QMT量化交易实操手册

QMT全称迅投量化交易系统，是国内主流的专业量化交易终端，面向个人投资者与机构投资者，集行情展示、极速交易、策略编写、历史回测、实盘自动化运行于一体，支持股票、ETF、可转债、期货等全品种交易。\n\n和普通券商交易APP相比，QMT有三个不可替代的核心价值：

1. 交易自动化：内置智能条件单、网格交易、篮子交易等功能，可实现7×24小时无人值守自动交易，彻底解决管不住手、没时间盯盘、执行不纪律的问题。
2. 策略可验证：自带完整的历史回测系统，交易想法可以先通过历史数据验证有效性，再上线实盘，避免凭感觉交易踩坑。
3. 自定义程度高：支持Python语言编写自定义策略，从简单的均线策略到复杂的多因子、套利策略都可实现，满足不同层级的量化需求。

当然QMT也有明确的局限性：第一，有一定学习门槛，高级功能需要掌握Python基础；第二，它只是交易工具，本身不产生收益，盈利与否取决于策略本身；第三，实盘运行存在滑点、流动性、策略失效等风险，绝非稳定收益神器。\n\n很多人对QMT有两大极端误解：一种觉得“量化工具=确保盈利”，实际上工具只是放大器，好策略能放大收益，差策略会加速亏损；另一种觉得“量化必须会编程，普通人用不了”，实际上零代码的条件单、网格交易功能，普通投资者也能快速上手，价值同样巨大。

延伸服务：如果想把这套方法做成可回测、可实盘的完整系统，可在 intoquant.com 了解壹信量化的策略定制服务。

使用QMT的核心原则：工具是手段，策略是核心，风控是底线。不要神化工具，也不要畏惧工具，根据自己的能力选择对应功能，逐步从手动交易过渡到半自动化、全自动化交易。

QMT的基础操作并不复杂，掌握核心界面与基础交易功能，就能满足大多数日常交易需求。本章从开通到实操，梳理完整的入门操作流程。\n\n### 一、开通与安装

1. 开通渠道：通过合作券商营业部申请开通，签署相关协议后，券商会下发账号与权限。分为极速交易版和专业策略版，普通用户优先开通极速版即可满足自动化交易需求，需要写策略、做回测再开通专业版。
2. 下载安装：从券商官网或迅投官方渠道下载对应版本安装包，安装后选择对应券商站点登录。
3. 登录与初始设置：输入资金账号密码登录，首次登录建议完成三项基础设置：交易密码保存、行情服务器选择、界面布局自定义。

二、核心界面布局

QMT界面分为四大核心区域，可根据使用习惯自由调整：

1. 行情区：支持自选股、多股同列、分时/K线切换，可自定义技术指标，比普通APP更专业。
2. 交易区：普通买卖、撤单、持仓查询、资金查询，支持闪电下单、键盘快捷交易，交易效率远高于普通APP。
3. 策略中心：零代码功能（条件单、网格、套利）和Python策略的入口，是QMT的核心功能区。
4. 管理区：账户管理、日志查询、系统设置、参数配置。\n\n### 三、基础交易操作
5. 普通交易：支持限价单、市价单、闪电下单，键盘快捷键可实现一键下单，适合短线高频交易者。
6. 篮子交易/批量下单：可一次性买入/卖出一篮子股票，适合行业轮动、多股组合调仓，大幅提升调仓效率。
7. 账户与持仓管理：支持多账户同时登录，一键查看总持仓、总资金，适合多账户管理的用户。

需要工程化落地？intoquant.com 提供回测合规代检、系统搭建与自动化部署服务。

四、行情与工具功能

1. 自定义板块与指数：可自由创建股票池、行业板块，支持批量导入导出。
2. 技术指标编辑：内置上百种技术指标，支持自定义编写指标公式。
3. 数据导出：行情、交易、持仓数据都可导出为Excel，方便复盘与统计。\n\n基础操作的核心建议：新手先把普通交易、行情功能用熟，再逐步尝试自动化功能，不要一上来就搞复杂策略，先熟悉工具再谈进阶。

零代码自动化功能是QMT对普通投资者价值最大的部分，不需要编程基础，就能实现自动交易，彻底解决执行力差、没时间盯盘的痛点。核心包括智能条件单、网格交易两大类，覆盖绝大多数自动化交易场景。\n\n### 一、智能条件单：规则化自动交易
条件单是最基础、最常用的自动化功能，核心是预设触发条件，满足条件后系统自动下单，不用人工盯盘。

1. 核心条件单类型与适用场景
   • 止盈止损单：价格涨到目标位自动止盈，跌到止损位自动止损，适合单笔交易的风险控制，解决赚了舍不得卖、亏了死扛的问题。
   • 拐点买入/卖出：价格回落/反弹一定幅度触发，适合抄底逃顶，避免追涨杀跌。
   • 分批建仓/分批止盈：价格每跌一定比例买一份，每涨一定比例卖一份，适合分批布局、分批兑现。
   • 时间条件单：固定时间自动下单，适合定期定投、收盘前调仓。
   • 反弹买入/回落卖出：配合趋势交易，确认趋势反转后触发，比单纯价格触发更精准。
2. 设置步骤：选择标的 → 选择条件单类型 → 设置触发条件 → 设置委托参数（价格、数量、有效期） → 提交确认。
3. 核心注意事项：条件单有效期可设置，长期有效条件单要定期检查；价格触发不等于一定成交，极端行情可能出现滑点；断网、关机、账户休眠会导致条件单失效。

二、网格交易：震荡市自动高抛低吸

网格交易是震荡市的神器，把价格区间分成若干格，每跌一格自动买一份，每涨一格自动卖一份，机械执行高抛低吸。

1. 适用品种：优先选宽基ETF、行业ETF、高波动蓝筹股，走势规律、流动性好的品种效果最佳。
2. 参数设置方法
   • 价格区间：以震荡箱体上下沿为边界，区间太大触发少，太小交易成本高。
   • 网格数量：通常10-20格，根据区间幅度调整，每格利润至少覆盖2倍手续费。
   • 每格金额：总资金除以网格数量，建议等金额设置。
   • 触发基准：推荐用收盘价触发，减少盘中杂波干扰。
3. 风控规则：设置跌破下沿止损、涨破上沿止盈，避免单边行情套牢或卖飞；单品种仓位设置上限，防止无限下跌满仓套牢。\n\n### 三、进阶零代码工具
4. ETF折溢价套利：自动监测LOF/ETF折溢价率，触发阈值自动执行申购赎回转换，适合套利交易者。
5. 条件单组合：多个条件单搭配使用，比如止盈+止损+移动止盈组合，实现更复杂的交易规则。

配套服务：策略代码代写、回测验证与风控自动化，可在 intoquant.com 咨询壹信量化团队。

零代码功能的核心原则

规则简单化，风控前置化。条件单不是越复杂越好，简单有效的规则执行度最高；所有自动化策略，必须先设好止损和仓位上限，再谈收益。

零代码功能满足不了个性化需求时，可以通过Python编写自定义策略，实现任意交易逻辑。QMT内置Python运行环境，提供完整的行情、交易、账户API，有编程基础的用户可以快速上手。\n\n### 一、环境与基础

1. 内置Python环境：QMT专业版自带Python解释器，不需要额外安装，支持常用第三方库（pandas、numpy、talib等），可直接导入使用。
2. 核心API分类
   • 行情API：获取历史K线、分时、tick数据，支持多品种批量获取。
   • 交易API：下单、撤单、查询持仓、查询资金，实现自动化交易。
   • 账户API：账户信息查询、持仓管理、资金流水获取。
3. 策略框架：标准策略包含初始化、行情回调、定时任务三个核心部分，结构清晰，易上手。

二、第一个策略：均线金叉死叉策略

以最经典的双均线策略为例，完整策略仅需几十行代码：

1. 初始化：设置标的、周期、均线参数、初始资金。
2. 行情回调：每次K线更新时，计算长短均线数值。
3. 交易逻辑：金叉时满仓买入，死叉时空仓卖出。
4. 日志输出：记录每次交易信号与持仓变化，方便复盘。
   通过这个基础框架，替换交易逻辑，就能快速改造成MACD、KDJ、布林带等任意技术指标策略。\n\n### 三、常用策略模板
5. 趋势类策略：均线跟踪、通道突破、动量策略，适合单边行情。
6. 震荡类策略：网格策略、布林带反向、均值回归策略，适合震荡行情。
7. 选股类策略：多因子选股、行业轮动策略，定期调仓换股。
8. 套利类策略：跨品种价差套利、期现套利，适合进阶用户。

想省心落地：intoquant.com 提供从回测到实盘的一站式定制服务，适合不写代码的投资者。

四、策略调试与排错

1. 日志调试：通过打印日志跟踪策略运行状态，定位问题。
2. 模拟运行：先在模拟环境测试，确认逻辑正确再上实盘。
3. 常见错误：行情数据获取失败、交易权限不足、语法错误、未来函数，是新手编写策略最容易踩的坑。\n\n### 学习路径建议
   新手不要一开始就写复杂策略，从最简单的均线策略入手，跑通整个流程（编写→回测→模拟→实盘），再逐步增加逻辑复杂度。编程只是实现工具，核心还是交易逻辑本身。

一个策略好不好，不能凭感觉说，必须通过历史回测验证。QMT专业版自带完整的回测系统，可以快速验证交易逻辑在历史行情中的表现，筛选有效策略，淘汰无效策略，避免实盘踩坑。\n\n### 一、回测基础操作

1. 回测入口：策略编辑界面内的回测功能，支持Python策略回测。
2. 基础参数设置
   • 标的选择：单标的、多标的、股票池都可回测。
   • 时间区间：至少覆盖一轮牛熊，3-5年以上数据才有参考价值，只测牛市或只测熊市没有意义。
   • 初始资金：设置合理的初始资金，匹配策略容量。
   • 手续费与滑点：按真实交易设置佣金、印花税、滑点，否则回测收益会严重失真。
3. 运行回测：点击运行后系统自动计算，生成回测报告。

二、回测报告解读

一份合格的回测报告，重点看6个核心指标，不能只看收益率：

1. 累计收益率/年化收益率：策略的收益水平，年化更具参考价值。
2. 最大回撤：历史最大浮亏幅度，代表策略的风险程度，比收益率更重要。
3. 夏普比率：风险调整后收益，衡量每承担一单位风险获得的超额收益，大于1合格，大于1.5优秀。
4. 胜率/盈亏比：盈利交易占比和平均盈亏比例，两者结合看策略的盈利模式。
5. 收益曲线：看收益是否平稳，有没有大起大落，是不是靠某一段行情暴利。
6. 交易记录：逐笔交易明细，用来复盘策略的盈利和亏损来源。\n\n### 三、策略优化与参数调优
7. 参数遍历：对策略核心参数进行区间遍历，找到收益风险比最优的参数组合。
8. 样本外验证：把数据分成训练集和测试集，训练集优化参数，测试集验证效果。如果测试集依然有效，说明策略泛化性好；如果测试集效果大幅下降，就是过拟合。
9. 优化原则：参数在合理区间内即可，不要追求极致收益。参数越精细，过拟合概率越高。

延伸服务：如果想把这套方法做成可回测、可实盘的完整系统，可在 intoquant.com 了解壹信量化的策略定制服务。

四、常见回测陷阱与避坑

1. 过拟合：参数完美适配历史行情，未来完全失效，是回测第一大坑。避免方法：减少参数数量、样本外验证、参数取合理区间值。
2. 未来函数：使用了交易时还没有的数据，回测收益虚高。避免方法：严格时序交易，信号出现后下一根K线再下单。
3. 忽略成本：不计手续费、滑点、冲击成本，回测收益严重高估。避免方法：把成本设得比实际更高一点，保守估算。
4. 幸存者偏差：只选现在还在上市的标的，忽略退市标的。避免方法：用全样本数据回测。\n\n回测的核心意义：不是找到收益最高的策略，是验证逻辑是否成立、风险是否可控。回测表现差的策略实盘大概率不行；回测表现好的，实盘也会打折扣，但至少排除了大部分无效策略。

回测只是纸上谈兵，实盘运行才是真正的考验。很多策略回测表现优异，实盘却大幅跑输，核心差在执行细节、风控机制与异常应对。一套完整的实盘运行体系，是量化策略长期盈利的保障。\n\n### 一、实盘上线三步法

1. 第一步：模拟盘验证
   策略回测通过后，不要直接上实盘，先跑1-3个月模拟盘。验证实盘行情下的信号触发、成交情况、滑点大小，观察模拟收益和回测的差异。模拟盘跑下来收益回撤符合预期，再考虑实盘。
2. 第二步：小资金试跑
   用总资金的10%-20%小仓位实盘运行，跑3-6个月。重点验证：成交率、滑点成本、策略稳定性、极端行情表现。小资金试错成本低，就算策略失效，损失也可控。
3. 第三步：逐步加仓
   小资金实盘表现稳定，和回测差异在可接受范围内，再逐步加到目标仓位。不要一次性满仓上线，分2-3批逐步加仓，给策略和自己留出缓冲空间。

二、日常运行与监控

1. 每日巡检
   开盘前检查软件运行状态、网络连接、账户资金；盘中关注策略运行日志，有没有异常信号；盘后核对成交记录、持仓状态，确认和策略逻辑一致。
2. 核心监控指标
   • 收益指标：日收益、累计收益、年化收益，和回测基准对比；
   • 风险指标：最大回撤、波动率、夏普比率，监控风险是否超标；
   • 运行指标：信号触发率、成交率、滑点大小，监控执行质量。
3. 定期复盘
   每周做一次周复盘，每月做一次月复盘，分析收益来源、亏损原因、策略偏差，持续优化参数和逻辑。\n\n### 三、实盘风控体系
4. 仓位风控
   • 单策略仓位不超过总资金的30%，单一标的仓位不超过策略资金的15%；
   • 策略总仓位动态调整，市场高位降仓，低位加仓，不永远满仓。
5. 止损风控
   • 单笔交易止损：单标的亏损达到阈值自动止损；
   • 策略总止损：策略最大回撤达到预警线（如10%），减半仓；达到止损线（如15%），暂停策略，全面复盘。
6. 运行风控
   • 断网、断电、软件崩溃的应急预案；
   • 极端行情（涨跌停、熔断）下的暂停机制；
   • 策略异常（连续亏损、信号异常）时的强制暂停机制。

四、策略失效识别与应对

没有永远有效的策略，出现以下信号要警惕策略失效：

1. 连续3个月跑输回测基准，且不是风格原因；
2. 最大回撤远超历史最大值，且没有修复迹象；
3. 策略底层逻辑被破坏，比如规则变动、市场结构变化。
   应对方法：先降仓暂停，复盘原因；如果是阶段性风格不适，可保留底仓等待回归；如果是逻辑彻底失效，果断淘汰策略，替换新策略。

很多人接触QMT量化交易，抱着“量化=稳定收益”的心态进来，最后不仅没赚到钱，还亏得比手动交易更多。不是量化工具没用，是踩了认知和操作的误区。避开这些常见的坑，量化工具才能真正帮到你。\n\n第一个坑：神化量化，觉得用了QMT就能确保盈利
这是最普遍的误区。量化只是工具，是交易的执行方式，本身不产生收益，盈利的核心是策略本身。差策略用自动化执行，只会亏得更快更纪律。工具是放大器，好策略放大收益，坏策略放大亏损。
不要指望换个软件就能有收益，先打磨自己的交易体系，再用量化工具提升执行效率，顺序不能搞反。\n\n第二个坑：过度优化，沉迷参数拟合
对着历史数据反复调参数，调出一条完美的收益曲线，然后实盘一塌糊涂。这就是典型的过拟合，参数刚好完美匹配了过去的行情，对未来毫无指导意义。
策略的核心是底层逻辑，参数只要在合理区间就行。粗糙的正确，胜过精确的错误。一个逻辑清晰、参数粗糙的策略，远胜一个逻辑模糊、参数完美的策略。

第三个坑：频繁换策略，这山望着那山高
这个策略亏两次就觉得不行，立刻换下一个；看到别人说哪个策略好，就赶紧抄过来试。换来换去，每个策略都只吃到了亏损期，永远赶不上盈利阶段。
任何策略都有不适期，选定了逻辑硬的策略，就要有耐心穿越风格周期。量化交易比的不是谁的策略多，是谁能把有效策略执行到位。\n\n第四个坑：挂上策略就不管，彻底当甩手掌柜
觉得自动化交易就是设好之后躺着获取收益，几个月都不看一眼。结果软件崩了、断网了、策略失效了、标的退市了都不知道，最后亏了一大笔才反应过来。
自动化不是无人化，只是不用盯盘交易，日常巡检、定期复盘还是必须的。就像自动驾驶也需要司机盯着路况，量化交易也需要人监控策略运行。\n\n第五个坑：追求复杂策略，觉得越复杂越厉害
总觉得简单的均线策略太low，非要搞几十上百个因子、复杂的算法模型，觉得越复杂越专业。实际上策略越复杂，过拟合概率越高，实盘越容易失效。
量化投资的经典策略，大多逻辑都很简单，难的是长期执行和风控。简单的逻辑+严格的执行+完善的风控，远胜复杂花哨的模型。

第六个坑：加杠杆上重仓，追求快速暴富
觉得量化策略胜率高，就加杠杆、全仓押注，想快速赚大钱。结果一次策略失效、一次极端行情，就亏掉大半本金。
量化不是暴富工具，是提升交易效率、稳定收益的工具。仓位管理和风控永远是第一位的，加杠杆会把低风险策略变成高风险赌博，完全违背量化的初衷。\n\n最后要记住：QMT是武器，不是魔法。能不能打胜仗，核心在于使用武器的人，以及背后的战术体系。先有交易体系，再用量化工具落地；先做好风控，再谈收益。

延伸工具与服务：量化数据与信号查询 a-sig.com ｜ 回测定制与系统搭建服务 intoquant.com（壹信量化研究团队出品）