本系列前两篇：（一） 《QMT 单线程指南（一）：多策略怎么排队、该不该把策略写在一起》（二） 《QMT 单线程指南（二）：C 语言、Cython 与胶水语言，十一个问答》文中（一）（二）指上述本系列文章。 文中《系统函数》《变量约定》《常见问题》《使用须知》《快速开始》这类短书名号，一律指 QMT 官方知识库中的对应篇目；§ 后接的是该篇目下的小节标题。 一、先把三个坑摆出来这三个坑，都是「把 ContextInfo「后面简称 C」 当成普通 Python 对象」的直接后果： 计数永远加不上去——handlebar 里写 C.count += 1，盘中打印出来反复是 1，偶尔跳一下...
挑策略的时候，大多数人先看年化收益，再看夏普、最大回撤。很少有人会先问一句：这个策略能装多少钱？ 这个问题有个专门的名字，叫容量：一个策略在表现不崩的前提下，能承受的最大资金量。注意前半句，”表现不崩”——不是”还能下单”，而是”收益和回撤都还维持在可接受的水平”。超过这条线，策略依然能跑，只是跑出来的结果会越来越难看。 先说一个很多人都经历过的场景你用小资金跑一个策略，比如 30 万，跑了大半年，收益不错，回撤也稳。信心上来了，资金加到 100 万，甚至 200 万。结果收益没有按比例放大，反而开始变差——滑点变大、成交变差、某些票根本买不进去，回撤也跟着放大。 你以为是市场变坏了，或者策略...
几乎每个跑过实盘的人都经历过这个场景： 你熬了几个晚上挖出一个策略，回测曲线漂亮得不像话，夏普 2.5，最大回撤不到 8%，过去五年稳稳跑赢沪深300。你满怀期待地上线，前两周确实赚钱，你觉得自己找到了圣杯。然后第三个月开始回撤，你安慰自己”正常波动”，第六个月回撤超过 20%，你开始怀疑人生，第九个月这个策略已经跑输指数了。 到底发生了什么？是代码写错了吗？是市场变了吗？还是……你其实从一开始就没找到真正的 alpha？ 这篇文章聊两个问题：策略为什么会慢慢失效，以及为什么一个策略一旦公开，死得比藏着的时候快得多。 先说”慢慢失效”这件事策略失效，原因其实就那么几种，排个序： 第一种：它...
10 月 23 日那一刀下来，很多 QMT 用户的策略都”卡住了”。 先是 大 QMT 内置策略封掉了文件读写和外部网络——状态落盘、消息推送、外部监控全废；紧接着 miniQMT 基本全线关停——本来靠极简模式多线程跑的策略也没了去处。剩下唯一还能跑的大 QMT，还是单线程，策略多了还得排队。 原来一套策略在一个平台上就能跑通的好日子，暂时是没了。 与其等下一次通知，不如主动把策略拆开放进几个篮子里，每个平台干自己最擅长的事。这篇文章讲讲我打算怎么分。 为什么必须拆开核心原因就三个字：放不下。 以前一个 QMT 客户端能干所有事：内置策略跑交易逻辑、miniQMT 跑需要多线程或外部库的、本...
做量化的你，最近有没有被朋友拉着刷短剧？你有没有，发现一个离谱的事实：这些穿越古代搞金融的短剧，编剧怕不是偷偷上过 CFA Level II。 你想：现代银行人穿越到明朝开银行，废妃拉皇帝投资搞股份公司，重生皇商用干股换一条命……表面上是爽文穿越，内核其实是一整套被简化包装的金融建模框架。而且背景是古代，没有监管，没有交易所，编剧可以把最纯粹的金融逻辑扒给你看，比教科书直白多了。 如果你最近因子挖到吐、Alpha 找不到方向，或者单纯想在摸鱼时间学点不一样的东西，下面把短剧里出现过的”古代金融模型”按硬核程度排了个队，顺手翻译成量化交易者能看懂的语言。 一、入门级：古代版「票号 → 银行」改...
同一段逻辑，三种写法，最快的那版快 257 倍： 没换语言（还是 Python 语法），没换机器，也没改数学公式——只是把「谁来算」和「怎么算」这两件事搞对了。 这件事在大 QMT 里格外要紧——因为所有策略共用同一条 Python 线程，你花的每一毫秒都是公共开销。 上一篇《QMT 单线程指南（一）：多策略怎么排队、该不该把策略写在一起》把执行模型讲透了：所有策略共享同一条 Python 线程，串行、不可抢占。它的第七问给了四层提速思路——数据 → 计算 → 回调 → 架构，但「计算层」只落了一句话： 禁止 Python 循环算指标，全部交给 pandas/NumPy...
上一篇《QMT 策略代码保护指南》里提到，把核心算法用 Cython 编译成 pyd 不仅能加密，速度反而更快。这篇就展开讲讲：Cython 到底为什么能提速、能快多少。 一、Cython 是什么一句话：Cython 是”带类型标注的 Python 超集”，它把你的 Python 代码翻译成 C 代码，再编译成机器码。 12345algo.py (Python) ↓ cythonizealgo.c (C 源码) ↓ MSVC / gccalgo.cp312-win_amd64.pyd (机器码，import 用法和 .py 一模一样) 写法上几乎就是 Python：.py 文...
QMT 策略 python代码写好了，怎么保护它（加密）。 一、为什么 QMT 策略代码需要加密先看几个事实： 1. QMT 的源码就明晃晃躺在本地磁盘上。你在策略编辑器里写的每一个字，都保存在 券商QMT版\python 目录下。虽然 QMT 默认模式下保存的文件用文本编辑器打开是乱码（磁盘上是密文），但只要你在策略编辑器里勾选了「启动本地 Python」或使用原生 Python 模式，源码就是明文。 2. pyc 不是加密，只是”格式转换”。很多人以为把 .py 编译成 .pyc 就安全了。现实是：Python 3.8 以前的字节码，用 uncompyle6 一条命令就能近乎完美地还原出源...
最近，我做了一件事：做成了一个 AI Agent Skill（名字叫 qmt-strategy-review），让它专门干一件事——评审大 QMT 策略代码+单线程工程分析，出一份可决策的审阅报告。 先说清楚状态：这个 Skill 还没上线，目前只在我本地的 Skill 目录里跑，等上架了我再更新。这篇就用一个真实案例（评审QMT 内置的双均线示例策略）展示它到底产出什么、怎么用、以及它明确不干什么。 真实案例：评审官方双均线示例我把官方那份双均线实盘示例丢进去，跑出来的汇总表是这样： 第一部分：评审范围说明本评审只检查代码编写与代码实现层：单线程阻塞、数据层效率、ContextInfo 误...
最近读完了 2026 年 7 月发布的《2025/2026 中国量化投资白皮书》（456 页，第五版）。这份白皮书每年都会向量化机构发问卷，今年回收了 223 份、保留有效样本 178 份，里面有一道题特别扎心： 新上线的因子，其超额收益”半衰期”（效果衰减至初上线时一半的时间）主要分布在？ 答案整理成一张图，就是这篇文章的起点。如果你在 QMT 里自己挖因子、自己堆策略，这组数据值得认真看一遍——它解释了为什么很多人”回测很美，上线就哑火”，也指出了几条被头部机构验证过的活法。 一、先看数据：近九成新因子，活不过一年 178 张机构的问卷回答，众数落在 1–3 个月（36.5%...