WORKBUDDY SKILL · 已上架 · ¥9 无限次使用

大 QMT 策略代码,先评审,再上实盘。

QMT-Strategy-Review 是面向迅投 QMT 客户端内 Python 策略的代码评审与单线程工程技能。 它找出会拖停整个客户端的写法、会被逐 K 线回滚的状态、以及凭记忆写错的 API 与枚举值; 依据 QMT 官方文档逐条核实,先给一份能直接做决策的分级意见——你说改,它才动你的文件。

只评代码实现,不评策略逻辑
API 与枚举依据官方文档核实
Skill 不留存策略代码
REVIEW REPORT
阶段一 · 未修改任何逻辑
修改意见 / 汇总表
严1 严重阻塞等待占住客户端共享线程L42
警1 警告每个分笔重复查询柜台、无降频L38
提1 提示取数接口官方已标注不推荐L58
带注释的原始代码 / 代码零改动
# coding:gbk # [QMT-Strategy-Review][严1] 阻塞式等待占住唯一线程 # 依据: QMT 官方文档《使用须知》 def handlebar(C): time.sleep(3) # <- 严1 # 改法: 委托状态机 + 定时轮询
结论:当前状态不建议直接上实盘 回复「改 严1」后才落地
SCROLL
THE PROBLEM

同一个客户端里,所有策略挤在一条线程上

下面这些写法,伤的往往不止一个策略。排查时最容易忽略的,恰恰是「为什么隔壁那个策略也停了」。

01 / BLOCKING

一次等待,全场停摆

time.sleep、忙等等成交、线程与进程库。占住的是客户端里所有策略共享的那一条线程,别的策略只能一起排队、一起停。

sleep / while / threading
02 / STATE

计数器永远停在 1

把待报、去重、计数状态挂在 ContextInfo 上。逐 K 线深拷贝与回退,会把同一根 K 线内的累加和状态吞掉。

ContextInfo 回滚
03 / DATA

回放很久,盘中很卡

全量取数、循环内单只取数、每次回调都重算指标。省下的每一毫秒,是同一客户端上所有策略共享的收益。

取数 / 计算 / 回调
04 / MIGRATION

迁移过来就变味

miniQMT / xtquant 的多线程阻塞写法照搬进大 QMT;枚举数值、参数顺序凭记忆填,直到实盘才发现对不上。

xtquant → 大 QMT
一条金色线程串联多个节点,背景为虚化的红绿 K 线,示意所有策略共享单线程
ONE THREAD · ALL STRATEGIES
HOW IT WORKS

单线程不是限制,
是设计前提

QMT 客户端内的 Python 策略在同一条线程里串行执行。handlebar 会先在历史 K 线上逐根回放,盘中每一个新的行情分笔又会再触发一次。所以优化目标不是「让它并行」,而是让每次回调尽量少干活。

01数据层窗口最小化 · 一次批量取 · 订阅面收窄
02计算层向量化 · 盘前算表盘中查表 · 增量更新 · 降频
03回调层最后一根 K 线过滤 · 收根结算 · 信号幂等 · 日志限流
04架构层回调做薄 · 定时调度 · 时间分片 · 异常隔离与熔断
WHAT IT CHECKS

从一行 sleep,到枚举值里的一个数字

评审覆盖代码编写与实现层:架构、取数、状态、接口、编码、Python 语法,以及实盘最容易吃亏的回放、重复下单防护与性能瓶颈定位。

01

单线程阻塞与调用频率

阻塞等待、忙等、线程与进程库、定时器与降频设计。

02

数据层取数效率

全量取数、循环内单只取数、订阅范围、指标窗口大小。

03

ContextInfo 状态管理

逐 K 线回滚、深拷贝成本、quickTrade 档位是否匹配、重连后的对账来源。

04

API 签名与枚举值

参数顺序、枚举数值、数据对象字段,当次核对 QMT 官方文档。

05

编码与 Python 层错误

GBK 声明与乱码风险、语法错误、未定义变量、类型不匹配。

06

回放与重复下单防护

历史 K 线重放、信号幂等、废单后的循环报单、日志与异常处理。

07

性能诊断与降频

多策略互相拖慢、启动回放过久;先拿真实耗时数据,再定位瓶颈给降频方案。

08

合规与异常隔离

异常隔离与熔断、日志写法、敏感字段脱敏,以及不触碰外接改造红线。

明确的边界:买卖信号是否有效、参数是否合理、盈亏与风险表现如何,属于策略逻辑范畴,本技能不评价、不预测、不下结论。报告里提到「历史重放会重复下单」,指的是代码实现缺少防护,不是对策略本身的判断。
01

代码评审

产出严重 / 警告 / 提示三级意见,逐条给出问题现象、机制层面的原因、官方文档依据、建议改法与回归项;意见以注释形式标在原始代码上,一个字符都不改。

02

安全骨架生成

从零生成单线程安全的策略骨架:定时调度、委托状态机、目标持仓对账、幂等去重、时间分片,开箱即可往里填业务逻辑。

03

迁移与官方查档

miniQMT / xtquant 写法到大 QMT 的映射与回归清单;行情、交易、系统函数与枚举常量按官方文档逐项核对,不凭记忆写数值。

TWO-STAGE DELIVERY

先给意见,再动代码

默认产出是一份能直接做决策的评审报告,不是改完的文件。你的策略文件,在你明确确认之前不会被改动。

阶段一 · 评审建议默认产出 / 不落盘
01评审范围说明 —— 查什么、不查什么,以及代码仅用于本次评审、不另行留存的隐私说明。
02修改意见 —— 一级一行的汇总表在前,逐条详述(现象 → 原因 → 依据 → 改法 → 回归项)在后。
03带注释的原始代码 —— 原样贴出,意见以统一标签的注释就地标注,末尾询问要改哪些条目。
04风险提醒与免责声明 —— 涉及真实下单的内容必附「先模拟、后实盘」提示。
你确认之后
阶段二 · 落地修改仅确认后执行
01先备份 —— 复制一份 .bak,改动可逆。
02最小化改动 —— 只改你点名的条目,不顺带重构、不调整无关代码。
03清理评审痕迹 —— 生产代码里不留评审注释,并复检前后严重项数量。
04提示验证 —— 明确告知需在「模拟信号模式」完整回归后再上实盘。

一句话概括:能被回滚的,别拿它记账;会被复制的,别拿它当仓库。

TRUST & COMPLIANCE

三条不打折的承诺

这是给实盘代码用的工具,可信度比花哨功能更重要。

01 / VERIFIED

依据官方文档,不臆造

代码里出现的每一个 API 名、参数位置、枚举数值、数据对象字段,都当次核对 QMT 官方公开文档;文档未收录的,如实告知「当前未核实到」并给出链接请使用者确认,绝不凭猜测补全。

02 / PRIVACY

Skill 不留存你的策略代码

这个 Skill 不收集、不落盘、不复制你的策略代码,不写入自有数据库、记忆或日志,也不生成任何磁盘副本;阶段一默认只给报告、不改文件。评审时代码会作为对话内容提交给 WorkBuddy,由其调用的 AI 模型读取并生成意见——这部分遵循 WorkBuddy 及模型服务商的隐私政策,请按你对代码敏感度的判断决定是否提交。

03 / COMPLIANCE

合规与风险边界清晰

不提供任何绕过监管「防外接改造」的方案;账号、委托号等敏感字段一律脱敏;涉及真实下单的输出必附实盘风险提示与免责声明,并强调实盘前必须充分模拟验证。

0
阶段一默认改动你文件的字符数
4
意见分类:严重 / 警告 / 提示 / 文件级通病
4
评审报告固定段落,顺序不调换
WHO IS IT FOR

什么时候该把它叫出来

在迅投 QMT / 投研端写内置 Python 策略,遇到下面任意一种情况,都值得先让它看一遍。

策略卡死、所有策略一起停
ContextInfo 计数不增、状态丢失
多策略排队变慢、启动回放很久
handlebar 太慢,需要性能诊断与降频
下单后查不到委托、重连重复报单
miniQMT / xtquant 迁移到大 QMT
查询 QMT 接口参数与枚举常量
评审 / 审查 / 优化一段 QMT 策略代码
需要一个单线程安全的策略骨架
PRICING / 一次买断

9 元,无限次使用

没有订阅、不按次扣费。买一次,之后每次评审都直接用;不满意,7 天内可无理由退款。

WORKBUDDY SKILL · ONE-TIME
¥9/ 无限次使用
一次购买,长期可用 · 无订阅续费 · 无按次计费
✓支持 7 天无理由退款
这个价格包含
  • 策略代码评审:分级意见 + 带注释的原始代码
  • 单线程安全策略骨架生成
  • QMT 接口、参数与枚举的官方文档核对
  • miniQMT / xtquant 迁移映射与回归清单
  • 确认后的落地修改、备份与复检
前往 WorkBuddy 获取 ↗
价格与退款规则以 WorkBuddy 商品页说明为准
REAL REVIEW SAMPLES

三份真实报告,看它怎么查。

下面是对三份 QMT 内置 / 常见策略的评审节选:每张卡片给出结论与意见分布,点开可在框内滚动阅读完整意见、逐条依据与带注释代码。报告只评代码实现,不评价策略逻辑与盈亏。

实盘策略 · 日线

QMT 内置双均线策略

1 严重2 警告4 提示

评审结论:当前状态不建议直接上实盘

dividend_type 参数类型错误,废单后金叉条件持续成立会循环报单。

展开阅读完整评审报告 ▾

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 误用与状态管理、API 签名与枚举值(均已逐一对照 QMT 官方文档核实)、编码声明与乱码风险、Python 代码层错误、回放与重复下单防护、日志与异常处理写法。

两点强调:

  • 不检查策略逻辑:双均线金叉/死叉信号是否有效、17/27 参数是否合理、盈亏与风险表现如何,属于策略逻辑范畴,本评审不评价、不预测、不下结论。下文提到“重复下单”指的是代码实现没有防护,不是对策略本身的判断。
  • 不收集、不存储策略代码:Skill 本身不落盘、不复制、不写入记忆或日志,也不生成磁盘副本;代码仅作为对话内容交给 WorkBuddy 及其 AI 模型处理、用于本次评审,遵循相应平台的隐私政策。

第二部分:修改意见

汇总表

编号级别位置问题一句话
严1严重L58get\_history\_data 的 dividend\_type 传了字符串 'front\_ratio',官方定义为 int 0-4
警1警告L72-L80waiting\_list 只防"未查到委托",废单后金叉条件持续成立会每个分笔循环报单
警2警告L38-L66每个分笔执行 3 次柜台查询 + 全窗口均线重算,午休也空转,无降频
提1提示L43/L69资金判断用 < 且未留手续费余量,接近临界会产生废单(与警1叠加放大)
提2提示L58get\_history\_data 官方已标注【不推荐】,建议迁移 get\_market\_data\_ex
提3提示L27/L40print 输出账号明文,日志留档建议脱敏
通2提示L17-L18account/accountType 是界面注入变量(静态扫描报未定义属预期),但仅限策略交易界面运行

总体结论:当前状态不建议直接上实盘。严1 可能直接异常或复权口径错误;最大风险是警1——一笔废单就能触发当日循环报单直到资金耗尽。

逐条详述

严1(严重)dividend\_type 参数类型错误

  • 现象:C.get_history_data(..., dividend_type='front_ratio') 传了字符串。
  • 原因:官方文档定义 get_history_data 的 dividend_type 是 int:0=不复权、1=前复权、2=后复权、3=等比前复权、4=等比后复权。'front_ratio' 这种字符串风格是 get_market_data_ex 的参数体系,用在这里属于传错参数。
  • 依据:已经 QMT 官方文档核实(「行情函数」get\_history\_data 参数表)。
  • 改法:想要等比前复权就传 dividend_type=3;或按提2 整体迁移到 get_market_data_ex(它的 dividend_type 确实接受 'front_ratio' 字符串)。
  • 不改会怎样:可能每次调用抛异常(策略停摆),也可能静默按非预期复权口径取数——均线数值失真,信号跟着失真。改后要回归:取数长度、首尾收盘价与主图 K 线一致。

警1(警告)废单后循环报单

  • 现象:waiting_list 的语义是"委托在柜台查不到就暂停报单”。但委托一旦被查到(包括废单、已撤),就从列表移除,拦截解除。
  • 原因:买入委托若因资金不足/价格笼子等原因成为废单,持仓不会增加,而日线金叉条件在当天会持续满足——于是每个分笔都会重新 passorder,直到可用资金被反复冻结耗尽或收盘。这是典型的缺信号幂等问题。
  • 依据:已经 QMT 官方文档核实(「交易函数」委托查询机制与官方完整示例的“未查到委托 + 超时撤单重报 + 目标仓位对比”机制)。
  • 改法(局部示意,未落盘):增加当日已报方向标记(如 A.buy_today = True 做幂等),或参考官方完整示例,记录全部已报委托的 remark 并结合委托状态做状态机,废单后人工/定时器介入再决定重报。
  • 不改会怎样:一笔废单 → 当日几十上百笔重复委托,触犯超单限制还可能被券商风控关注;改后要回归:故意制造一笔废单,确认不会自动重报。

警2(警告)每分笔全量查询与重算,无降频

  • 现象:订阅行情后每个 tick 都会进 handlebar,每次都执行 3 次 get_trade_detail_data(account/order/position)+ 一次全窗口取数 + 4 次窗口均值计算;11:30-13:00 午休期间也在空转;print 未查到委托时每分笔刷屏。
  • 原因:只过滤了历史 K 线(is_last_bar)和交易时段,没有"这根日线走完了没"的判定。
  • 依据:已经 QMT 官方文档核实(「系统函数」is\_new\_bar 释义;官方完整示例采用 run_time 定时器模式)。
  • 改法:日线信号建议加 C.is_new_bar() 做“收根结算",或整体改为 run_time 定时器轮询(官方完整示例即此模式);print 加限流。
  • 不改会怎样:单只品种尚可容忍,但这是同一客户端所有策略共享的线程开销,多策略叠加时大家一起变慢;改后要回归:信号触发时点是否符合预期(注意 is\_new\_bar 会把信号挪到收根后,语义有变化,需你确认想要盘中即时还是收根确认)。

提1(提示)资金边界:A.amount < available_cash 用 <(恰好等于时跳过买入),且 int() 截断、未预留手续费——金额贴近可用资金时容易因费用不足产生废单,正好踩中警1的循环报单。可改为类似 A.amount <= available_cash * 0.998 留出费用余量。

提2(提示)API 迁移:get_history_data 官方已标注【不推荐】,推荐 get_market_data_ex,且后者的 dividend_type 接受字符串 'front_ratio'——一次迁移可同时消掉严1。候选写法见第三部分注释。

提3(提示)日志脱敏:L27、L40 直接 print 账号,建议 '****' + A.acct[-4:] 之类的脱敏写法。

通2(提示)界面注入变量:account/accountType 是策略交易界面运行时注入的内置变量(官方示例同样直接使用),静态扫描报“未定义”属预期误报;但在编辑器/回测环境运行会 NameError——这段代码只能在策略交易界面以实盘/模拟方式运行。

已核实无误的部分(正面确认,无需改):

  • 状态存模块级 A 实例而非 ContextInfo,正确规避了深拷贝回滚问题,L13 注释的理解也是对的;
  • C.stockcode + '.' + C.market 拼接格式正确(stockcode 返回不带市场的代码,market 返回市场标识);
  • passorder 参数:opType 23/24(普通买卖)、33/34(担保品买卖)、orderType 1101(单股单账号按股数)、prType 14(对手价)、price=-1、quickTrade=1 配合 is_last_bar() 过滤——全部与官方文档一致;
  • get_trade_detail_data 三处调用的账号/类型/数据类型参数正确,所用字段 m_dAvailable/m_strRemark/m_strInstrumentID/m_strExchangeID/m_nCanUseVolume 均与官方数据结构一致;
  • 无 sleep、无线程库、无全量取数——单线程五条铁律全部未触碰。

第三部分:完整代码 + 注释(原样,逻辑零改动)

#encoding:gbk
# [qmt-strategy-review] ============ 评审(阶段一,未修改任何逻辑)============
# [qmt-strategy-review][通2][提示] account / accountType 是策略交易界面注入的内置变量,
#     静态扫描报"未定义"属预期; 编辑器/回测环境运行会 NameError, 仅限策略交易界面
import pandas as pd
import numpy as np
import datetime

"""
示例说明:双均线实盘策略,通过计算快慢双均线,在金叉时买入,死叉时做卖出
"""

class a():
	pass
A = a() #创建空的类的实例 用来保存委托状态 
#ContextInfo对象在盘中每次handlebar调用前都会被深拷贝, 如果调用handlebar的分笔不是k线最后分笔 ContextInfo会被回退到深拷贝的内容 所以ContextInfo不能用来记录快速交易的信号
# [qmt-strategy-review] 优点: 状态存模块级 A 实例而非 ContextInfo, 符合深拷贝回退机制的规范写法

def init(C):
	# [qmt-strategy-review] 已核实: C.stockcode 返回不带市场的代码, C.market 返回市场标识,
	#     拼接结果为标准 'code.market' 格式, 写法正确 (依据: 官方文档「变量约定」)
	A.stock= C.stockcode + '.' + C.market #品种为模型交易界面选择品种
	A.acct= account #账号为模型交易界面选择账号
	A.acct_type= accountType #账号类型为模型交易界面选择账号
	# [qmt-strategy-review] 已核实: 23/24 普通买卖, 33/34 担保品买卖, 与官方枚举一致
	#     (依据: 官方文档「枚举常量」opType)
	A.buy_code = 23 if A.acct_type == 'STOCK' else 33 #买卖代码 区分股票 与 两融账号
	A.sell_code = 24 if A.acct_type == 'STOCK' else 34
	A.amount = 10000 #单笔买入金额 触发买入信号后买入指定金额
	A.line1=17   #快线周期
	A.line2=27   #慢线周期
	A.waiting_list = [] #未查到委托列表 存在未查到委托情况暂停后续报单 防止超单
	#设置股票池 订阅品种行情
	C.set_universe([A.stock])
	# [qmt-strategy-review][提3] print 输出账号明文, 日志留档建议脱敏 (如 '****'+A.acct[-4:])
	print(f'双均线实盘示例{A.stock} {A.acct} {A.acct_type} 单笔买入金额{A.amount}')

def handlebar(C):
	#跳过历史k线
	if not C.is_last_bar():
		return
	now = datetime.datetime.now()
	now_time = now.strftime('%H%M%S')
	#跳过非交易时间
	if now_time < '093000' or now_time > "150000":
		return
	# [qmt-strategy-review][警2] 每个分笔执行 3 次柜台查询 + 全窗口均线重算, 午休时段也在空转
	#     原因: 订阅行情后每个 tick 都进 handlebar, 无"这根日线走完了没"的判定
	#     依据: QMT 官方文档「系统函数」is_new_bar; 官方完整示例采用 run_time 定时器模式
	#     改法: 加 C.is_new_bar() 收根结算, 或改 run_time 定时器轮询; print 加限流
	#     注意: is_new_bar 会把信号挪到收根后, 盘中即时 vs 收根确认需你确认想要哪种
	account = get_trade_detail_data(A.acct, A.acct_type, 'account')
	if len(account)==0:
		print(f'账号{A.acct} 未登录 请检查')
		return
	account = account[0]
	# [qmt-strategy-review][提1] int() 截断且未预留手续费, 金额贴近可用资金时易产生废单
	#     (与警1 叠加会循环报单); 改法示例: A.amount <= available_cash * 0.998
	available_cash = int(account.m_dAvailable)
	#如果有未查到委托 查询委托
	if A.waiting_list:
		found_list = []
		orders = get_trade_detail_data(A.acct, A.acct_type, 'order')
		for order in orders:
			if order.m_strRemark in A.waiting_list:
				found_list.append(order.m_strRemark)
		A.waiting_list = [i for i in A.waiting_list if i not in found_list]
	if A.waiting_list:
		print(f"当前有未查到委托 {A.waiting_list} 暂停后续报单")
		return
	holdings = get_trade_detail_data(A.acct, A.acct_type, 'position')
	holdings = {i.m_strInstrumentID + '.' + i.m_strExchangeID : i.m_nCanUseVolume for i in holdings}
	#获取行情数据
	# [qmt-strategy-review][严1] dividend_type 传了字符串 'front_ratio', 该参数官方定义为 int:
	#     0=不复权 1=前复权 2=后复权 3=等比前复权 4=等比后复权; 'front_ratio' 不在可选值内
	#     (字符串风格是 get_market_data_ex 的参数体系)
	#     原因: 参数类型与官方文档不符, 可能异常或复权口径错误, 均线数值随之失真
	#     依据: QMT 官方文档「行情函数」get_history_data 参数表 (已核实)
	#     改法: 等比前复权传 dividend_type=3
	# [qmt-strategy-review][提2] get_history_data 官方已标注[不推荐], 建议迁移 get_market_data_ex,
	#     其 dividend_type 接受字符串 'front_ratio', 一次迁移可同时解决 严1 与本条
	# [qmt-strategy-review] ---- 候选替换 (未应用, 确认 严1/提2 后启用) ----
	# df = C.get_market_data_ex(['close'], [A.stock], period='1d',
	#     count=max(A.line1, A.line2)+1, dividend_type='front_ratio')[A.stock]
	# close_list = df['close'].values
	# [qmt-strategy-review] ---- /候选替换 ----
	data = C.get_history_data(max(A.line1, A.line2)+1, '1d', 'close',dividend_type='front_ratio')
	close_list = data[A.stock]
	if len(close_list) < max(A.line1, A.line2)+1:
		print('行情长度不足(新上市或最近有停牌) 跳过运行')
		return
	pre_line1 = np.mean(close_list[-A.line1-1: -1])
	pre_line2 = np.mean(close_list[-A.line2-1: -1])
	current_line1 = np.mean(close_list[-A.line1:])
	current_line2 = np.mean(close_list[-A.line2:])
	#如果快线穿过慢线,则买入委托 当前无持仓 买入
	vol = int(A.amount / close_list[-1] / 100) * 100 #买入数量 向下取整到100的整数倍
	if A.amount < available_cash and vol >= 100 and A.stock not in holdings and pre_line1 < pre_line2 and current_line1 > current_line2:
		#下单开仓 ,参数说明可搜索PY交易函数 passorder
		msg = f"双均线实盘 {A.stock} 上穿均线 买入 {vol}股"
		# [qmt-strategy-review] 已核实: 1101=单股单账号按股数, 14=对手价, price=-1 由 prType 决定,
		#     quickTrade=1 配合上方 is_last_bar() 过滤, 符合官方语义 (依据: 官方文档「交易函数」)
		# [qmt-strategy-review][警1] waiting_list 只在"委托未查到"时拦截; 委托一旦被柜台查到
		#     (含废单/已撤)即移出列表, 若买入废单, 金叉条件日内持续成立, 每个分笔都会重新报单,
		#     直至资金耗尽
		#     依据: QMT 官方文档「交易函数」委托查询机制与官方完整示例的防超单机制
		#     改法: 增加当日信号幂等(每方向仅报一次), 或记录全部已报委托 remark 做状态机
		passorder(A.buy_code, 1101, A.acct, A.stock, 14, -1, vol, '双均线实盘', 1 , msg, C)
		print(msg)
		A.waiting_list.append(msg)
	#如果快线下穿慢线,则卖出委托
	if A.stock in holdings and holdings[A.stock] > 0 and pre_line1 > pre_line2 and current_line1 < current_line2:
		msg = f"双均线实盘 {A.stock} 下穿均线 卖出 {holdings[A.stock]}股"
		# [qmt-strategy-review][警1] 卖出侧同理: 废单/部分成交后条件持续成立会循环报单, 见上方注释
		passorder(A.sell_code, 1101, A.acct, A.stock, 14, -1, holdings[A.stock], '双均线实盘', 1 , msg, C)
		print(msg)
		A.waiting_list.append(msg)
# [qmt-strategy-review] ============ 评审结束:以上均为注释意见,代码逻辑未做任何改动 ============

是否需要我落地修改? 如需进入阶段二(届时会先备份 双均线.txt.bak,只改确认过的条目,改完重跑静态审查对比),请回复条目编号,例如「改 通2、严1、警1」或「全改」。


⚠️ 实盘风险提示:涉及真实下单。请先在 QMT「模拟信号模式」或「模拟柜台」中充分验证后,再切换实盘账号;股票受 2% 价格笼子限制,数量超可用会产生废单。

⚠️ 风险提醒与免责声明

  • 本回答基于 QMT 官方公开文档与公开社区资料整理,仅供编程学习与技术研究,不构成任何投资建议。
  • 实盘前必须在「模拟信号模式」或「模拟柜台」充分验证;未经模拟验证直接实盘,后果自负。
  • 具体行为以官方文档、券商柜台与本地客户端实际输出为准,不承诺任何委托结果。
  • 因使用本回答中的代码或建议造成的任何盈亏,由使用者自行承担全部责任。

回测示例 · 分钟线

日内回转策略(MACD)

2 严重3 警告5 提示

评审结论:回测用途成立,不能直接上实盘

order_shares 仅回测可用;持仓记账挂 ContextInfo,盘中逐 K 线回退算错仓位。

展开阅读完整评审报告 ▾

第一部分:评审范围说明

本次只检查代码编写与代码实现层:单线程阻塞、数据层效率、ContextInfo 误用与状态管理(逐 K 线回滚、深拷贝成本)、API 签名与枚举值(均对照 QMT 官方文档当次核实)、编码声明与乱码风险、Python 代码层错误、回放与重复下单防护、日志写法。

  • 不检查策略逻辑:MACD 参数 12/26/9 是否合理、信号是否有超额、回转规则赚不赚钱,属于策略逻辑范畴,本节不评价、不预测。
  • 不收集、不存储策略代码:Skill 本身不落盘、不复制、不写入记忆或日志,也不生成磁盘副本;代码仅作为对话内容交给 WorkBuddy 及其 AI 模型处理、用于本次评审,遵循相应平台的隐私政策。

先说结论里最要紧的一句:这个文件头部自己写了“回测模型示例(非实盘交易策略)”,这句话比任何评审意见都关键——它用的 order_shares 官方明确标注“仅回测可用”。你的目标是回测还是实盘,决定了下面哪些条目必须改。


第二部分:修改意见

汇总表

编号级别位置问题一句话
严1严重L46/L80/L88/L98/L107order_shares 官方标注“仅回测可用”,模拟盘与实盘调用不产生任何委托
严2严重L17/L52/L84/L93/L97/L106持仓记账 MarketPosition 挂在 ContextInfo 上,盘中逐 K 线回退会算错仓位
警1警告L39get_market_data 已标注【不推荐】且返回类型随参数变化,代码强依赖 DataFrame 形态
警2警告L59/L76收盘回转窗口只有 14:55 这一分钟,14:56 起直接 return,漏一分钟就隔夜裸仓
警3警告L20/L79/L80Lots 单位前后不一致:资金检查按 100 手算,实际只买 100 股
提1提示L12/L35talib 依赖需本地确认;每根 bar 都 print 日期,回测日志爆量
提2提示L36/L37flage / singleemited 是死变量,画图代码被注释后无人使用
提3提示L51/L56/L116day 状态只写不读,原意被注释掉了
提4提示L24账号配置挂在 ContextInfo 上(官方未列为只读,但属于该迁走的配置)
提5提示L39get_universe 在官方文档页面未检索到定义,只能以本地实测为准

总体结论:回测用途成立,不能直接上实盘。 通1 是回测前的必修项(不转编码,中文全是乱码);严1 决定了这份代码只能在“回测”按钮下工作——切到模拟信号或实盘模式,5 处下单全部静默失效,策略看起来在跑、日志也在打,但一笔委托都不会发出去;严2 则是一旦真的在盘中跑起来,同一根 K 线内的多次记账会被回退,收盘回转会按错误仓位补单。最大风险就是这两条叠在一起。

逐条详述

严1(严重)order_shares 只在回测里有效

  • 现象:L46、L80、L88、L98、L107 五处下单都用 order_shares。
  • 原因:官方文档把 order_shares 放在「其他交易函数(仅回测可用)」章节,章节开头原文是“以下函数仅回测生效,实盘和模拟盘交易均不可用”。也就是说:回测模式下它按 ContextInfo.capital 虚拟撮合;一旦你用「模拟信号」或「实盘」模式启动,这五处调用不会产生任何委托,也不会有报错提示——最危险的一种失效方式。
  • 依据:QMT 官方文档《交易函数》- 其他交易函数(仅回测可用)。
  • 签名核对:order_shares(stockcode, shares[, style, price], ContextInfo[, accId]),shares 正数买、负数卖,'fix' 为指定价(官方示例即写小写 'fix')——你现有的参数顺序是对的,问题不在写法,在于函数的用途边界。
  • 改法(未落盘):要上模拟/实盘,换成 passorder(23/24, 1101, account, code, prType, price, volume, '策略名', quickTrade, 备注, C),quickTrade=0 配合 K 线走完再下单。若只是想少改,可保留 order_shares 专供回测,另写一个 _order() 包装函数按运行模式分支。
  • 回归:模拟信号模式下确认「策略信号」栏有记录;回测结果数字与改前一致。

严2(严重)持仓记账挂在 ContextInfo 上

  • 现象:ContextInfo.MarketPosition(L17 建立,L52/L84/L93/L97/L106/L113 读写)、ContextInfo.first、ContextInfo.day 全部是挂在 ContextInfo 上的自定义属性。
  • 原因:官方《使用须知》原文——“由于底层机制的限制,ContextInfo 中存储的变量值将会回滚……在完全理解 ContextInfo 机制之前,请避免在其中存储任何变量”,并给了推荐写法 class G(): pass + 全局实例。机制细节(《常见问题》- 系统对象 ContextInfo 逐 k 线保存的机制):每次 handlebar 前深拷贝,若新分笔不是该 K 线第一个分笔,就回退到深拷贝——只有 K 线结束时最后一个分笔的修改才有效。回测里每根 bar 只调用一次,所以侥幸不出事;盘中每个 tick 都调用,MarketPosition += Lots 这类累加会被吞掉,14:55 回转时算出来的仓位是错的,可能多买或少卖。
  • 依据:QMT 官方文档《使用须知》、《常见问题》- ContextInfo 逐 k 线保存机制。
  • 改法(未落盘):把这些状态整体搬到模块级单例 class G(): pass; g = G(),g.pos、g.first、g.day 直接用,不再经过 ContextInfo。
  • 回归:回测结果应与改前完全一致(回测下每 bar 一次调用,搬迁不改语义);盘中打印 g.pos 确认同一根 K 线内多次触发时数值不再回退。

警1(警告)get_market_data 返回形态不稳定

  • 现象:df = get_market_data(['close'], stock_code=..., start_time, end_time, period=...),随后依赖 df.iloc[-1, 0]、df.iloc[-35:, 0]、df.empty——即假定“行=时间、第 0 列=close 的 DataFrame”。
  • 原因:官方页面标题即标【不推荐】,并明确“返回值根据传入的参数情况,会返回不同类型”:单股票+单字段+单时间点可能返回 float,多字段单股票返回 Series,多股票返回 index 为代码的 DataFrame,多字段多时间点返回 Panel(新版 pandas 已移除 Panel)。你这里是单股票单字段多时间点,按文档应落进 DataFrame 分支,但文档没有明确该分支的 index/columns 语义,iloc 的写法属于对未定义形状的依赖;换客户端版本或改参数就可能 AttributeError: 'float' object has no attribute 'iloc'。
  • 依据:QMT 官方文档《行情函数》- get_market_data(不推荐)。
  • 改法(未落盘):迁到 get_market_data_ex(['close'], [code], period=..., count=35),返回稳定 {code: DataFrame(index=时间, columns=字段)},取 df['close'].values 即可,顺带省掉 start_time/end_time 的字符串拼装。
  • 回归:取数长度 35、最后一根收盘价与主图一致。

警2(警告)回转窗口只有一分钟

  • 现象:L59 if int(date[-8:-6] + date[-5:-3]) > 1455: return,14:56 起直接返回;L76 的 if date[-8:-3] != '14:55' 决定只有 14:55:00–14:55:59 这一分钟走回转分支。
  • 原因:设计意图是“收盘前把仓位调回原仓位”,但实际可执行窗口只有一分钟。若这一分钟没有 bar(停牌、断线重连、客户端重启、数据缺口),回转永不执行,仓位带过夜,与你注释里的设计目标相反。另外这段用字符串切片拼 '1455' 再转 int,格式一变就静默失效。
  • 依据:QMT 官方文档《变量约定》- timetag_to_datetime 格式化用法(建议直接解析时间对象,而不是切字符串)。
  • 改法(未落盘):改成“时间窗口”而非“某一分钟”,例如 >= 145000 到 150000 之间都允许回转,且回转完成后置一个 g.done_today 标记避免重复;时间用 datetime.strptime 或直接比较 HHMMSS 整数。
  • 回归:故意让 14:55 那根 bar 缺失(改窗口起点到 14:50 模拟),确认回转仍会执行且只执行一次。

警3(警告)Lots 单位不一致

  • 现象:L20 Lots = 100 # 设定交易手数;L79 资金检查用 price * Lots * 100(按 100 手 = 10000 股算);L80 下单 order_shares(code, Lots, ...) 只买 100 股;L84 记账也 += Lots。
  • 原因:资金门槛按万股价校验,实际只下百股,检查形同虚设;如果以后把 Lots 当“手数”调成 10,程序会买 10 股(不足 1 手,直接废单)。
  • 改法:统一为“股数”一个口径,变量名改 LotShares = 100,资金检查用 price * LotShares;或统一为“手数”,下单时传 Lots * 100。
  • 回归:改完后打印一次下单股数与资金占用,与手算一致。

提1(提示)外部依赖与日志量:import talib 是否可用取决于客户端“下载 Python 库”是否补全(官方《使用须知》- 下载 python 库),官方文档未承诺默认随附,请在本地确认;另外官方《引用函数》页面提供 MA/MACD/KDJ 等指标引用函数,若不想依赖 talib 可改用它。L35 每根 bar 都 print('日期', date),回测几千根 bar 会让日志非常庞大,建议只在信号触发时打印。

提2(提示)死变量:flage(L36)与 singleemited(L37)只在被赋值的分支里使用或根本没人读,画图代码注释掉后就成了死代码,删掉更清爽。

提3(提示)day 状态只写不读:L51、L56 往 ContextInfo.day 写值,L116-117 才是原本“更新过去日期数据”的意图,但已被注释;现在这个状态不参与任何判断,属于遗留物。

提4(提示)accountID 挂 ContextInfo:静态扫描把它判成“写只读属性”,我核对官方《变量约定》未发现 accountID 的只读定义(聚宽迁移示例里官方自己就示范过给 C 挂账号字段),因此这条降级为写法建议:账号属于配置,放模块级更合适,也更符合“ContextInfo 不存变量”的官方指引。

提5(提示)get_universe:官方《行情函数》页面只收录了 set_universe(stock_list) 的调用示例(与你 L18 的写法一致),get_universe() 的原型在三张页面里都没检索到,无法为你核实签名;它在你本地能跑就继续用,但更稳妥的写法是用模块级变量存 code:

# [qmt-strategy-review] ---- 候选替换(未应用,确认 提5 后启用)----
# g.code = ContextInfo.stockcode + '.' + ContextInfo.market
# ... 后续统一用 g.code,不再反复调 get_universe()
# [qmt-strategy-review] ---- /候选替换 ----

已核实无误(正面确认):C.stockcode + '.' + C.market 拼接格式正确;C.period(L40 传入 period)是只读属性、取值 '1m' 等与文档一致;timetag_to_datetime(ContextInfo.get_bar_timetag(ContextInfo.barpos), '%Y-%m-%d %H:%M:%S') 与官方《变量约定》示例逐字一致;get_trade_detail_data(accountid, 'STOCK', 'ACCOUNT'/'POSITION') 参数顺序与《交易函数》一致;set_universe 用法与官方示例一致。全篇无 sleep、无线程库、无 count=-1 无界取数、无网络/文件外接。


第三部分:完整代码 + 注释(原样,逻辑零改动)

# coding:gbk
# [qmt-strategy-review] ============ 评审(阶段一,未修改任何逻辑)============
# [qmt-strategy-review] 本文件自述为"回测模型示例", 因此分两种用途读下面的意见:
#     只做回测 -> 严1 / 严2 不影响结果, 重点是 通1 与 警2
#     要上模拟或实盘 -> 严1 / 严2 必须改, 否则不下单或持仓记账错乱
'''
回测模型示例(非实盘交易策略)

本策略首先买入当前股票10000股
随后根据60s的数据来计算MACD(12,26,9)线,并在MACD>0,MACD_pre<0的时候买入100股,MACD<0,MACD_pre>0的时候卖出100股
但每日操作的股票数不超过原有仓位,并于收盘前把仓位调整至开盘前的仓位
本策略需在个股分钟线下运行
'''
import numpy as np
import pandas as pd
# [qmt-strategy-review][提1] talib 是否随客户端提供, 官方文档未承诺, 需本地"下载 Python 库"后确认;
#     官方《引用函数》另有 MA / MACD / KDJ 等指标引用函数可作替代
import talib


def init(ContextInfo):
	MarketPosition = {}
	# [qmt-strategy-review][严2] 持仓记账挂在 ContextInfo 上, 盘中逐 K 线回退会丢累加
	#     原因: 每次 handlebar 前深拷贝, 非该K线最后分笔的修改会被回退, 只有K线结束分笔的修改生效
	#     依据: QMT 官方文档《使用须知》(避免在 ContextInfo 存变量, 推荐 class G) 与
	#           《常见问题》- 系统对象 ContextInfo 逐 k 线保存的机制
	#     改法: 迁到模块级单例 g.pos, 见下方候选替换
	ContextInfo.MarketPosition = MarketPosition  # 初始化持仓
	ContextInfo.set_universe([ContextInfo.stockcode + '.' + ContextInfo.market])
	# [qmt-strategy-review] 已核实: set_universe 用法与官方《行情函数》示例一致
	# [qmt-strategy-review][严2] first 属于"只执行一次"的开关, 同样不能存 ContextInfo
	ContextInfo.first = 0
	# [qmt-strategy-review][警3] Lots 注释写"手数", 但 L79 资金检查按 Lots*100 股算,
	#     L80 下单只传 Lots 股 -> 两个口径不一致, 资金检查形同虚设; 建议统一为股数
	ContextInfo.Lots = 100  # 设定交易手数
	# [qmt-strategy-review][提3] day 只写不读 (L51 / L56), 原意所在的 L116 已被注释, 属遗留状态
	ContextInfo.day = [0, 0]
	ContextInfo.ending = 0
	ContextInfo.total = 10000
	# [qmt-strategy-review][提4] 账号属配置项, 官方未把 accountID 列为只读, 但按《使用须知》
	#     不宜挂 ContextInfo; 建议放模块级, 或直接用界面注入的 account
	ContextInfo.accountID = 'testS'


# [qmt-strategy-review] ---- 候选替换(未应用,确认 严2 后启用)----
# class G(): pass
# g = G()
# def init(ContextInfo):
# 	g.pos = {}
# 	g.first = 0
# 	g.day = [0, 0]
# 	g.done_today = False
# [qmt-strategy-review] ---- /候选替换 ----

def handlebar(ContextInfo):
	d = ContextInfo.barpos
	# [qmt-strategy-review] 已核实: barpos 为只读属性, 索引从 0 开始 (官方文档《变量约定》)
	if d < 35:
		return
	# [qmt-strategy-review] 已核实: timetag_to_datetime(get_bar_timetag(barpos), fmt) 的写法
	#     与官方《变量约定》示例逐字一致, 参数顺序正确
	startdate = timetag_to_datetime(ContextInfo.get_bar_timetag(d - 35), '%Y%m%d%H%M%S')
	enddate = timetag_to_datetime(ContextInfo.get_bar_timetag(d), '%Y%m%d%H%M%S')
	##print startdate,enddate
	date = timetag_to_datetime(ContextInfo.get_bar_timetag(d), '%Y-%m-%d %H:%M:%S')
	# [qmt-strategy-review][提1] 每根 bar 都 print, 回测日志量巨大, 建议只在信号触发时打印
	print('日期', date)
	# [qmt-strategy-review][提2] flage / singleemited 在画图代码被注释后已成死变量, 可删
	flage = False
	singleemited = False

	# [qmt-strategy-review][警1] get_market_data 官方标题即标【不推荐】, 且返回类型随参数变化
	#     (float / Series / DataFrame / Panel 皆有可能, Panel 在新版 pandas 已移除),
	#     而这里强依赖 "行=时间, 第0列=close" 的 DataFrame 形态, 属对未定义形状的依赖
	#     依据: QMT 官方文档《行情函数》- get_market_data (不推荐)
	#     改法: 迁 get_market_data_ex, 返回稳定 {code: DataFrame(index=时间, columns=字段)}
	# [qmt-strategy-review] ---- 候选替换(未应用,确认 警1 后启用)----
	# df = ContextInfo.get_market_data_ex(['close'], [ContextInfo.get_universe()[0]],
	#                                     period=ContextInfo.period, count=35)[ContextInfo.get_universe()[0]]
	# close_arr = df['close'].values
	# [qmt-strategy-review] ---- /候选替换 ----
	df = ContextInfo.get_market_data(['close'], stock_code=ContextInfo.get_universe(), start_time=startdate,
									end_time=enddate, period=ContextInfo.period)
	# [qmt-strategy-review][提5] get_universe 在官方文档三张相关页面均未检索到定义, 签名无法核实;
	#     本地能跑即可用, 更稳妥是模块级存 g.code, 不再反复调 get_universe()
	# print df
	if df.empty:
		return
	# print df
	if ContextInfo.first == 0:
		# [qmt-strategy-review][严1] order_shares 属官方「其他交易函数(仅回测可用)」,
		#     章节原文: 以下函数仅回测生效, 实盘和模拟盘交易均不可用
		#     原因: 模拟/实盘模式下此调用不产生任何委托, 且多数情况不报错, 属静默失效
		#     依据: QMT 官方文档《交易函数》- 其他交易函数(仅回测可用)
		#     改法: 上模拟/实盘改 passorder(23/24, 1101, account, code, prType, price, volume,
		#           '策略名', 0, 备注, ContextInfo); 仅回测则保持现状
		order_shares(ContextInfo.get_universe()[0], ContextInfo.total, 'fix', df.iloc[-1, 0], ContextInfo,
						ContextInfo.accountID)
		flage = True
		singleemited = True
		ContextInfo.first = 1
		ContextInfo.day[-1] = date[8:10]
		# [qmt-strategy-review][提3] turnaround 只在此处建了一次, 全文再未使用
		ContextInfo.turnaround = [0, 0]
		ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] = ContextInfo.total
		return

	ContextInfo.day[0] = date

	# 14:55:00之后不再交易
	# [qmt-strategy-review][警2] 此处 14:56 起直接 return, 配合 L76 的 != '14:55' 判断,
	#     真正的回转窗口只有 14:55:00-14:55:59 一分钟; 该分钟若缺 bar(停牌/断线重连/重启),
	#     回转永不执行, 仓位带过夜, 与注释的设计目标相反
	#     改法: 改成时间区间(如 145000-150000 均可回转) + g.done_today 标记防重复;
	#           时间用 datetime 解析, 不要用字符串切片拼 '1455'
	if int(date[-8:-6] + date[-5:-3]) > 1455:
		return
	avaliable = get_avaliable(ContextInfo.accountID, 'STOCK')

	holding = get_holdings(ContextInfo.accountID, 'STOCK')
	if ContextInfo.get_universe()[0] not in list(holding.keys()):
		holding[ContextInfo.get_universe()[0]] = 0

	# 计算MACD线
	if ContextInfo.total >= 0:
		recent_date = np.array(df.iloc[-35:, 0])

		macd = talib.MACD(recent_date)[0][-1]
		macd_pre = talib.MACD(recent_date)[0][-2]

		# 根据MACD>0则开仓,小于0则平仓

		if date[-8:-3] != '14:55':
			if macd > 0 and macd_pre < 0:
				# 根据MACD>0则开仓,小于0则平仓
				# [qmt-strategy-review][警3] 资金门槛按 price*Lots*100 (万股价) 算, 但下面只买 Lots 股,
				#     两者差 100 倍; 若以后按"手"调小 Lots, 会买到不足一手的股数直接废单
				if avaliable > df.iloc[-1, 0] * ContextInfo.Lots * 100:
					# [qmt-strategy-review][严1] 同 L46: 仅回测可用, 模拟/实盘静默失效
					order_shares(ContextInfo.get_universe()[0], ContextInfo.Lots, 'fix', df.iloc[-1, 0], ContextInfo,
									ContextInfo.accountID)
					flage = True
					singleemited = True
					# [qmt-strategy-review][严2] 盘中此处的 += 会被逐 K 线回退吞掉, 记账与实际持仓不符
					ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] += ContextInfo.Lots
					print (ContextInfo.get_universe()[0], 'open position at market price', ContextInfo.Lots, '股')

			elif macd < 0 and macd_pre > 0 and holding[ContextInfo.get_universe()[0]] >= ContextInfo.Lots:
				# [qmt-strategy-review][严1] 同 L46: 仅回测可用
				order_shares(ContextInfo.get_universe()[0], -ContextInfo.Lots, 'fix', df.iloc[-1, 0], ContextInfo,
								ContextInfo.accountID)
				flage = False
				singleemited = True
				print(ContextInfo.get_universe()[0], 'close position at market price', ContextInfo.Lots, '股')
				ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] -= ContextInfo.Lots
			# 临近收盘时若仓位数不等于昨仓则回转所有仓位

		else:
			# [qmt-strategy-review][严2] 下面四处的仓位读写都建立在上面的累加之上;
			#     盘中累加被回退后, 这里会比较出错误的差额并重复报单
			# [qmt-strategy-review][警2] 本分支只在 14:55 这一分钟进入, 窗口过窄
			if ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] > ContextInfo.total:
				# [qmt-strategy-review][严1] 同 L46: 仅回测可用
				order_shares(ContextInfo.get_universe()[0],
								-(ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] - ContextInfo.total), 'fix',
								df.iloc[-1, 0], ContextInfo, ContextInfo.accountID)
				flage = False
				singleemited = True
				# print ContextInfo.get_universe()[0], '回转操作市价单平多仓', ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] - ContextInfo.total, '股'
				ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] = ContextInfo.total

			if ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] < ContextInfo.total:
				# [qmt-strategy-review][严1] 同 L46: 仅回测可用
				order_shares(ContextInfo.get_universe()[0],
								(ContextInfo.total - ContextInfo.MarketPosition[ContextInfo.get_universe()[0]]), 'fix',
								df.iloc[-1, 0], ContextInfo, ContextInfo.accountID)
				flage = True
				singleemited = True
				# print ContextInfo.get_universe()[0], '回转操作市价单开多仓', ContextInfo.total - ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] , '股'
				ContextInfo.MarketPosition[ContextInfo.get_universe()[0]] = ContextInfo.total

		# 更新过去的日期数据
		'''ContextInfo.day[-1] = ContextInfo.day[0]
		if singleemited:
			if flage:
				ContextInfo.paint('do_buy',1,-1,0,"yellow",'noaxis')
				ContextInfo.paint('do_sell',0,-1,0,"red",'noaxis')
			else:
				ContextInfo.paint('do_buy',0,-1,0,"yellow",'noaxis')
				ContextInfo.paint('do_sell',1,-1,0,"red",'noaxis')'''
		# [qmt-strategy-review][提2][提3] 这段注释掉的画图与 day 更新, 是 flage / singleemited / day
		#     三个状态原本的用途; 既然注释掉了, 三处状态可一并清理


# ContextInfo.paint('holding',ContextInfo.MarketPosition[ContextInfo.get_universe()[0]],-1,0)

def get_avaliable(accountid, datatype):
	result = 0
	# [qmt-strategy-review] 已核实: get_trade_detail_data(账号, 账号类型, 'ACCOUNT') 参数顺序与
	#     官方《交易函数》一致; 大小写 'ACCOUNT' / 'POSITION' 亦见官方示例
	resultlist = get_trade_detail_data(accountid, datatype, "ACCOUNT")
	for obj in resultlist:
		result = obj.m_dAvailable
	return result


def get_holdings(accountid, datatype):
	holdinglist = {}
	resultlist = get_trade_detail_data(accountid, datatype, "POSITION")
	for obj in resultlist:
		holdinglist[obj.m_strInstrumentID + "." + obj.m_strExchangeID] = obj.m_nCanUseVolume
	return holdinglist
# [qmt-strategy-review] ============ 评审结束:以上均为注释意见,代码逻辑未做任何改动 ============

要不要我落地改? 请回编号,例如「改 通1、严1、警2」或「全改」。动之前我会先复制 日内回转.py.bak,只改你点到的条目,改完重跑静态审查并对比严重项数量。另外有两种典型组合,可以直接说:

  • 只做回测 → 只需「通1 + 警2 + 提1(日志限流)」,其余保留现状即可。
  • 要上模拟/实盘 → 必改「通1 + 严1 + 严2 + 警2 + 警3」,这是一次结构性改造(passorder + 委托状态机 + 模块级状态),我会给完整骨架。

⚠️ 实盘风险提示:涉及真实下单。请先在 QMT「模拟信号模式」或「模拟柜台」中充分验证后,再切换实盘账号;股票受 2% 价格笼子限制,数量超可用会产生废单。

⚠️ 风险提醒与免责声明

  • 本回答基于 QMT 官方公开文档与公开社区资料整理,仅供编程学习与技术研究,不构成任何投资建议。
  • 实盘前必须在「模拟信号模式」或「模拟柜台」充分验证;未经模拟验证直接实盘,后果自负。
  • 具体行为以官方文档、券商柜台与本地客户端实际输出为准,不承诺任何委托结果。
  • 因使用本回答中的代码或建议造成的任何盈亏,由使用者自行承担全部责任。

回测示例 · 日线

HS300 多因子选股

7 严重5 警告3 提示

评审结论:回测用途基本成立,不能直接上模拟或实盘

成分股接口未核实到、下单股数为 float 且不足整手、买入手续费符号写反。

展开阅读完整评审报告 ▾

第一部分:评审范围说明

本次只检查代码编写与代码实现层:单线程阻塞、数据层效率、ContextInfo 误用与状态管理(逐 K 线回滚、深拷贝成本、跨回调使用)、API 签名与参数(均当次对照 QMT 官方文档核实)、编码声明与乱码风险、Python 代码层错误(语法/类型/未定义/键访问)、回放与重复下单防护、日志与异常处理写法。

  • 不检查策略逻辑:因子是否有效、20 日调仓与 10 只持仓是否合理、盈亏与风险表现如何,属于策略逻辑范畴,本 skill 不评价、不预测、不下结论。下文提到"重复下单"指的是代码实现没有防护,不是对策略本身的判断。
  • 不收集、不存储策略代码:Skill 本身不落盘、不复制、不写入记忆或日志,也不生成磁盘副本;代码仅作为对话内容交给 WorkBuddy 及其 AI 模型处理、用于本次评审,遵循相应平台的隐私政策。

先说最要紧的一句:文件头自己写了「回测模型示例(非实盘交易策略)」,这句话比任何评审意见都关键。它用的 order_shares 官方明确标注仅回测可用。所以下面条目按用途分成两类,你的目标决定了哪些必须改。


第二部分:修改意见

汇总表

编号级别位置问题一句话
通1严重L1声明 gbk,磁盘实际是 UTF-8,中文注释与 print 会乱码
严1严重L13ContextInfo.get_sector 官方文档当前未核实到,init 可能直接报错
严2严重L56/L68order_shares 官方标注仅回测可用,模拟/实盘不产生任何委托
严3严重L15-L20 / L57-L73持仓、资金、盈亏、买点全部挂 ContextInfo,盘中逐 K 线回滚
严4严重L23/L30缺盘中回放与单次触发保护,同一根 K 线每个分笔都会重复调仓
严5严重L56/L67/L68下单股数是 float 且非 100 整数倍,官方要求 int + 100 股递增
严6严重L37/L38ext_data_rank 的股票代码拼成 SH600000,官方形式为 600000.SH
警1警告L29/L56/L68price[k] 无成员检查,缺 key 时 KeyError 直接中断 handlebar
警2警告L70买入扣款把手续费写成减项,手续费反而没扣,资金记账偏乐观
警3警告L38/L40/L45/L63第二因子算了没进评分;tmp_stock 是 set,资金分配结果不可复现
警4警告L76/L77if not do_back_test 与回测用途相反,收益曲线永远画不出来
警5警告L14/L29/L83-85旧接口官方已标「不再推荐使用」,且每根 bar 都取数、订阅 300 只易触上限
提1提示L19/L75capital 官方标注仅回测有效;非回测取不到,为 0 会除零
提2提示L2-L6/L37-38扩展数据 atr/adtm 需预先生成,缺失时返回值官方文档未说明
提3提示L7/L9/L15/L41pandas/time 未使用、day 死变量、调试 print 刷屏

总体结论:回测用途基本成立,但不能直接上模拟或实盘。 通1 与严1 是回测前的必修项(一个让中文全乱码,一个可能让策略加载不起来);严5、严6 会让回测结果本身失真或不合法。最大风险是严2、严3、严4 三者叠加——切到模拟/实盘后,下单函数静默失效、记账被回退、盘中同一根 K 线反复调仓。另有一条重要澄清:静态审查报的 NO_IS_LAST_BAR 对纯回测模型是误报,回测本就需要逐根历史 K 线遍历,别盲目加 is_last_bar() 过滤,否则回测只剩最后一根。

逐条详述

通1(严重)编码声明与实际编码不符 首行 #coding:gbk,但磁盘文件实测为 UTF-8(LF 行尾)。QMT 内置 Python 按声明以 GBK 解码,文件头中文说明、print('stock pool:', ...) 前后的中文全变乱码,解码失败时策略直接加载不起来。依据:已经 QMT 官方文档核实《快速开始》「编写策略前注意事项」(原文要求首行写 #coding:gbk 统一脚本编码为 GBK)。改法(未落盘):首行保持 # coding:gbk,并把文件本体另存为 GBK 编码——只改声明不转码会更糟。回归:重新打开确认中文正常、策略能编译运行。

严1(严重)成分股接口官方文档未核实到 L13 ContextInfo.get_sector('000300.SH')。在《行情函数》《系统函数》《变量约定》三张页面里均未检索到该函数;官方收录的是 ContextInfo.get_stock_list_in_sector,且示例传的是板块名(《快速开始》定时任务示例写 C.get_stock_list_in_sector('沪深A股'),官方《获取行业概念数据》页写 get_stock_list_in_sector('沪深300'),返回 '000002.SZ' 形式的代码列表)。依据:已经 QMT 官方文档核实。这一条我不臆造签名——请你在本地客户端实测 get_sector 是否存在;若不存在,init 会 AttributeError,策略根本起不来,改用 get_stock_list_in_sector('沪深300'),参数以官方文档与本地实测为准。参考页面:https://dict.thinktrader.net/innerApi/data_function.html 。回归:init 打印股票池长度与首只代码格式。

严2(严重)order_shares 只在回测里有效 L56、L68 两处下单都用 order_shares。官方文档把它放在《交易函数》「其他交易函数(仅回测可用)」章节,章节原文是「以下函数仅回测生效,实盘和模拟盘交易均不可用」;《常见问题》另说明「passorder 以外的下单函数不能指定快速交易参数,效果与传 0 的 passorder 一致」。签名 order_shares(stockcode, shares[, style, price], ContextInfo[, accId]) 与 'fix'(指定价)你的参数顺序是对的,问题在用途边界:切到模拟信号或实盘模式,这两处调用不产生任何委托,多数情况也不报错,是最危险的一种静默失效。改法(未落盘):要上模拟/实盘,换成 passorder(23/24, 1101, A.acct, code, prType, price, volume, '策略名', 0, 备注, ContextInfo),quickTrade 默认取 0;仅回测则保持现状。回归:模拟信号模式下确认「策略信号」栏有记录,回测结果与改前一致。

严3(严重)记账状态全挂在 ContextInfo 上 ContextInfo.s / day / holdings / weight / buypoint / money / profit / money_distribution 全部挂在 C 上,且 L57/L58/L70/L71 是累加、L62/L69/L73 是容器原地写。官方《使用须知》原文:「ContextInfo 中存储的变量值将会回滚……在完全理解 ContextInfo 机制之前,请避免在其中存储任何变量」,推荐写法是 class G(): pass + 全局实例;《常见问题》「逐 k 线保存的机制」进一步说明:每次 handlebar 前深拷贝,只有 K 线结束时最后一个分笔的修改才有效,其余分笔全部回退。回测里每根 bar 只调用一次,修改会在下一根 bar 体现,所以侥幸不出事;盘中每个分笔都调用,money += ...、holdings[k] = ... 会被吞掉,仓位与资金按错误值继续报单。改法(未落盘):整体搬到模块级单例 g.pos / g.money / g.s,见代码里的候选骨架。回归:回测结果应与改前一致;盘中打印 g.money 确认同一根 K 线内多次触发时数值不再回退。

严4(严重)缺盘中回放、时段与单次触发保护 handlebar 开头没有 is_last_bar()、没有交易时段判断,L30 只有 d > 60 and d % 20 == 0。回测下每根 K 线一次调用,语义正确;但盘中同一个 barpos 会被每个分笔反复触发,d % 20 == 0 恒真,于是同一天每一笔行情都会跑一次完整调仓(含 300 只取数 + 下单)。官方《使用须知》明确「盘中,每一个新的行情快照都会触发一次 handlebar 函数调用」,《常见问题》另说明非交易时段行情服务重启也会触发。改法(未落盘,仅模拟/实盘需要):加 if not C.is_last_bar(): return + 时段过滤 + is_new_bar() 收根结算,并用模块级 g.last_rebalance_bar 做每日幂等。注意:纯回测千万别加 is_last_bar(),否则历史 K 线全部跳过。回归:模拟模式下观察一根日 K 内只调仓一次。

严5(严重)下单股数类型与整手规则都不符 L67 order[k] = int(money_distribution[k]/(price[k][-1]))/100:Python 3 里 int(...)/100 返回 float,只是把数值除以 100 再原样乘回去,并没有取整到整手;L68 order[k]*100 传进去的仍是 float 且常常不是 100 的倍数。官方《交易函数》参数表写 shares: 股数, int;《常见问题》「交易所委托数量规则」写主板「100 股起,100 股递增」。官方《快速开始》回测示例给的标准写法是 vol = int(available_cash / close_list[-1] / 100) * 100。改法(未落盘):见代码里的候选替换。不改会怎样:实盘直接废单,回测里数量不合法也可能报错或按可用数量撮合,结果失真。回归:打印一次下单股数,确认是 int 且为 100 整数倍。

严6(严重)扩展数据股票代码格式拼反 L37/L38 ext_data_rank('atr', k[-2:]+k[0:6], 0, ContextInfo)。官方《引用函数》定义 ext_data_rank(extdataname, stockcode, deviation, ContextInfo),其中 stockcode 形式如 '600000.SH'。而 signal() 里 if k in data_close60 与 get_history_data 返回的 key 都说明 k 已是 '600000.SH' 形式,拼完却变成 'SH600000'。依据:已经 QMT 官方文档核实。改法(未落盘):直接用 ext_data_rank('atr', k, 0, ContextInfo)。留个余地:若你本地扩展数据确实用另一种代码格式,请以本地实测为准并忽略本条,官方文档未定义其它形式。不改会怎样:取不到因子排名值,评分与选股可能全部落在默认值上。回归:打印一次单只股票的 rank 值,确认非默认/非异常。

警1(警告)price[k] 无成员检查 L29 取 price 后,L56/L67/L68 直接 price[k][-1],而 signal() 里 L91 反而写了 if k in data_close60——说明作者知道会有数据缺失。成分股变更、新股、退市或停牌导致 price 里没有该 key 时,会 KeyError 让 handlebar 抛异常。改法(未落盘):下单前 if k not in price or not price[k]: continue。回归:故意从股票池里塞一只无数据的代码,确认跳过而不是崩。

警2(警告)买入扣款手续费符号写反 L70 money -= 成交额 - 0.0003*...:买入成本应是「成交额 + 手续费」,写成减号后手续费反而没扣,money 与 profit(L71 单独扣了手续费)口径不一致。L57 卖出侧写的是 成交额 - 手续费,是对的。改法(未落盘):改为 money -= 成交额 + 手续费。回归:单笔买入后手算可用资金,与打印值一致。

警3(警告)第二因子与资金分配的实现残留 L38 算了 rank2[k] = ext_data_rank('adtm', ...),但 L40 只用 1.0 * rank1[k] 评分,注释却写「此处取了 0.5 和 -0.5」——rank2 完全没进评分,等于白跑一次全池调用。另外 L45 tmp_stock 是 set,L63 zip(tmp_stock, weight) 依赖它的迭代顺序,跨运行可能不同,资金分配不可复现。改法(未落盘):要么把 rank2 按你的权重纳入 rank_total,要么删掉这次调用;tmp_stock 改成 list 保序。(排序方向是否该 reverse 属策略意图,本评审不评价,只提示注释与实现需你自行确认。)

警4(警告)do_back_test 判断与用途相反 L76 if not ContextInfo.do_back_test: 才画 profit_ratio。官方《变量约定》定义 do_back_test 是「表示当前是否为回测模式,只读,默认 False」。也就是回测时它为 True,条件恒为假——这份回测示例的收益曲线永远不会画出来,反而在非回测模式才画,而那时 capital/profit 又不可靠。改法(未落盘):改成 if ContextInfo.do_back_test:。paint('profit_ratio', profit, -1, 0) 的参数顺序与官方《绘图函数》一致,无需改。回归:回测副图上能看到曲线。

警5(警告)旧接口 + 每 bar 取数 + 订阅上限 官方《常见问题》原文把 set_universe、get_history_data、get_market_data 标为「不再推荐使用!」,并说明 set_universe 订阅的品种没有订阅号、无法反订阅;订阅有数量上限,超出时「返回的行情数据会使用前值填充,出现重复值,非正确行情数据」——HS300 全池 300 只正好容易踩线。另外 L29 的取数在 if d > 60 and d % 20 == 0 之外,每个 bar 都取一次却只有 1/20 的 bar 用得上。官方《快速开始》明确回测应「指定 subscribe 参数为 False」读本地数据。改法(未落盘):迁 get_market_data_ex(..., subscribe=False);至少先把 L29 移进调仓分支。回归:取数长度、首尾开盘价与主图一致。

提1(提示)capital 的回测边界:《变量约定》写 ContextInfo.capital「只支持回测模式」「默认为 1000000」。L19 用它做初始资金、L75 拿它做分母;非回测模式下取不到会 AttributeError,界面里若设为 0 会 ZeroDivisionError。建议加个非零保护,并把资金记账与 capital 解耦。

提2(提示)扩展数据前置依赖:文件头说明需要「补完 HS300 成分股数据之后生成」VBA 指标 ATR/ADTM 并命名 atr/adtm。官方《引用函数》只给了 ext_data_rank 的签名,没有说明扩展数据不存在时的返回值,这一点请以本地实测为准,别假定是 0 或 None。

提3(提示)死代码与日志:pandas、time 导入后全文未用;ContextInfo.day 只写不读;L41 print(1111111, rank1[k]) 是调试残留,每轮对每只候选股打印一次,回测日志会很大。清掉更清爽。

已核实无误 / 误报澄清(正面确认)

  • get_history_data(..., 3) 的第 4 参数 dividend_type 是 int,3 = 等比向前复权,与官方《常见问题》推荐回测用等比前复权一致 ✓
  • timetag_to_datetime(get_bar_timetag(barpos), '%Y%m%d') 与官方《快速开始》示例逐字一致;barpos 是只读属性,代码只读未写 ✓
  • ext_data_rank / order_shares 的参数顺序、'fix' 指定价、paint 的参数顺序均与官方文档一致 ✓
  • 静态审查报的 PYUNDEF(timetag_to_datetime、ext_data_rank、order_shares)是误报:它们都是客户端内置函数,分别收录于《快速开始》《引用函数》《交易函数》 ✓
  • 静态审查报的 CTX_READONLY(accountID) 也是误报:官方《变量约定》未把 accountID 列为只读,官方回测示例自己就在 init 里写 C.accountid = "testS"。不过账号属配置项,放模块级更稳妥 ✓
  • 无 sleep、无线程库、无死循环、无 count=-1 全量取数、无网络/文件外接 ✓ 五条铁律中「阻塞 / 线程 / 全量取数」三条未触碰;命中的是「ContextInfo 存状态」与「回放防护」
  • signal() 里 L91 的 if k in data_close60 成员检查写法正确,问题在于 handlebar 侧没对称处理 ✓

第三部分:完整代码 + 注释(原样,逻辑零改动)

#coding:gbk
# [qmt-strategy-review] ============ 评审(阶段一, 未修改任何逻辑)============
# [qmt-strategy-review][通1][严重] 磁盘实际是 UTF-8, 首行却声明 gbk
#     原因: QMT 内置 Python 按 GBK 解码, 中文注释与 print 会乱码
#     依据: 已经 QMT 官方文档核实, 见《快速开始》编写策略前的注意事项
#     改法: 首行写 # coding:gbk, 并把文件本体另存为 GBK 编码
# [qmt-strategy-review] 本文件自述为回测模型示例, 条目按用途分两类:
#     只做回测 -> 通1 / 严1 / 严5 / 严6 必修, 严2 / 严3 / 严4 不影响回测
#     上模拟或实盘 -> 严2 / 严3 / 严4 必须改, 是一次结构性改造
# [qmt-strategy-review] 静态审查的 PYUNDEF 与 CTX_READONLY 多为误报:
#     timetag_to_datetime / ext_data_rank / order_shares 是客户端内置函数,
#     accountID 未被官方文档列为只读, 官方回测示例自己也在 init 里写账号属性
"""
回测模型示例(非实盘交易策略)
#HS300日线下运行,20个交易日进行 一次调仓,每次买入在买入备选中因子评分前10的股票,每支股票各分配当前可用资金的10%(权重可调整)
#扩展数据需要在补完HS300成分股数据之后生成,本模型中扩展数据暂时使用VBA指标ATR和ADTM生成,命名为atr和adtm
"""
# [qmt-strategy-review][提3] pandas / time 导入后全文未使用, day 只写不读, 可清掉
import pandas as pd
import numpy as np
import time
import datetime

# [qmt-strategy-review] ---- 候选替换(未应用, 确认 严3 后启用)----
# class G(): pass
# g = G()
# def init(ContextInfo):
#     g.s = ContextInfo.get_stock_list_in_sector('沪深300')
#     ContextInfo.set_universe(g.s)
#     g.holdings = {i: 0 for i in g.s}
#     g.weight = [0.1] * 10
#     g.buypoint = {}
#     g.money = ContextInfo.capital
#     g.profit = 0
#     g.last_rebalance_bar = -1
# [qmt-strategy-review] ---- /候选替换 ----

def init(ContextInfo):
	# [qmt-strategy-review][严1][严重] ContextInfo.get_sector 官方文档当前未核实到
	#     原因: 官方收录的是 get_stock_list_in_sector, 且示例传板块名而非指数代码
	#     依据: 已经 QMT 官方文档核实《行情函数》《系统函数》《快速开始》
	#     改法: 先在本地实测该函数是否存在; 若不可用改用
	#           ContextInfo.get_stock_list_in_sector('沪深300')
	#     不改会怎样: 函数不存在时 init 直接 AttributeError, 策略加载不起来
	ContextInfo.s = ContextInfo.get_sector('000300.SH')
	ContextInfo.set_universe(ContextInfo.s)
	# [qmt-strategy-review][严3][严重] 以下全部状态挂在 ContextInfo 上
	#     原因: 每次 handlebar 前深拷贝, 只有 K 线结束分笔的修改才生效
	#     依据: 已经 QMT 官方文档核实《使用须知》与《常见问题》逐 k 线保存机制
	#     改法: 整体迁到模块级 g, 见上方候选替换
	#     注意: 回测每根 K 线只调用一次, 回滚不显现; 盘中每分笔调用必错
	# [qmt-strategy-review][提3] day 为死变量, 全文只写不读
	ContextInfo.day = 0
	ContextInfo.holdings = {i:0 for i in ContextInfo.s}
	ContextInfo.weight = [0.1]*10         #设置资金分配权重
	ContextInfo.buypoint = {}
	# [qmt-strategy-review][提1] capital 官方标注只支持回测模式, 默认 1000000
	ContextInfo.money = ContextInfo.capital
	ContextInfo.profit = 0
	# [qmt-strategy-review] 静态扫描报此处"写只读属性"属误报, 官方示例有同样写法
	ContextInfo.accountID='testS'

def handlebar(ContextInfo):
	# [qmt-strategy-review][严4][严重] 缺盘中回放 / 时段 / 单次触发保护
	#     原因: 盘中同一 barpos 每个分笔都触发 handlebar, d % 20 == 0 恒真
	#     后果: 同一天每笔行情都跑一次完整调仓与下单
	#     依据: 已经 QMT 官方文档核实《使用须知》(每个行情快照触发一次 handlebar)
	#           《常见问题》(非交易时段服务重启也会触发)
	#     改法: 仅模拟/实盘需要 -> is_last_bar + 时段过滤 + is_new_bar 收根
	#           + 模块级 g.last_rebalance_bar 做每日幂等
	#     重要: 纯回测不要加 is_last_bar, 否则历史 K 线全部被跳过
	# [qmt-strategy-review] ---- 候选替换(未应用, 确认 严4 后启用, 仅模拟/实盘)----
	# if not ContextInfo.is_last_bar(): return
	# if not ContextInfo.is_new_bar(): return
	# if g.last_rebalance_bar == ContextInfo.barpos: return
	# g.last_rebalance_bar = ContextInfo.barpos
	# [qmt-strategy-review] ---- /候选替换 ----
	rank1 = {}
	rank2 = {}
	rank_total = {}
	tmp_stock = {}
	d = ContextInfo.barpos
	# [qmt-strategy-review][警5] set_universe + get_history_data 官方已标不再推荐使用
	#     依据: 已经 QMT 官方文档核实《常见问题》行情调用函数对比说明
	# [qmt-strategy-review][警5] 此取数在调仓判断之外, 每根 bar 都取但只有 1/20 用到
	#     改法: 至少移进下方 if 分支内, 或迁 get_market_data_ex(subscribe=False)
	#     另: HS300 全池订阅可能触订阅上限, 超出会用前值填充得到非正确行情
	# [qmt-strategy-review][警1] price[k] 无成员检查, 缺 key 会 KeyError 中断 handlebar
	# [qmt-strategy-review] 已核实: 第 4 参数 3 = 等比向前复权, int 类型, 写法正确
	price = ContextInfo.get_history_data(1,'1d','open',3)
	# [qmt-strategy-review][严4] 回测下 20 根调仓一次语义正确; 盘中该条件恒真会重复触发
	if d > 60 and d % 20 == 0:               #每月一调仓
		# [qmt-strategy-review] 已核实: 该写法与官方《快速开始》示例逐字一致
		nowDate = timetag_to_datetime(ContextInfo.get_bar_timetag(d),'%Y%m%d')
		print(nowDate)
		buys, sells = signal(ContextInfo)
		order = {}
		for k in list(buys.keys()):
			if buys[k] == 1:
				# [qmt-strategy-review][严6][严重] 股票代码拼成 SH600000, 官方形式为 600000.SH
				#     依据: 已经 QMT 官方文档核实《引用函数》ext_data_rank 参数表
				#     改法: ext_data_rank('atr', k, 0, ContextInfo) 直接用 k
				#     注意: 若本地扩展数据用另一套代码格式, 以本地实测为准
				# [qmt-strategy-review][提2] atr / adtm 需预先在客户端生成,
				#     官方文档未说明扩展数据缺失时返回值, 请以本地实测为准
				rank1[k] = ext_data_rank('atr',k[-2:]+k[0:6],0,ContextInfo)
				rank2[k] = ext_data_rank('adtm',k[-2:]+k[0:6],0,ContextInfo)
				#print rank1[k], rank2[k]
				# [qmt-strategy-review][警3] rank2 算了却没进评分, 与注释里的权重说法不符
				#     改法: 按你的权重纳入 rank_total, 或删掉 adtm 这次调用
				# [qmt-strategy-review] 排序方向属策略意图, 本评审不评价,
				#     仅提示注释"前10"与升序取前10 是否一致请自行确认
				rank_total[k] = 1.0 * rank1[k]                          #因子的权重需要人为设置,此处取了0.5和-0.5
				# [qmt-strategy-review][提3] 调试 print, 每轮对每只候选股打印会刷屏
				print (1111111, rank1[k])
		tmp = sorted(list(rank_total.items()), key = lambda item:item[1])
		#print tmp
		if len(tmp) >= 10:
			# [qmt-strategy-review][警3] tmp_stock 是 set, 迭代无序,
			#     下方 zip(tmp_stock, weight) 的资金分配结果不可复现, 建议改 list
			tmp_stock = {i[0] for i in tmp[:10]}
		else:
			tmp_stock = {i[0] for i in tmp}                              #买入备选中若超过10只股票则选10支,不足10支则全选
		for k in list(buys.keys()):
			if k not in tmp_stock:
				buys[k] = 0
		if tmp_stock:
			print('stock pool:',tmp_stock)
			for k in ContextInfo.s:
				if ContextInfo.holdings[k] > 0 and sells[k] == 1:
					print('ready to sell')
					# [qmt-strategy-review][严2][严重] order_shares 仅回测可用,
					#     官方原文: 以下函数仅回测生效, 实盘和模拟盘交易均不可用
					#     依据: 已经 QMT 官方文档核实《交易函数》其他交易函数章节
					#     改法: 上模拟/实盘改 passorder(24, 1101, A.acct, k, prType,
					#           price, volume, '策略名', 0, 备注, ContextInfo)
					# [qmt-strategy-review][严5] 卖出股数同样是 float, 官方要求 int
					# [qmt-strategy-review][警1] 此处 price[k] 无成员检查
					order_shares(k,-ContextInfo.holdings[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)
					# [qmt-strategy-review][严3] 累加写在 C 上, 盘中会被逐 K 线回退
					ContextInfo.money += price[k][-1] * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1]                  #手续费按万三设定
					ContextInfo.profit += (price[k][-1]-ContextInfo.buypoint[k]) * ContextInfo.holdings[k] * 100 - 0.0003*ContextInfo.holdings[k]*100*price[k][-1]
					#print price[k][-1]
					print(k)
					#print ContextInfo.money
					# [qmt-strategy-review][严3] 容器原地写同样会被回退
					ContextInfo.holdings[k] = 0
			# [qmt-strategy-review][严3] 大对象挂 C, 每 tick 深拷贝成本 + 回滚风险
			ContextInfo.money_distribution = {k:i*ContextInfo.money for (k,i) in zip(tmp_stock,ContextInfo.weight)}
			for k in tmp_stock:
				if ContextInfo.holdings[k] == 0 and buys[k] == 1:
					print('ready to buy')
					# [qmt-strategy-review][严5][严重] Python3 里 int(x)/100 是 float,
					#     再乘 100 并未取整到整手, 传进去的 shares 是 float 且常非 100 倍数
					#     依据: 已经 QMT 官方文档核实《交易函数》(shares: int) 与
					#           《常见问题》交易所委托数量规则(主板 100 股起 100 股递增)
					#     不改会怎样: 实盘废单, 回测数量不合法撮合结果失真
					#     改法: 见下方候选替换, 采用官方示例的整百股写法
					order[k] = int(ContextInfo.money_distribution[k]/(price[k][-1]))/100
					order_shares(k,order[k]*100,'fix',price[k][-1],ContextInfo,ContextInfo.accountID)
					# [qmt-strategy-review] ---- 候选替换(未应用, 确认 严5 后启用)----
					# vol = int(ContextInfo.money_distribution[k] / price[k][-1] / 100) * 100
					# order[k] = vol / 100
					# order_shares(k, int(vol), 'fix', price[k][-1],
					#              ContextInfo, ContextInfo.accountID)
					# [qmt-strategy-review] ---- /候选替换 ----
					# [qmt-strategy-review][严3] buypoint 容器原地写会被回退
					ContextInfo.buypoint[k] = price[k][-1]
					# [qmt-strategy-review][警2] 买入成本应为 成交额 + 手续费,
					#     写成减号后手续费没扣, money 与 profit 口径不一致
					#     改法: ContextInfo.money -= 成交额 + 手续费
					ContextInfo.money -= price[k][-1] * order[k] * 100 - 0.0003*order[k]*100*price[k][-1]
					ContextInfo.profit -= 0.0003*order[k]*100*price[k][-1]
					print(k)
					# [qmt-strategy-review][严3] holdings 容器原地写会被回退
					ContextInfo.holdings[k] = order[k]
			print(ContextInfo.money,ContextInfo.profit,ContextInfo.capital)
	# [qmt-strategy-review][提1] capital 仅回测有效且为分母, 为 0 时 ZeroDivisionError
	profit = ContextInfo.profit/ContextInfo.capital
	# [qmt-strategy-review][警4] do_back_test 为 True 表示回测, 取反后回测时永远不画
	#     依据: 已经 QMT 官方文档核实《变量约定》do_back_test 释义
	#     改法: 改为 if ContextInfo.do_back_test:
	if not ContextInfo.do_back_test:
		# [qmt-strategy-review] 已核实: paint(name, value, -1, 0) 参数顺序与
		#     官方《绘图函数》一致, 无需改动
		ContextInfo.paint('profit_ratio', profit, -1, 0)
		

def signal(ContextInfo):
	buy = {i:0 for i in ContextInfo.s}
	sell = {i:0 for i in ContextInfo.s}
	# [qmt-strategy-review][警5] 三次 get_history_data 均为官方标注不再推荐的旧接口,
	#     回测建议迁 get_market_data_ex(..., subscribe=False) 读本地数据
	# [qmt-strategy-review] 已核实: 第 4 参数 3 = 等比向前复权, 与官方推荐一致
	data_high = ContextInfo.get_history_data(22,'1d','high',3)
	data_high_pre = ContextInfo.get_history_data(2,'1d','high',3)
	data_close60 = ContextInfo.get_history_data(62,'1d','close',3)
	#print data_high
	#print data_close
	#print data_close60
	for k in ContextInfo.s:
		# [qmt-strategy-review] 正面确认: 此处做了成员检查, 写法正确;
		#     问题在于 handlebar 侧 price[k] 没有对称处理, 见 警1
		if k in data_close60:
			if len(data_high_pre[k]) == 2 and len(data_high[k]) == 22 and len(data_close60[k]) == 62:
				if data_high_pre[k][-2] > max(data_high[k][:-2]):
					buy[k] = 1           #超过20日最高价,加入买入备选
				elif data_high_pre[k][-2] < np.mean(data_close60[k][:-2]):
					sell[k] = 1           #低于60日均线,加入卖出备选
	#print buy
	#print sell
	return buy,sell           #买入卖出备选
# [qmt-strategy-review] 注: 原文 L99-L130 均为空行, 无代码, 未重复贴出
# [qmt-strategy-review] ============ 评审结束:以上均为注释意见,代码逻辑未做任何改动 ============
⚠️ 实盘风险提示:涉及真实下单。请先在 QMT「模拟信号模式」或「模拟柜台」中充分验证后,再切换实盘账号;股票受 2% 价格笼子限制,数量超可用会产生废单。

要不要我落地改? 请回编号,例如「改 通1、严5、严6」或「全改」。动之前我会先复制 多因子选股.txt.bak,只改你点到的条目,改完重跑静态审查并对比严重项数量。两种典型组合可以直接说:

  • 只做回测 → 建议「通1 + 严1(先确认接口)+ 严5 + 严6 + 警1 + 警2 + 警4」,其余保留现状即可。
  • 要上模拟/实盘 → 必改「通1 + 严1 + 严2 + 严3 + 严4 + 严5 + 严6 + 警1 + 警2 + 警5」,这是一次结构性改造(passorder + 模块级状态 + 委托状态机 + 每日幂等),我会给完整骨架。

注意通1 的「文件转 GBK 编码」需要在磁盘上转码保存,落地时一并处理;严1 请先告诉我 get_sector 在你本地客户端是否可用,我不替你猜。


⚠️ 风险提醒与免责声明

  • 本回答基于 QMT 官方公开文档与公开社区资料整理,仅供编程学习与技术研究,不构成任何投资建议。
  • 实盘前必须在「模拟信号模式」或「模拟柜台」充分验证;未经模拟验证直接实盘,后果自负。
  • 具体行为以官方文档、券商柜台与本地客户端实际输出为准,不承诺任何委托结果。
  • 因使用本回答中的代码或建议造成的任何盈亏,由使用者自行承担全部责任。

以上为阶段一评审意见节选,代码逻辑未做任何改动;完整输出含逐条官方文档依据与候选写法。

NOW AVAILABLE ON WORKBUDDY

把策略代码交给它看一遍,
再决定要不要改。

QMT-Strategy-Review · 大 QMT 策略评审与单线程工程 · 已上架 · ¥9 无限次使用

立即获取 · ¥9 ↗

7 天无理由退款 · 价格与退款规则以 WorkBuddy 商品页为准 · 本页为产品介绍,不构成任何投资建议。

已复制示例提问