QMT可转债双低策略 源码

Python量化交易平台：QMT （日内交易策略示例）

QMT /Ptrade是一款面向个人投资者，尤其是中高净值个人投资者的专业交易系统。系统采用先进的技术框架，具有功能丰富、风控全面、管理灵活、架构精简、高效稳定等核心优势。PTrade终端不仅支持多品种普通交易、日内回转交易、量化交易等场景；还集成了期权组合交易、期权无风险套利、期权风险管理、Alpha对冲套利等多种策略交易工具；对接算法交易平台（日内算法、拆单算法等），满足投资者对交易算法的需求。 Python量化交易平台：QMT /Ptrade（日内交易策略示例） import p...

策略为王开源交易软件源代码

这是从策略为王论坛上用SVN下载的开源交易软件，里面基本上所有的交易软件功能都有（行情、K先、实时走势图都有）。已经用VS2008编译通过可以正常运行。因为需要搭建行情服务器，求推送行情的服务器程序源码，最好有大概说明行情服务器如何搭建、推送的服务程序如何写、如何对应接收等的。

QMT量化交易网格交易 源码

想必大家在炒股的过程中都会遇到以下三个问题，第一个是股市大部分时间都是震荡的。 我们都知道，A股市场由于自身的特点，用通俗的话讲就是牛市来的比较快，熊市走的相对比较慢，盘整的时间占大多数，统计数字表明震荡的行情大概占A股市场80%的时间， 对于我们普通投资者而言呢，其实在大盘上涨期间，也就是牛市期间获取收益比较容易， 但是在这种震荡的行情，假如没有一个有效的策略，我们只能袖手旁观，很难去获取盈利。 第二个问题是，当我们买入了一个长期看好的股票，但是最后发现这个股票行情迟迟没有启动，然后股价一直没

迅投QMT极速策略交易系统_模型资料_Python1

1.1. 策略示例 1.1.1. 一个简单的 Python 策略 1.2. 运行机制 1.2.2. 重要概念 1.2.3. Python 策略运行机制 1.2.

【大麦小米学量化】如何优雅地调教QMT量化平台编写量化策略（使用notepad++、pycharm、vscode等外部IDE编写量化交易代码）

很多人开通了迅投QMT量化平台，可是进入编辑器界面，写python代码，那种感觉如同回到了原始时代，连调试代码最常用到行、块注释这么简单的操作都能把人整疯。想让迅投QMT即可修改编辑器，一时半会儿不现实。那么有没有一种方法？可以使用外部的编辑器编写，在迅投QMT里运行就行了，不也鱼与熊掌可兼得了吗？经过笔者孜孜探索，还真找到了一个方法，其实也很简单。就是坑有几个，不过我都填上了。提示：以下是本篇文章正文内容，其中代码为QMT默认自动生成，这里拿来仅作演示，不可用于实盘。............

qmt量化交易 - macd策略开源，最经典的策略

macd应该是最有用、也是最多人用的策略了，今天将它开源了。

终于成功开发出了QMT的小市值策略（胜利）

聚宽小市值策略本地QMT策略

量化迅投 QMT vs 聚宽 (JoinQuant)全面分析

本文从技术架构、运行模式、数据体系、开发环境、回测引擎、交易能力、权限体系、运维成本、生态体系九大专业维度，对券商本地化量化终端迅投 QMT 与云端 SaaS 量化投研平台聚宽（JoinQuant）进行客观技术对标。全文剔除营销导向表述，聚焦底层技术逻辑、功能边界、性能指标、适用技术场景，为量化研究员、策略开发者、实盘交易者提供中立的平台选型技术依据。两款产品分属本地实盘交易终端与云端投研回测平台两大赛道，技术路线、设计目标、性能侧重存在本质差异。QMT 属于重本地、重执行架构，计算与交易链路直连券商柜台。

迅投QMT自带策略-双均线实盘示例PY策略-解读

这个代码实现了一个基于双均线策略的量化交易系统，通过计算快慢均线的交叉点来判断买入和卖出的时机，并在满足条件时执行相应的交易操作。代码中还包含了委托管理、时间过滤、历史K线过滤等功能，以确保交易的准确性和安全性。

量化入门：qmt获取可转债基本信息和行情数据

迅投的券商版和基础版都不支持可转债行情，投研专业版才支持，一年大概5000元。注意这里的cookie，如果未登录只能获取到30条，目前正常应该是有500多支可转债。如果没开通投研专业版，也没关系，可以从集思录下载。需要安装akshare，并登录。今天将展示如何使用Python和QMT来获取可转债的实时数据和财务数据。虽然券商版本没开放可转债信息查询接口，但是行情数据仍然是开放的。f12后可以看到自己的cookie。

Ptrade量化策略解析[源码]

本文详细解析了一个基于Ptrade量化引擎的完整交易策略，主要围绕MACD指标（DIF、DEA）的金叉和死叉信号进行买卖决策。策略首先通过`get_index_stocks`函数选取沪深300成分股作为交易标的，然后使用`get_history`函数获取历史收盘价数据，并计算MACD值。买入信号为DIF和DEA均为正且MACD金叉，卖出信号为DIF和DEA均为负且MACD死叉。策略通过`order_target_value`和`order_target`函数执行买卖操作，并使用`log.info`记录交易详情。文章还简要介绍了数据获取、信号判断和下单交易的完整闭环流程，适合量化交易初学者学习参考。

kbt_:高性能，分钟等级回测系统，参照了N个开源回测系统源码，参照了某券商系统源码。

kbt_ 高性能，分钟等级回测系统，参照了N个开源回测系统源码，参照了某券商系统源码。模拟Ptrade分钟等级系统。 这个本地回测引擎经过近半年的打磨，撸了N个开源回测系统和某系统的代码。设计理念是时间向量回测，非事件驱动回测，所以为了验证股票策略回测是专用定制版高效利器，即使考虑复杂场景预计至少快5倍以上，正常估计应该是10倍以上。回测仿造Ptrade框架，所以原理上ptrade的策略不需要修改就可以直接运行（目前我自己的策略都是这样的，无缝兼容），实操中如果有回测尺寸的函数，可以自行编写仿ptrade函数就可以进行回测。 （在此叹息股票量化圈某些。。，无脑使用那些事件驱动，不兼容的期货交易所框架，连分红派息模块都有问题还传播那么久。。。。，那么多用户使用，却很少提出问题。】 代码个人思考沉淀，，，问题贼多。有问题欢迎喷我， 发现代码问题和有争议，欢迎质疑，我合理一一交流回答修正提高。

2025免费量化软件PTrade[源码]

本文详细介绍了2025年免费量化交易软件PTrade的功能、特点及开通方法。PTrade由恒生电子开发，基于Python语言，支持自动化交易、策略回测和风险控制等功能。其特点包括免费使用、自动化实盘交易、强大的回测功能、实时监控风险控制以及量化社区交流。开通方法简单，需选择支持量化软件的券商开户并下载安装PTrade软件。文章还总结了PTrade/QMT的优势，如工具丰富、终端快速专业、交易方案灵活等。最后强调使用量化交易前需充分了解软件功能、谨慎开发策略并注意风险控制。

QMT量化多因子策略[项目代码]

本文介绍了QMT量化实战系列中的多因子策略，该策略支持自定义筛选与排序，实测年化收益超过100%。策略通过Tushare获取数据并合成因子，包括市盈率、市净率、股息率等多个指标。筛选逻辑排除了ST股票、上市天数不足的股票以及特定板块的股票。排序逻辑支持多因子自定义排序，并为各因子分配独立权重。交易逻辑包括卖出和买入策略，卖出逻辑基于股票排名，买入逻辑则根据账户总资产均分资金。文章还提供了后续扩展方向，如月份择时和止盈止损。

小白量化《穿云箭集群量化》（9）用指标公式实现miniQMT全自动交易

我们直接点【生成miniQMT交易】按钮，生成miniQMT全自动交易策略源代码，源代码如下，用户只要修改程序路径和用户，就可以直接在穿云箭量化软件高级版面中进行实盘。上面给了出了使用指标公式实现miniQMT全自动交易，如果没有miniQMT，也可以生成easytrader自动交易策略。在穿云箭量化平台中，支持3中公式源码运行模式，还支持在Python策略中使用仿指标公式源码运行，编写策略。我们可以直接使用有买卖信号的专家系统公式，也可以自定义BUY和SELL信号，也支持B和S交易信号。

谈谈自己的可转债策略（包含策略代码）

谈谈自己的可转债策略

QMT之加仓strategy

故而在存在较多浮盈的情况下需要加仓以保持持仓比例，而在浮亏较多的情况下需要减仓以保持持仓比例。在确定趋势后按照总资金的百分比建立基础仓位（比如40%），在整个持仓过程中保持持仓比例不变。2、在震荡情况下，可能出现反复的加仓和平仓，相较一次性进场策略，亏损会大一些。3、在方向看错的情况下，因为亏损减仓，所以其损失向交易一次性进出场策略要小。1、在单边情况下因为有浮盈加仓，所以收益是比一次性进场策略要高。加仓策略只是一个执行工具，需要用其他方法判断出趋势行情。所以这个策略是盈利加仓，亏损减仓。

ds写的高频qmt策略

在实际应用中，建议先进行历史数据回测，确保策略的有效性。同时，可以根据回测结果对策略进行优化，例如调整动量计算周期、涨速阈值、止损止盈比例等。根据你提供的文档，我们可以使用 `xtquant` 库来重写之前的代码。- **风险控制**：高频交易风险较高，建议在实际交易前进行充分的回测和模拟交易。- **订单管理**：`order` 函数需要根据实际的交易API进行实现。- **数据下载**：在获取历史数据之前，确保已经下载了所需的数据。- **实时订阅**：如果需要实时数据，必须订阅相关标的。