最近有朋友问我，在使用QMT自带的一些策略进行回测或实盘交易时，会提示错误，比如 account未定义、account未找到 或者 account not defined。 （大家如果有任何疑问可以通过 WTSolutions微信公众号的聊天窗口向我提问） 通常提出这些问题的朋友都是刚入门QMT，对代码还并不熟悉。其实这个错误非常常见，也很好解决。 问题出在哪以迅投QMT自带的「双均线实盘示例」PY策略为例，代码（节选）中： 12345678910111213141516171819#encoding:gbkimport pandas as pdimport numpy as npimport...
在 IBKR 新手指南 里我吐槽过：盈透什么都好，就是软件难用。 电脑桌面版（TWS 交易者工作站）像是专门给金融行业资深从业者设计的，密密麻麻的报价表格和各种专业设置，新手打开就头大；网页版相对友好一点，但也谈不上顺手。至于看行情，更是劝退，很多人都是把富途、雪球、MOOMOO 当”行情软件”挂着，真正下单才切回 IBKR。 现在情况有变化了：盈透推出了新一代桌面交易平台——盈透卓尚（IBKR Desktop）。用下来我的结论是：这是目前使用体验最接近国内券商软件的盈透官方客户端，比网页版好用不少，而且终于可以比较舒服地在一个软件里看行情、做交易了。 盈透卓尚是什么 盈透官方全新打造的桌面交...
概述写过几天 QMT 实盘的人都会撞到同一个问题：策略的”记忆”该放哪。 ContextInfo.user_data 只是内存字典，QMT 退出、崩溃、断电、每天重置 之后全部归零；可有些状态是”重算不出来的历史决策”——网格档位、当日已交易次数、未成交委托、当日参数快照——丢了就会重复建仓、超频下单、或者按新行情把阈值跑偏。这些必须存到进程之外。 本文不贴实现代码，只把”状态储存”这件事的工程方向讲清楚：什么该存、存到哪种介质、什么时候读什么时候写、结构怎么设计、多策略怎么隔离。概念理顺了，用 JSON 还是 SQLite、自己写还是引开源库，都只是细节。 一、什么该存：按”能否重算”划线第...
跑 QMT 的人，机器多半是放在角落里 24 小时不盯着的（硬件怎么选可以看 低成本运行）。平时没事，但一旦策略表现异常、行情链路出问题、或者你人在外面想把它停下来，就会发现一个尴尬的事：你够不着那台电脑。 这篇文章只讲方案，不给代码。核心原则只有一条——能撤单就先撤单，关进程是最后一步；连进程都关不掉时，还有断电这招。 一、什么情况下需要远程关闭 QMT先把场景分清楚，不同场景关法不一样： 场景 紧急程度 建议做法 策略逻辑失控、疯狂下单 🔴 极高 先断电止血，再登录核对持仓和废单 行情断线、客户端假死 🟠 高 先看 服务器连接 能否恢复，不行再关 收盘后日常关机让机...
跑 QMT 策略的人迟早会撞上这几个场面：点了运行，没反应；策略跑起来了，报错看不懂；行情刷不出来；下单没回报。多数人的第一反应是去群里问、去搜帖子，其实答案通常就躺在你本机的一个文件夹里——日志。 日志记录关键步骤、变量值和异常信息，可以还原代码的执行路径，告诉你问题究竟出在哪一层。这篇文章按「存在哪里 → 每个文件记什么 → 什么时候该查 → 怎么查能解决问题」的顺序，把 QMT 的日志一次讲透。 一、为什么 QMT 用户绕不开日志QMT 的策略编辑器有个容易被忽略的特点：点「编译」只做保存，并不检查语法和引用的错误。也就是说，代码里写错了函数名、少了个括号，编译时一片安静，只有点「运行」...
引言：策略的”超额收益”，先过成本这一关在回测框架篇里我们留了一个钩子——六大陷阱里有一条叫”滑点/手续费处理不当”，篇幅所限没展开。这一篇把它单拎出来讲透，因为成本是个人量化最容易自欺、也最容易致命的一环。 原因很简单：策略收益是减法，成本是必减项。一条年化 15% 的策略，扣完完整成本可能只剩 8%；再叠加数据地基和程序化执行里的其他摩擦，超额可能荡然无存。很多个人量化者写在 Excel 里”看起来赚钱”的策略，本质都是没把成本算全、算对。 这一篇的目标：把 A 股完整成本清单列清楚、讲明白每项的口径、给出”换手率 × 成本 = 真实抽血”的快速估算公式，并补上回测框架...
引言：回测是策略上线前的”测谎仪”上一篇数据地基把数据层踩稳了，这一篇接着讲回测层——策略在拿真金白银上线之前，唯一能替你说服自己”这套逻辑真有效”的，就是回测。 但回测有一个天然的道德风险：它是全世界最容易被自己骗自己的环节。一个策略在历史数据上跑出年化 50%，你信了，上实盘，半年亏掉 30%——这种故事每天都在发生。问题往往不在策略逻辑，而在回测框架本身漏掉了某些”现实摩擦”。 因子指南里我们列举过幸存者偏差、前视偏差、过拟合等常见陷阱。这一篇把它们展开成可操作的工程清单，并补上滑点、手续费、涨跌停、撮合假设这几条回测里最常被忽略的”现实裂缝”。目标是：让回测结果尽可能接近实盘，而不是看...
引言：量化 = 数据 + 规则 + 执行，数据是最容易塌的地基在个人与机构的差异里我们说过，机构最大的优势之一就是数据。个人买不起卫星图像、信用卡流水，但这不代表个人就只能在”看个K线”的水平上做量化——恰恰相反，免费和低成本的数据源，已经足够支撑一个有竞争力的个人策略，前提是你要把数据这件事当成工程来做，而不是写策略时随手调个接口。 量化的本质是 数据 + 规则 + 执行。规则和执行（程序化）我们在上一篇聊过了。这一篇专讲数据：个人能用哪些免费数据源、它们的边界在哪、怎么把数据沉淀成自己的数据库、以及如何避免数据层的”隐形杀手”——未来函数。 地基歪了，上面盖的策略再漂亮也是幻觉。...
引言：你输给的不是市场，是你自己做过几年交易的人，几乎都经历过下面这些时刻： 明明定好了止损位，股价真跌到时却安慰自己「再等等，肯定能回来」，结果小亏拖成大亏； 涨了 20% 的时候舍不得卖，觉得「还能翻倍」，回撤回成本线后又发誓「下次一定卖」，然后再一次坐过山车； 刚割肉的票第二天涨停，气得立刻满仓追进另一只「补偿回来」； 每天盯盘八小时，情绪跟着分时图上蹿下跳，收盘后比上了一天班还累，回头一看操作全是负贡献。 这些现象有一个共同点：你在盘前想的、盘后复盘时认同的，和盘中实际做的，完全不是一回事。 行为金融学对这件事的结论非常残酷：情绪化交易不是少数人的毛病，而是人类大脑的出厂设置——恐...
引言：个人到底能不能做量化？很多想入行的朋友都会纠结同一个问题：量化交易是不是机构的专利？ 一想到量化，脑子里浮现的往往是：百亿私募、顶级程序员团队、机房托管、卫星数据、 PhD 军团……而自己只有一台电脑、一点闲钱、下班后两三个小时。差距这么悬殊，个人做量化还有意义吗？ 先给出本文的结论： 个人完全可以做量化，而且个人量化已经是被反复验证过的一条路径——但前提是想清楚「打什么仗」。 个人与机构的差异很大，但差异主要体现在「武器」上，而不是「战场」上。在机构打不了、不愿打的战场上，个人反而有天然优势。 个人量化的正确策略不是模仿机构，而是找到机构做不了、或者不值得做的策略空间，把自己的结构性...