今天我们介绍一下QMT入门教程，很多人接触量化软件不知道怎么样使用，今天我给一个详细的教程，从开通，安装，到环境的配置的一个全流程

实盘需要找自己的客户经理申请开通量化权限，不同的证券公司的门槛不一样，模拟盘的话可以直接找我就可以，实盘也可以找我开通

2安装使用点击下载链接，下载客户端，安流程一直安装就可以，安装完成就可以使用

3使用，点击图片，不要选择右下角的独立交易，进入界面就可以

4配置python环境，点击我的，模型研究也可以，点击右上角的python库下载

等待下载完成，重新启动qmt客户端就可以

5补充历史数据，在我们做回测研究中，有的时候需要历史数据的补充，包括行情数据，财务数据，需要自己手动下载一下

点击界面的操作按钮，下面有一个数据管理

选择自己需要的数据周期补充就可以

6建立策略，点击模型研究，我的都可以，点击界面上面的建立策略就可以开始做策略的研究，交易

支持vb，python策略建立一般利用python比较多

这个就是系统默认给的代码参考策略模板，建立策略就会自动生成


#encoding:gbk
'''
本策略事先设定好交易的股票篮子，然后根据指数的CCI指标来判断超买和超卖
当有超买和超卖发生时，交易事先设定好的股票篮子
'''
import pandas as pd
import numpy as np
import talib
def init(ContextInfo):
    #hs300成分股中sh和sz市场各自流通市值最大的前3只股票
    ContextInfo.trade_code_list=['6098.SH','857.SH','608.SH','033.SZ','015.SZ','02.SZ']
    ContextInfo.set_universe(ContextInfo.trade_code_list)
    ContextInfo.accID = '60000058'
    ContextInfo.buy = True
    ContextInfo.sell = False
    
def handlebar(ContextInfo):
    #计算当前主图的cci
    mkdict = ContextInfo.get_market_data(['high','low','close'],count=int(period)+1)
    highs = np.array(mkdict['high'])
    lows = np.array(mkdict['low'])
    closes = np.array(mkdict['close'])
    cci_list =  talib.CCI(highs,lows,closes,timeperiod=int(period))
    now_cci = cci_list[-1]
    ContextInfo.paint("CCI",now_cci,-1,0,'noaxis')
    
    #交易策略
    if len(cci_list)<2:
        return
    
    #买入条件：指数CCI进入超卖区间时触发买入信号，过滤连续超卖导致的买入信号
    buy_condition = cci_list[-2]<buy_value<=now_cci and ContextInfo.buy
    #卖出条件：指数CCI进入超买区间时触发卖出信号，过滤连续超买导致的卖出信号
    sell_condition = cci_list[-2]>sell_value>=now_cci and ContextInfo.sell
    
    if buy_condition:
        ContextInfo.buy = False
        ContextInfo.sell = True
        #列表中股票分别下单买入10手
        for stockcode in ContextInfo.trade_code_list:
            order_lots(stockcode,10,ContextInfo,ContextInfo.accID)
    elif sell_condition:
        ContextInfo.buy = True
        ContextInfo.sell = False
        #列表中股票分别下单卖出10手
        for stockcode in ContextInfo.trade_code_list:
            order_lots(stockcode,-10,ContextInfo,ContextInfo.accID)
            
    #可买或可卖状态
    ContextInfo.draw_text(bool(buy_condition),float(now_cci),'buy') #绘制买点
    ContextInfo.draw_text(bool(sell_condition),float(now_cci),'sell') #绘制卖点
    ContextInfo.paint('can_buy',ContextInfo.buy,-1,0,'nodraw')
    ContextInfo.paint('can_sell',ContextInfo.sell,-1,0,'nodraw')

后面更新更多内容，不懂的问我就可以

量化教程 | QMT入门全攻略：从安装到实盘一次讲透

投资顾问

编程语言

开发工具

QMT量化交易入门全教程：从开通实盘权限、安装客户端到配置Python环境，覆盖模拟盘使用、历史数据补充及策略编写。详解CCI指标策略代码示例，助您快速上手量化投资，高效实现自动交易。

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

量化教程 | QMT入门全攻略：从安装到实盘一次讲透

量化教程 | QMT入门全攻略：从安装到实盘一次讲透

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐