QMT极速策略交易系统——策略函数交易完全教程

本教程从零开始，以“每日定时自动委托国债逆回购”为切入点，带你逐步掌握QMT中策略函数交易的核心技能。

一、开启策略函数交易——从定时国债逆回购开始

1.1 为什么从国债逆回购开始？

国债逆回购是策略函数交易的最佳入门案例，原因有2：

• 逻辑简单：就是每天收盘前把闲置资金以“卖出”方式借出
• 实用性强：每天自动操作，不用再手动惦记

1.2 在QMT中创建Python策略

第一步：进入模型研究界面

打开QMT客户端，点击顶部菜单栏的“模型研究”，进入策略编写环境。

第二步：新建Python策略

点击“新建模型”按钮，在弹出的选项中选择“Python模型”。系统会打开「模型编辑器」，这是QMT专门为策略开发者设计的集成开发环境。

第三步：编写定时逆回购策略代码

在模型编辑器中输入以下完整代码：

# -*- coding: UTF-8 -*-
import time
from datetime import datetime

def init(ContextInfo):
    """初始化函数——策略启动时执行一次"""
    # 设置你的资金账号（替换为实际账号）
    ContextInfo.account = '你的资金账号'
    # 设置逆回购品种（以204001为例，1天期沪市逆回购）
    ContextInfo.repo_code = '204001.SH'
    # 设置每日执行时间（下午14:50）
    ContextInfo.run_time = '14:50'
    # 设置最低参与金额（逆回购门槛1000元）
    ContextInfo.min_amount = 1000
    # 设置预留资金（保留部分资金备用，如新股缴款）
    ContextInfo.reserve_amount = 0
    
    # 注册定时任务
    ContextInfo.run_time("daily_repo", "1d", ContextInfo.run_time)

def daily_repo(ContextInfo):
    """定时执行逆回购的函数"""
    # 1. 获取当前时间，判断是否在工作日交易时段
    now = datetime.now()
    if now.weekday() >= 5:  # 周六(5)、周日(6)不执行
        return
    
    # 2. 获取账户可用资金
    account_info = ContextInfo.get_account_info()
    available = account_info.get('可用金额', 0)
    
    # 3. 判断资金是否满足条件
    if available <= ContextInfo.reserve_amount + ContextInfo.min_amount:
        print(f"可用资金{available}不足，跳过逆回购")
        return
    
    # 4. 计算实际下单金额（取整到1000的整数倍）
    trade_amount = int((available - ContextInfo.reserve_amount) // 1000 * 1000)
    if trade_amount <= 0:
        return
    
    # 5. 获取实时行情，判断收益率是否达到阈值（可选）
    # 获取当前逆回购的实时价格（即年化收益率）
    tick = ContextInfo.get_full_tick([ContextInfo.repo_code])
    if ContextInfo.repo_code in tick:
        current_rate = tick[ContextInfo.repo_code]['lastPrice']
        # 如果收益率低于2%，暂不操作（可根据需要调整）
        if current_rate < 2.0:
            print(f"当前收益率{current_rate}%低于阈值2%，暂不操作")
            return
    
    # 6. 执行逆回购卖出（核心下单操作）
    # 逆回购是“卖出”操作，下单类型为24（股票卖出）
    # 数量单位为“张”，1000元=10张
    volume = trade_amount // 1000 * 10
    
    result = passorder(
        24,                      # opType: 24=卖出
        1101,                    # orderType: 下单方式
        ContextInfo.account,     # accountid: 资金账号
        ContextInfo.repo_code,   # orderCode: 证券代码
        5,                       # prType: 5=最新价
        -1,                      # price: -1表示按prType取价
        volume,                  # volume: 数量
        '逆回购',                # strategyName: 策略名称
        2,                       # quickTrade: 2=立即下单
        '',                      # userOrderId: 用户自定义ID
        ContextInfo              # ContextInfo对象
    )
    
    if result == 0:
        print(f"逆回购下单成功：{trade_amount}元，收益率{current_rate}%")
    else:
        print(f"逆回购下单失败，错误码：{result}")

def handlebar(ContextInfo):
    """行情驱动函数——每根K线或每个tick触发"""
    # 本策略采用定时驱动，handlebar中无需额外逻辑
    pass

1.3 策略参数说明

1.4 在QMT中运行策略

第一步：设置基本信息

在模型编辑器中，填写策略名称（如“定时逆回购”）、选择默认周期（日线）、默认品种（任意）。

第二步：编译策略

点击“编译”按钮，检查代码是否有语法错误。编译成功后系统会自动保存。

第三步：添加到模型交易

编译成功后，点击“转到实盘交易”按钮，或切换到“模型交易”界面，点击“新建模拟交易”，选择刚才创建的策略。

第四步：选择运行模式

• 模拟盘：不产生真实交易，仅测试逻辑
• 实盘：产生真实交易信号，发送至柜台

第五步：启动策略

点击“启动”按钮，策略即开始运行。到设定时间（如14:50），策略会自动检查资金并执行逆回购。

二、QMT策略开发基础框架

2.1 策略的三种运行机制

QMT中Python策略有三种运行方式：

2.2 策略的标准代码结构

def init(ContextInfo):
    """
    初始化函数——策略启动时执行一次
    用途：设置参数、注册定时任务、订阅行情
    """
    # 设置交易参数
    ContextInfo.account = '资金账号'
    # 注册定时任务
    ContextInfo.run_time("函数名", "周期", "执行时间")
    # 订阅行情
    ContextInfo.subscribe_quote(['股票代码'])

def handlebar(ContextInfo):
    """
    行情驱动函数——每根K线或每个tick触发
    用途：执行交易逻辑、条件判断
    """
    # 获取行情数据
    # 执行条件判断
    # 调用下单函数

def 自定义定时函数(ContextInfo):
    """
    定时任务函数——在设定时间触发
    用途：定时执行的操作
    """
    # 执行定时任务

2.3 关键概念说明

• init() ：整个策略生命周期只执行一次，适合做初始化设置
• handlebar() ：每收到一个行情数据就会调用一次，是策略的核心执行入口
• ContextInfo：贯穿整个策略的上下文对象，用于存储状态和调用API

三、核心交易函数——passorder详解

passorder是QMT中最核心的综合下单函数，支持股票、期货、期权、ETF申赎、融资融券等所有交易品种。

3.1 函数完整语法

passorder(opType, orderType, accountid, orderCode, prType, price, volume, 
          strategyName, quickTrade, userOrderId, ContextInfo)

3.2 参数详解

参数1：opType（操作类型）

参数2：orderType（下单方式）

常用值 1101，代表单股、单账号、普通、股/手方式下单。

参数3：accountid（资金账号）

填写你的交易资金账号，字符串格式。

参数4：orderCode（证券代码）

格式为“代码.市场”，如 '600000.SH'、'000001.SZ'。

参数5：prType（报价类型）

参数6：price（委托价格）

• 当prType=3或11时，填写具体价格
• 当prType=5时，填-1表示取最新价
• 对于市价单，通常填0

参数7：volume（委托数量）

• 股票：单位为“股”，100股整数倍
• 逆回购：单位为“张”，10张=1000元
• 期货：单位为“手”
• 期权：单位为“张”

参数8：strategyName（策略名称）

自定义策略名称，用于标识不同策略的下单来源，可选参数。

参数9：quickTrade（快速交易模式）

重点：如果希望策略触发后立刻发出委托，务必设置quickTrade=2。

参数10：userOrderId（用户自定义委托ID）

用于外部系统追踪订单，可选参数。

参数11：ContextInfo

策略上下文对象，必填。

3.3 passorder使用示例

示例1：以最新价买入100股

passorder(23, 1101, '6000000201', '600000.SH', 5, -1, 100, 
          '测试买入', 2, '', ContextInfo)

示例2：指定价卖出

passorder(24, 1101, account, '000001.SZ', 3, 10.50, 1000,
          '指定价卖出', 2, '', ContextInfo)

示例3：逆回购卖出（10万元）

passorder(24, 1101, account, '204001.SH', 5, -1, 1000,
          '逆回购', 2, '', ContextInfo)

四、行情数据获取函数

4.1 get_market_data——获取历史行情数据

语法：

ContextInfo.get_market_data(fields, stock_code, period, start_time, end_time, 
                            count, skip_paused, dividend_type)

参数说明：

示例：

# 获取最近100根日K线的收盘价
df = ContextInfo.get_market_data(
    ['close'], 
    ['600000.SH'], 
    '1d', 
    count=100
)

4.2 get_full_tick——获取实时行情（全推数据）

语法：

ContextInfo.get_full_tick(stock_list)

示例：

# 获取多只股票的实时行情
tick_data = ContextInfo.get_full_tick(['600000.SH', '000001.SZ'])
for code, data in tick_data.items():
    print(f"{code}: 最新价={data['lastPrice']}, 涨跌幅={data['pctChg']}")

返回数据包含：lastPrice（最新价）、open（开盘价）、high（最高价）、low（最低价）、volume（成交量）、amount（成交额）、pctChg（涨跌幅）等。

4.3 subscribe_quote——订阅行情数据

用于持续接收特定股票的实时行情推送。

示例：

# 在init中订阅
ContextInfo.subscribe_quote(['600000.SH', '000001.SZ'])

# 在handlebar中获取订阅的数据
data = ContextInfo.get_subscribe_quote(['600000.SH'])

五、查询函数

5.1 账户资金查询

# 获取账户信息
account_info = ContextInfo.get_account_info()
# 返回：可用金额、总资产、市值、冻结金额等
available = account_info.get('可用金额', 0)

5.2 持仓查询

# 获取当前持仓
positions = ContextInfo.get_positions()
for pos in positions:
    print(f"{pos['证券代码']}: {pos['可用数量']}股, 成本价{pos['成本价']}")

5.3 委托查询

# 获取当日委托
orders = ContextInfo.get_orders()
for order in orders:
    print(f"委托{order['合同编号']}: {order['证券代码']}, "
          f"状态{order['委托状态']}, 已成交{order['成交数量']}")

5.4 成交查询

# 获取当日成交
deals = ContextInfo.get_deals()
for deal in deals:
    print(f"成交{deal['成交编号']}: {deal['证券代码']}, "
          f"价格{deal['成交价格']}, 数量{deal['成交数量']}")

六、撤单函数

6.1 按合同编号撤单

# 撤销指定委托
ContextInfo.cancel_order('合同编号', '市场代码')

6.2 批量撤单

# 撤销所有未成交委托
orders = ContextInfo.get_orders()
for order in orders:
    if order['委托状态'] == '已报' or order['委托状态'] == '部成':
        ContextInfo.cancel_order(order['合同编号'], order['交易市场'])

七、函数参数字典速查

7.1 opType（操作类型）速查

7.2 prType（报价类型）速查

7.3 quickTrade（快速交易）速查

八、完整策略模板

以下是一个完整的策略模板，涵盖初始化、行情获取、条件判断和下单：

# -*- coding: UTF-8 -*-

def init(ContextInfo):
    """初始化"""
    # 设置账号
    ContextInfo.account = '你的资金账号'
    # 设置股票池
    ContextInfo.stocks = ['600000.SH', '000001.SZ']
    # 设置参数
    ContextInfo.ma_short = 5
    ContextInfo.ma_long = 20
    # 订阅行情
    ContextInfo.subscribe_quote(ContextInfo.stocks)

def handlebar(ContextInfo):
    """主逻辑"""
    # 只在最后一根K线执行（避免重复触发）
    if not ContextInfo.is_last_bar():
        return
    
    # 获取行情
    for stock in ContextInfo.stocks:
        # 获取历史数据计算均线
        df = ContextInfo.get_market_data(
            ['close'], [stock], '1d', count=ContextInfo.ma_long + 1
        )
        if df is None or len(df) < ContextInfo.ma_long:
            continue
        
        closes = df['close'].values
        ma_short = sum(closes[-ContextInfo.ma_short:]) / ContextInfo.ma_short
        ma_long = sum(closes[-ContextInfo.ma_long:]) / ContextInfo.ma_long
        
        # 判断买卖信号
        if ma_short > ma_long and not ContextInfo.has_position(stock):
            # 金叉买入
            passorder(23, 1101, ContextInfo.account, stock, 5, -1, 100,
                     '均线金叉买入', 2, '', ContextInfo)
        elif ma_short < ma_long and ContextInfo.has_position(stock):
            # 死叉卖出
            pos = ContextInfo.get_position(stock)
            if pos and pos['可用数量'] > 0:
                passorder(24, 1101, ContextInfo.account, stock, 5, -1, 
                         pos['可用数量'], '均线死叉卖出', 2, '', ContextInfo)

九、常见问题与注意事项

9.1 策略运行前提

1. 下载Python库：首次使用需在“模型研究”界面点击下载Python库
2. 添加资金账号：需在管理端将账号加入白名单
3. 数据准备：回测前建议先补充历史数据

9.2 常见错误

9.3 重要提醒

• 模拟盘先行：正式实盘前，务必在模拟盘充分测试
• 注意风险：量化交易存在风险，策略需谨慎设计
• 监控运行：策略启动后应定期检查运行状态和日志输出