近期关于 MiniQMT 的关闭、大 QMT 关闭网络服务和文件访问功能 的消息一直在广泛传播，不少朋友开始琢磨同一件事：策略到底该放在哪台机器上跑？ 本文只适合新手——刚起步做量化交易、策略还比较简单的朋友，不适合已经上规模的老手。文中全部是我个人踩坑之后的经验，不是标准答案。 先说前提：我跑的是什么量级的策略我在迅投 QMT 上同时运行 4 个策略，用的是大 QMT。行情直接从大 QMT 内部获取，关注的是几十只预先选好的标的，不做全市场实时扫描；调仓频率在几分钟甚至更长，指标也只是调用 TA-Lib 里现成的几个分析函数算一算。 结论很明确：这种量级对硬件的要求并不高。 最开始我用的...
引言上一篇为什么量化交易会让A股大涨大跌讲清楚了”踩踏”的机制：策略趋同→止损止盈共振→同方向集中交易→放大波动。 但理解机制只是第一步，个人投资者真正关心的是：怎么才能不被踩踏伤到，甚至从中获利？ 这篇文章给出可落地的答案：盯哪些点位、看哪些信号、如何操作。 一、必须警惕的关键点位踩踏总在”全市场共同盯着的位置”爆发，这些点位就是高危区： 点位类型 具体例子 风险特征 整数关口 指数 3000/3100/3200 点 心理关口，止损止盈单密集 均线 5/10/20/60/120/250 日均线 最通用的止...
引言A 股波动剧烈早已是共识，但很多人把它简单归因于”散户情绪化”。其实近几年盘面有个明显趋势：越是关键点位，成交越密集、波动越极端，方向一旦启动就很难回头。 这背后，量化交易扮演了被低估的角色。 核心观点：A股量化的剧烈波动，很大程度上源于机构策略的高度趋同。当全市场的止损、止盈、开仓规则都差不多时，价格一旦触及关键点位，大量机构会同时做同方向操作——买就一起买、卖就一起卖，形成”踩踏”，放大涨跌幅。 一、策略为什么会趋同？量化策略看似各有”独门秘籍”，实则趋同程度很高，核心原因有三： 1. 同源的数据与学术。所有机构用的是同一套行情、财务数据，挖的是同一套经典因子（价值、动量、反转、波动...
引言：同一个问题，五个完全不同的答案在个人能不能做量化那篇里，我们从「个人 vs 机构」的角度聊过：个人不仅能做量化，还有机构复制不了的结构性优势。 但那篇讲的是「战场」。今天换一个角度——同样是做量化，在不同国家的股票市场里，规则、门槛、工具完全是两套世界。 在美国，自动化交易自己的账户不需要任何牌照，2026 年连「日内交易 2.5 万美元门槛」都取消了； 在中国，个人也能做，但要走券商开通 + 程序化交易报备，还被 300 笔/秒的高频红线管着； 在日本，券商已经把摩根士丹利的机构级执行算法下放给散户； 在韩国，2025 年卖空全面重启，个人 API 自动交易额一年翻了一倍多...
在使用讯投QMT编写量化策略时，我们经常需要使用一些Python库来辅助开发。但是QMT的Python环境比较特殊，直接使用pip安装可能会遇到问题。这里把「自带什么库、怎么装、装不上怎么查」一次讲清楚。 先记住一条最关键的原则： QMT的Python库与您本地已经安装的Python没有任何关系，也不要将库路径指向本地已经安装好的Python，那样并不会产生作用。 一、自带库（开箱即用，无需安装）讯投自带了如下的Python库： 名称 说明 NumPy NumPy (Numeric Python) 提供了许多高级的数值编程工具，如：矩阵数据类型、矢量处理，以及精密的运算库。专为...
说明：本文包含 AI 创作内容，请自行判断是否适用。文中信息来自第三方券商的系统通知截图，不同券商的调整范围与进度可能不同，一切请以您开户券商的官方通知为准。本文仅作科普使用，不构成任何投资建议。 概述今天（2026-10-09）在群里看到一张券商推送的 QMT 系统通知截图，标题是 [重要]内置Python策略功能调整 ，落款时间 2026-10-08，预计 10 月 23 日完成升级。内容直接关系到大 QMT 内置策略的两条”命脉”——文件读写和网络连接： 这份通知虽然只有三条，但覆盖面极大：状态持久化、微信/邮件推送、心跳监控、HTTP 桥接、数据库连接……几乎所有”策略...
引言：2026 年的量化工具箱，已经和五年前完全不同了如果你 2020 年开始做量化，你的工具箱大概是这样的：Tushare 拉数据 + Backtrader 写回测 + 自己手搓交易接口。五年后的今天，工具箱已经天翻地覆——MCP（Model Context Protocol）让 AI 助手直接看行情、做分析甚至下单，而一批新的开源框架正在把机构级能力塞进个人玩家手里。 这篇文章系统盘点 2026 年最值得关注的两类开源项目： 交易/金融 MCP 服务：让 Claude、Cursor 等 AI 助手直接获取行情、分析数据、甚至执行交易 开源量化交易库：回测框架、交易机器人、量化平...
引言：数据是量化的弹药，免费弹药也能打胜仗做量化交易，数据就是弹药。没有数据，再精妙的策略也只是纸上谈兵。 很多新手一上来就问：”有没有免费的数据源？”——答案是：不仅有，而且比你想象的多得多。国内有 Tushare、AkShare、QMT 自带数据，国外有 Yahoo Finance、Alpha Vantage、FRED、Quandl 等等。关键是你要知道每个源能干什么、边界在哪、怎么组合使用。 这篇文章系统梳理国内和国外主流的免费量化数据源，每个都给出简短介绍、核心能力和链接，帮你快速搭建自己的数据弹药库。 一、国内免费数据源1.1 Tushare简介：国内最知名的免费量化数据接口，覆盖...
这是一份写给 QMT（迅投极速策略交易系统）实盘用户 的下单错误排查指南。全文分四块：先分清”出错”有四种形态（很多人把四件事混成一件事）、再讲回调机制与关键字段（为什么下单函数没有返回值、错误从哪里冒出来）、然后给局部代码片段（怎么接错误回调、怎么识别废单、怎么建委托台账）、最后给错误对照表与免责声明。片段基于 QMT 内置 Python 3.6，面向实盘策略。 一、这份指南给你什么先按你的情况挑路径： 你是谁 建议路径 策略能跑但偶尔没下出去单 从 §2 读起，对号入座 想知道错误信息从哪来 直奔 §3 机制 + §4 回调字段 已经在接回调但读不懂字段 §4 状...
这是一份写给 QMT（迅投极速策略交易系统）个人用户 的交易日判断实战指南。全文分四块：先讲清原理（为什么”判断交易日”比你想的要多想一层）、再给实现思路与关键代码片段（核心逻辑不长，把思路讲透，剩下的自己搭）、然后讲两种典型用法（策略启动时判断 + 定时任务）、最后给排错表和完整免责声明。代码片段基于 QMT 内置 Python 3.6，面向实盘策略使用。 一、这份指南给你什么先按你的情况，挑一条阅读路径： 你是谁 建议路径 刚接触 QMT 从 §2 读起，搞懂”为什么不能只判断周末” 已会写策略，想看核心逻辑 直奔 §4 关键代码片段 + §6 两种用法 自己写的...