迅投QMT门槛
迅投QMT量化交易系统是一款基于python语言开发的量化交易平台，它提供了丰富的量化交易功能，包括策略开发、回测、实盘交易等。
迅投QMT量化交易系统的门槛相对较低，只需要具备一定的编程基础，资金门槛很低，就可以开始使用。
其实迅投QMT还是比较适合入门级和中级个人投资者的，如果是那种特别专业的个人投资者或者机构的投资者，不一定会选择迅投QMT，还有其他的量化交易平台，比如大家经常能在龙虎榜上面看到的华鑫某某某，当然华鑫的门槛会更高，对资金和对技术能力都会有更高的门槛。
首先就是开通一个券商，他们要能支持QMT的接入，然后开通QMT的账号，就可以开始使用了。有一些券商基本没什么开户门槛，可以开通QMT，如果有需要，可以私信我，与我联系，可以与我的客户经理联系，其实也就只是帮个忙，不是全职干这个的哈。
python版本
QMT使用的语言是python，版本为3.6。如果完全不懂python的话，要么赶紧学习，要么这个帖子就是一个劝退帖。
QMT自带python库
QMT里面内置了一些常用的python库，包括：
- numpy, pandas, patsy, scipy, statsmodels, TA_Lib 其中多种指标如 ADX, MACD, RSI, 布林轨道等；K 线形态识别，如黄昏之星，锤形线等等可以使用TA_Lib库。
QMT自带策略
QMT里面自带了一些策略，包括：
- 均线策略
- 日内交易策略
- 国债逆回购策略 等等，当然这些仅供参考，基本上大家都要自己编写自己的策略。
QMT的安装
安装包要从你的券商那里下载，安装很简单，就普通安装一个软件有一样。
QMT的登陆
需要从自己的券商那里获取，有一个用户名和一个密码，然后登陆即可。一般在开通QMT交易权限的时候，券商会告诉你用户名和密码。
QMT的运行环境
需要一台Windows电脑，也可以使用云服务器，电脑的性能取决于你自己的策略，如果策略的数量不多，且策略并不复杂，其实普通的电脑都没有问题。对于新手来说，完全可以使用一台现有的电脑开始使用，如果后面上了复杂的策略，慢慢的再增加性能更好的电脑硬件。我自己的策略比较简单，我把我的电脑的一些硬件，比如USB接口只开启了一个，声卡什么用不到的硬件都关闭了，只保留了必须的硬件，这样可以保证电脑的性能，也可以保证电脑的稳定性，同时电耗也会比较低，目前我的电耗每天不到0.5度。
QMT的运行，很多时候，我们并不是一直盯着的，会需要在电脑上/云服务器上面安装一个远程协助软件，这样可以随时远程连接到QMT，然后进行一些操作。
一些Bug与解决方案
QMT量化交易系统中的 账号成交状态变化主推 deal_callback() ， 当账号成交状态有变化时，这个函数被客户端调用。
在使用的过程中发现，deal_callback() 函数在会被调用多次，后来咨询国金证券QMT的工作人员后，才发现，会在至少如下两种情况下调用：
- 当账号成交状态有变化时，会调用 deal_callback() 函数。
- 当网络出现中断之后，QMT系统与服务器重新连接的时候，会调用 deal_callback() 函数, 并且把当日的所有成交全部都推送一遍。
因此务必不可以相信 deal_callback() 函数的推送数据，因为 deal_callback() 函数的推送数据可能是重复推送的。为了解决这个问题，我们需要自己建立数据库，去记录每一次下单，下单的成交状态。后续所有的下单，都要基于自己的数据库数据，不可相信QMT的推送数据。
如下摘取自迅投QMT的官方文档：
下单与回报相关
为保证以尽快的速度执行交易信号, qmt 客户端提供的交易接口是异步的, 以快速交易参数填2的passorder函数为例，调用后会立刻发出委托, 然后返回。不会等待委托回报, 也不会阻塞 python线程的运行。
委托/成交/持仓/账号信息的更新, 是在客户端后台进行的, python策略中无法手动控制。python提供的取账号信息接口 get_trade_detail_data， 与四种交易回调函数, 都是从客户端本地缓存中读取数据 / 触发调用，不是调用时查询柜台再返回。客户端本地缓存状态定期接收柜台推送刷新，有交易主推的柜台50ms一次，没有交易主推的柜台1-6秒一次。 不能认为get_trade_detail_data查到的状态是与柜台完全一致的, 比如卖出委托后立刻查询, 不会查到对应委托, 可用资金也不会变多。
实盘策略需要设计盘中保存/更新委托状态的机制。常见的做法是用全局变量字典保存委托状态, 给每一笔委托独立的投资备注作为字典的key，委托状态作为字典的value, 下单后默认设置为待报, 之后查到委托后更新状态。如果某品种股票存在待报状态委托, 暂停该品种后续报单, 防止发生超单的情况。(实现可以参考实盘示例7-调整至目标持仓Demo)
QMT 所有策略是在同一个线程中被调用的，任意一个策略阻塞线程(死循环 sleep 加锁等操作)会导致所有策略的执行被阻塞，所以不能在策略里写等待操作。如需要多线程 / 多进程的用法，可以使用极简模式配合 xtquant 库使用
deal_callback()没有被调用 deal_callback() 函数没有被调用，或者定义了deal_callback() 函数，收不到推送数据，可能是因为没有在初始化的时候，设置set_account()函数。要先在init里调用ContextInfo.set_account后生效 另外，推送仅在实盘运行模式下生效。
def init(ContextInfo):
# 设置对应的资金账号
# 示例需要在策略交易界面运行
ContextInfo.set_account(account)
关于线程和进程
QMT中，python无法使用多线程和多进程，而且所有策略都在同一线程中执行，所以策略中应该尽量避免阻塞类的写法，否则会影响其他策略的执行。
其他文章
其他相关文章，可以关注CSDN专栏（看本博客的最顶端），点进去专栏，可以看到所有与QMT量化交易相关的文章。感谢关注。
本文更新于2025年2月11日，关注本博客，csdn专栏（看本博客文章最顶端）或者WTSolutions的知乎，获取最新的更新提醒。