', 5, 0, 100, 'init下单', 2, '教学示例', ContextInfo)
    print("init函数中立即下单（quickTrade=2）")
def after_init(ContextInfo):
    # 在after_init函数中下单，必须设置quickTrade=2
    passorder(23, 1101, account, '01.SZ', 5, 0, 200, 'after_init下单', 2, '教学示例', ContextInfo)
    print("after_init函数中立即下单（quickTrade=2）")
def handlebar(ContextInfo):
    if not ContextInfo.is_last_bar():
        return  # 历史K线跳过

    # 常见场景：K线走完才下单，信号不闪烁
    # 使用quickTrade=0（默认值）
    passorder(23, 1101, account, '1.SZ', 5, 0, 100, 'K线结束下单', 0, '教学示例', ContextInfo)
    print("K线结束时产生信号（quickTrade=0）")

    # 如果需要盘中立即响应，可使用quickTrade=1
    # passorder(23, 1101, account, '1.SZ', 5, 0, 100, '盘中立即下单', 1, '教学示例', ContextInfo)

3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。

#coding:gbkdef init(C):    """初始化：设置账号"""    C.acc = '4'  # 账号def handlebar(C):    """每根K线触发"""    if not C.is_last_bar():        return    now = timetag_to_datetime(C.get_bar_timetag(C.barpos), '%Y-%m-%d %H:%M:%S')    # ===== 场景演示1：下单前查询资金和持仓 =====    print(f"\n{now} === 下单前状态 ===")    accounts_before = get_trade_detail_data(C.acc, 'stock', 'account')    if accounts_before:        acct = accounts_before        print(f"可用资金: {acct.m_dAvailable}")    positions_before = get_trade_detail_data(C.acc, 'stock', 'position')    for pos in positions_before:        print(f"持仓: {pos.m_strInstrumentID} 可用数量: {pos.m_nCanUseVolume}")    # ===== 下单：立即委托（quickTrade=2） =====    stock_code = '1.SZ'    volume = 100  # 1手    print(f"\n{now} === 开始下单 === 买入 {stock_code} {volume}股")    # 使用quickTrade=2，任何位置调用都立即产生委托    # 23=买入，1101=限价，14=最新价    remark = f"教学示例_{now}"    passorder(23, 1101, C.acc, stock_code, 14, -1, volume,               remark, 2, remark, C)    print(f"passorder调用完毕，已返回")    # ===== 场景演示2：下单后立刻查询 =====    print(f"\n{now} === 下单后立即查询（通常查不到委托）===")    # 查询委托    orders = get_trade_detail_data(C.acc, 'stock', 'order')    print(f"委托数量: {len(orders)}")    for o in orders:        print(f"  委托: {o.m_strInstrumentID} 状态: {o.m_nOrderStatus} "              f"备注: {o.m_strRemark}")    # 查询资金（可用资金不会立即变化）    accounts_after = get_trade_detail_data(C.acc, 'stock', 'account')    if accounts_after:        acct_after = accounts_after        print(f"可用资金: {acct_after.m_dAvailable}")    # 演示查询到的委托数量与下单前相同（可能查不到新委托）    print(f"\n结论：如下单前委托总数 = {len(orders_before)}，下单后 = {len(orders_after)}")    print("可能查不到刚下的委托，因为本地缓存尚未刷新")

4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。

. **全推数据**：客户端启动后自动接收的全市场最新数据快照（包括日线OHLC、成交量、五档盘口等）。只有最新值，无历史值。对应接口为get_full_tick和subscribe_whole_quote。盘中50ms更新一次，速度快，不用订阅，无品种数量限制，适合获取实时快照。

3. **订阅数据**：指向行情服务器订阅指定品种的实时行情。有最大数量限制（如300个），订阅超过限制会导致数据重复填充。对应接口为subscribe_quote和get_market_data_ex(subscribe=True)。可以获取实时和历史数据，适合对特定品种进行持续跟踪。

#coding:gbk"""QMT 行情数据三种类型教学示例本文件整合了本地数据、全推数据和订阅数据的简单示例，仅供学习参考，不构成投资建议。"""# =============================================================================# 示例一：本地数据 (Local Data)# -- 适合回测模式，速度快，无数量限制，盘中不更新。# =============================================================================def handlebar_local_data(C):    """    在回测模型的 handlebar 函数中，获取本地历史数据。    核心：get_market_data_ex(subscribe=False)    """    # 获取浦发银行(600000.SH) 在 2022年1月的日线数据    data = C.get_market_data_ex(        fields=['close', 'open', 'high', 'low', 'volume'],        stock_code=['0.SH'],        period='1d',        start_time='20220101',        end_time='20220131',        subscribe=False  # 关键参数：不订阅，只读本地    )    # 打印数据查看    print("本地数据示例 - 浦发银行2022年1月数据:")    print(data['0.SH'])# =============================================================================# 示例二：全推数据 (Full Push Data)# -- 适合实盘实时监控，实时更新（50ms），无历史数据，无需订阅，无数量限制。# =============================================================================def init_full_push(C):    """    在实盘模型的 init 函数中，设置要关注的股票列表。    """    C.stock_list = ["01.SZ", "1.SH", "0.SH"]def handlebar_full_push(C):    """    在实盘模型的 handlebar 函数中，获取全推最新数据。    核心：get_full_tick()    """    # 调用 get_full_tick 获取全推最新行情    full_tick_data = C.get_full_tick(C.stock_list)    # 打印贵州茅台的最新行情    maotai_tick = full_tick_data.get('9.SH')    if maotai_tick:        print("\n全推数据示例 - 最新行情:")        print("最新价:", maotai_tick['lastPrice'])        print("买一价:", maotai_tick['bidPrice'])        print("卖一价:", maotai_tick['askPrice'])# =============================================================================# 示例三：订阅数据 (Subscribed Data)# -- 适合实盘精细跟踪，可获取指定品种的实时和历史数据，有数量限制（如300个）。# =============================================================================def callback_subscribed_data(data):    """    订阅数据的回调函数，当有新的数据推送时，此函数会被调用。    """    print("\n订阅数据示例 - 收到行情推送:")    print(data)def init_subscribed_data(C):    """    在实盘模型的 init 函数中，订阅指定品种的行情。    核心：subscribe_quote()    """    # 订阅贵州茅台（600519.SH）的日线行情，并指定回调函数    C.sub_id = C.subscribe_quote(        stock_code='19.SH',        period='1d',       # 订阅周期        dividend_type='none', # 不复权        callback=callback_subscribed_data  # 指定回调函数    )    print("\n订阅成功，订阅号:", C.sub_id)"""使用说明：1. 在实际使用时，您需要根据策略类型（回测/实盘）选择对应的函数。2. 示例一（handlebar_local_data）主要用于回测模型的 handlebar 中。3. 示例二（handlebar_full_push）通常需要配合 init（init_full_push）使用，适用于实盘。4. 示例三（init_subscribed_data 和回调函数 callback_subscribed_data）适用于实盘，用于精细跟踪特定品种。"""

QMT量化FAQ第2期：从策略运行到实盘的高频问题全解析

投资顾问

编程语言

开发工具

本文详解QMT量化交易中ContextInfo对象逐K线保存机制、passorder函数quickTrade参数三种取值含义及应用场景，并解释交易接口异步性导致查询延迟的原因。提供委托状态管理防超单设计思路，区分本地数据、全推数据与订阅数据三类行情获取方式及适用场景。

服务器

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FAQ第2期：从策略运行到实盘的高频问题全解析

QMT量化FAQ第2期：从策略运行到实盘的高频问题全解析

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