2026-11-03

qmt

QMT 策略代码保护指南(加密)：从 pyc 到 pyd，加密等级从低到高怎么选

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码。也就是说，在 QMT 原生 Python 模式（固定 Python 3.6.8）下，pyc 等于裸奔。

3. 真实场景比想象中多。

和朋友、合作方共享策略跑实盘，代码放在别人机器上；
远程协作者、外包代写，代码多处流转。

只要代码离开你自己的机器，就需要考虑保护。

二、加密对运行速度的影响

先回答一个大家最关心的问题：加密会不会拖慢策略？

方案	速度影响	原因
pyc	几乎为零	pyc 本来就是 Python 的字节码缓存格式，解释器执行路径完全相同
QMT 官方加密	几乎为零	解密发生在策略加载阶段，运行时和明文无差别
混淆（PyArmor）	轻微（1%~5%）	运行时需要解壳和还原对象，函数调用有额外开销
Cython 编译 pyd	反而更快	机器码执行 + 可静态声明 C 类型，摆脱解释器开销

结论：加密的开销可以忽略，pyd 甚至是一项性能优化。对逐 K 线回调的 handlebar 场景来说，把核心计算用 Cython 类型化编译，实测能有明显提速——这和 Python 3.11 带来的解释器提速是叠加关系。

三、保护方法：从弱到强

Level 1：编译成 pyc

python -m compileall 或 QMT 运行后自带的缓存文件就是 pyc。

Python ≤ 3.8：uncompyle6 / decompyle3 一键还原，等于没加密。
Python ≥ 3.9：没有成熟的全自动反编译工具了，pycdc（Decompyle++）只能输出部分伪码，多数场景只能看字节码。

好消息是，大 QMT 的默认模式（不勾选原生 Python）现在支持 Python 3.12.10，在这个环境下 pyc 终于有了一点实际门槛。但要注意：dis 模块照样能反汇编，字符串常量（写死的账号、接口路径、参数字典）始终是明文。

定位：最低配防护，防随手抄袭，防不了有心人。如果用，把敏感字符串抽成外部配置文件。

Level 2：QMT 官方加密（推荐起步）

QMT 自带的加密通道，零成本：

加密公式：策略编辑器基本信息里勾选，加密后不输密码无法查看源代码；
凭密码导出公式：开启后连导出到本地都必须凭密码；
磁盘密文存储：默认模式下源文件本身就是密文，QMT 运行时自动在内存中解密；
.rzrk 加密导出：策略文件以迅投特有的加密格式导出迁移，导入后保留密码和个性化设置。

实操上有一个重要原则：密码与策略包分离传递。包走网盘/文件传输，密码走私信或评论区回复，两者同时泄露才算泄露。

定位：官方原生、兼容性无忧、适合对外分发。缺点是信任边界仍在 QMT 本地——密文是随客户端一起解密运行的。

Level 3：代码混淆（PyArmor 等）

混淆工具会打乱变量名、加密字节码、加运行时解壳逻辑：

1 2	pip install pyarmor pyarmor gen algo.py

混淆后代码逻辑不变但可读性极低，比 pyc 强一个档次。两个注意点：

PyArmor 老版本存在公开的脱壳工具，新版本效果好很多；
QMT 的 Python 环境有券商白名单机制，PyArmor 的运行时能否装载需要实测。

定位：需要把代码放到不完全可信的机器上运行时的中间方案，适合叠加在 Level 2 之上。

Level 4：Cython 编译成 pyd（本文重点，下一节展开）

字节码彻底消失，反编译问题变成逆向工程问题。强度接近商业软件保护，且速度更快。

四、pyd 方案详解

原理

.pyd 本质是一个 Windows DLL，只是命名约定不同（xxx.pyd 可被 import xxx 加载）。流程：

核心策略 algo.py
   → Cython 翻译成 C 代码（algo.c）
   → MSVC 编译成机器码（algo.cp312-win_amd64.pyd）
   → QMT 里 import algo，用法和原 .py 完全一样

关键差别：pyd 里没有 Python 字节码。uncompyle6、pycdc、dis 全部失效——反编译者面对的是 x64 机器码，只能上 IDA/Ghidra 做逆向工程，成本从”一条命令”变成”专业逆向工程师 + 数天工作量”。

环境要求（硬性）

项	要求	原因
Python 版本	与 QMT 运行环境完全一致（默认模式 = 3.12.10，64 位）	pyd 绑定具体的 CPython ABI，`cp312` 的 pyd 在 3.6 里加载不了
编译器	Visual Studio Build Tools（C++ 工作负载）	Cython 生成的是 C 代码，需要 cl.exe
白名单	pyd 基本自包含，一般不需要额外运行库；建议先问券商确认能加载自定义 .pyd	券商白名单机制

注意：原生 Python 模式（3.6.8）下做 pyd 需要老版工具链，已经很难配——这是把核心算法放 3.12 默认模式的最好理由之一。

实操步骤

第 1 步：核心算法独立成模块（不放 init/handlebar 主文件里）：

# algo.py —— 核心信号逻辑
def calc_signal(closes, fast=5, slow=20):
    if len(closes) < slow:
        return 0
    ma_fast = sum(closes[-fast:]) / fast
    ma_slow = sum(closes[-slow:]) / slow
    if ma_fast > ma_slow:
        return 1
    elif ma_fast < ma_slow:
        return -1
    return 0

第 2 步：写编译脚本：

# setup.py
from setuptools import setup
from Cython.Build import cythonize

setup(
    ext_modules=cythonize(
        ["algo.py"],
        compiler_directives={"language_level": "3"},
        nthreads=4,
    )
)

第 3 步：编译（在本机 Python 3.12.10 x64 环境执行）：

1 2	pip install cython setuptools python setup.py build_ext --inplace

产出 algo.cp312-win_amd64.pyd。务必保留 algo.py 原文件，移出 QMT 目录离线保存——pyd 无法还原回源码，丢了就真没了。

第 4 步：部署到 QMT。把 pyd 放进 QMT 的 Python 路径（bin.x64\python312 或策略目录）参考，主策略正常 import：

# coding:gbk

"""主策略：明文，只做调度；核心算法在 pyd 里"""

account = "test"

import algo

def init(ContextInfo):
    ContextInfo.signal = 0

def handlebar(ContextInfo):
    if not ContextInfo.is_last_bar():
        return
    # 取行情后调用 pyd 里的核心算法
    # sig = algo.calc_signal(closes)
    ...

第 5 步：验证清单：

import algo 成功，algo.__file__ 指向 pyd；
删掉 algo.py 后策略仍能跑（确认没有残留源码）；
修改算法 → 重新编译 → 验证新逻辑生效。QMT 默认模式有解释器状态残留，改完代码重启客户端最稳。

进阶：Cython 类型化，把”加密”做成”提速”

上面只是把 py 当 pyd 编译，已经是机器码了。但 Cython 真正的威力是静态类型声明。

cdef double 声明让循环里的运算直接走 C，配合 numpy 的 typed memoryview，核心计算部分可以有数倍提速。也就是说，pyd 方案的加密是”顺便的”，性能收益是”主要的”——这是它和混淆类方案本质的区别。详见另一篇关于 Cpython 提速的文章。

残余风险

机器码仍可逆向：IDA/Ghidra 能反汇编，字符串常量可见。敏感字符串可在 pyd 内做异或/运行时解码。
黑盒调用防不住：拿到 pyd 的人可以 import 它直接调用你的函数——算法防”看”，不防”用”。需要绑定授权时，在 pyd 内加机器码指纹校验 + 时间锁。
依赖绑定：pyd 绑定 cp312。QMT 将来升 Python 3.13 要重新编译——所以必须保存 .py 源码。
跨机器分发：目标机的 QMT 必须也是相同 Python 小版本 + x64，MSVC 运行库齐全，否则加载报错。

五、场景速查

场景	建议组合
自己实盘	pyd 核心模块 + 明文调度主策略 + 源码离线备份
对外发代码	.rzrk 官方加密包 + 密码分离传递 + 代码脱敏
给合作方跑策略	pyd 模块（加授权校验）+ 官方加密导出
3.12 默认模式随手保护	pyc + 敏感字符串抽配置

六、总结

pyc：3.6 下等于裸奔，3.12 下才有门槛，最低配；
QMT 官方加密：零成本，对外分发的标准答案，记住密码与包分离；
混淆：中间方案，QMT 白名单环境要先实测；
pyd：强度最高且速度更快，代价是要维护编译工具链；
最后记住一个原则：任何加密都防不住”愿意花功夫的人”，只能提高成本。核心策略留在自己机器上、只对外暴露最小的接口，永远比任何加密手段都干净。

免责声明：本文仅供技术学习与参考，不构成任何投资建议。文中涉及的代码片段仅演示思路，完整策略请在模拟环境中充分测试（实盘前必须模拟测试）后再考虑接入真实账户。量化交易涉及真实资金风险，据此操作盈亏自负。

WTSolutions Invest

| QMT 使用指南 | IBKR 使用指南 | Wise 使用指南 | Investment故事 |

QMT 策略代码保护指南(加密)：从 pyc 到 pyd，加密等级从低到高怎么选

一、为什么 QMT 策略代码需要加密

二、加密对运行速度的影响

三、保护方法：从弱到强

Level 1：编译成 pyc

Level 2：QMT 官方加密（推荐起步）

Level 3：代码混淆（PyArmor 等）

Level 4：Cython 编译成 pyd（本文重点，下一节展开）

四、pyd 方案详解

原理

环境要求（硬性）

实操步骤

进阶：Cython 类型化，把”加密”做成”提速”

残余风险

五、场景速查

六、总结

一、为什么 QMT 策略代码需要加密

二、加密对运行速度的影响

三、保护方法：从弱到强

Level 1：编译成 pyc

Level 2：QMT 官方加密（推荐起步）

Level 3：代码混淆（PyArmor 等）

Level 4：Cython 编译成 pyd（本文重点，下一节展开）

四、pyd 方案详解

原理

环境要求（硬性）

实操步骤

进阶：Cython 类型化，把”加密”做成”提速”

残余风险

五、场景速查

六、总结

其他相关文章