从0开始：如何用miniQMT跑起最小的实盘策略

大家好，我是花姐～今天想和大家聊一个很实用的话题：怎么用 miniQMT 跑一个最小可用的实盘策略。

为什么说"最小"？因为很多同学刚入门量化，想要尝试实盘，但又担心成本太高、流程太复杂。其实没那么难，我们完全可以用 miniQMT + 一个极简策略 来跑起来，低成本、低门槛，验证下自己的想法。

今天这个策略超级简单，主要就是为了让大家搞明白量化的实盘流程。

策略为：查看是否持有某只股票，如果没有就直接开仓，开仓以后如果盈利5%以上就直接卖出，就这么简单。

为了让大家更直观地理解实盘运行的过程，我整理了一张流程图。

接下来是最小可用实盘策略源码分析：

初始化交易模块

首先是实盘策略的入口函数，这里需要配置上资金帐号和QMT软件userdata_mini文件夹的实际安装目录。

python 复制代码

if __name__ == '__main__':
    xtdata.enable_hello = False
    path = r'G:\QMT交易端\userdata_mini'
    accountID = '资金帐号'
    xt_trader,acc = init_account(path,accountID)
    
    
    if xt_trader is None or acc is None:
        print("初始化失败")
    else:
        print("="*20+"初始化成功"+"="*20)
        stock_list = ['510300.SH'] #要交易的标的
        main(stock_list=stock_list,xt_trader=xt_trader,acc=acc)

在init_account方法中对实盘模块进行初始化，返回XtQuantTrader和StockAccount2个对象，后期交易会用到。

初始化的时候我们会配置一个回调函数，它会在不同事件发生时触发，比如订单回报、成交回报、下单失败、撤单失败等。实盘操作中，我们可以基于这些回调做很多常规操作。

python 复制代码

 # 创建交易回调类对象，并声明接收回调
callback = MyXtQuantTraderCallback()
xt_trader.register_callback(callback)

1.连接管理

回调函数 ：on_disconnected 常规操作：

记录断线时间和状态，方便后续分析
尝试自动重连或触发告警（邮件/钉钉/微信）
在断线期间暂停策略下单，避免风险 💡 实盘中断线处理很重要，避免策略在异常情况下疯狂下单

python 复制代码

def on_disconnected(self):
    print(datetime.datetime.now(),'连接断开回调')
    # 自动重连
    self.trader.reconnect()
    # 发通知
    notify_user("交易连接断开，已尝试重连")

2.委托相关

回调函数：

on_stock_order（委托回报）
on_order_error（委托失败）
on_order_stock_async_response（异步委托回报）

常规操作：

更新本地订单状态（已报、已撤、报错等）
失败重试逻辑（如网络异常、风控失败等）
打印或记录委托日志，方便事后回溯
异步回报可以触发策略继续执行下一步操作

python 复制代码

def on_stock_order(self, order):
    print(datetime.datetime.now(), '委托回调', order.order_remark)
    # 更新本地订单状态
    local_order_manager.update(order)

def on_order_error(self, order_error):
    print(f"委托报错回调 {order_error.order_remark} {order_error.error_msg}")
    # 可以触发报警或重试逻辑

3. 成交相关

回调函数 ：on_stock_trade 常规操作：

更新本地持仓（持仓数量、成本价等）
更新资金账户信息（可用资金、冻结资金）
判断策略是否达到止盈止损条件
可以触发策略下一步动作（比如分批止盈或反向建仓）

python 复制代码

def on_stock_trade(self, trade):
    print(datetime.datetime.now(), '成交回调', trade.order_remark, f"方向 {trade.offset_flag} 价格 {trade.traded_price} 数量 {trade.traded_volume}")
    # 更新持仓
    portfolio.update(trade)
    # 判断是否触发止盈止损
    strategy.check_exit(trade)

4.撤单相关

回调函数：

on_cancel_error（撤单失败）
on_cancel_order_stock_async_response（异步撤单回报）

常规操作：

撤单失败记录日志，判断是否需要人工介入
异步撤单回报更新本地订单状态
在撤单失败时触发补救措施（如再次撤单或手动处理）

5. 账户状态

回调函数 ：on_account_status 常规操作：

定期更新本地账户状态（可用资金、持仓情况、保证金）
判断资金是否满足策略下单要求
触发资金或持仓告警

python 复制代码

def on_account_status(self, status):
    print(datetime.datetime.now(), sys._getframe().f_code.co_name)
    account_manager.update(status)
    if status.available_cash < strategy.min_cash_required:
        notify_user("可用资金不足，策略暂停下单")

下载历史行情

接下来我们需要预先下载历史行情数据 ，以便在策略运行过程中直接调用。比如我们要做一个双均线策略，就必须依赖历史K线来计算均线指标，因此盘前把所需的历史数据下载好是非常关键的。具体下载什么周期的数据，可以根据策略需求来决定：如果是基于分钟级别的策略，那就需要提前把分钟级别的历史数据落地保存，这样实盘时就能直接进行计算，避免因临时获取数据而影响策略执行效率。

python 复制代码

def down_data_before_open(stock_list,period='1d'):
    # 运行前下载历史数据 stock_list的数量不要超过500个
    print("开始下载历史行情数据")
    for stock in stock_list:
        xtdata.download_history_data(stock, period=period, incrementally=True)

订阅行情

历史行情下载完成后，我们就需要对当天的行情进行订阅。这里的逻辑和历史行情类似：如果需要日线，就订阅日线；如果需要分钟线，就订阅分钟线。订阅完成后，就可以通过 xtdata.get_market_data_ex 获取行情数据。值得注意的是，通过订阅获取的数据，会自动把历史行情和最新行情拼接在一起，方便我们直接使用。

python 复制代码

def subscribe_data(stock_list,period='1d'):
    # 订阅行情
    print(f"开始订阅 {period} 行情数据")
    for stock in stock_list:
        xtdata.subscribe_quote(stock,period=period)

有了数据，接下来就是策略的核心部分------策略逻辑的设计与实现了。这一步决定了你的策略能否真正发挥价值，是量化交易中最关键的一环。

策略核心逻辑

今天 Demo 里的策略非常简单，主要目的是帮助大家熟悉实盘操作的流程，了解从数据获取到策略执行的整体过程。

首先，我们定义一个死循环，每隔 100 秒执行一次（具体间隔可根据实际需求调整），在循环中定时检查账户状态、更新策略，并根据策略信号触发下单操作。

python 复制代码

while True:
        try:
            # 策略核心逻辑
        except Exception as e:
            print(f"运行出错了{e}")
        finally:
            time.sleep(100) #休眠100s

在这个最小实盘 Demo 中，我们首先需要判断当前是否是周末。理想情况下，如果交易接口能直接返回当天是否为交易日，那就更方便了。这里我们用 Python 的 weekday() 简单判断周末：

python 复制代码

weekday = now.weekday()
if weekday == 5 or weekday == 6:
    print("今天是周末不交易")
    continue

接下来是判断要交易的标的是否有持仓，没有持仓的情况下会返回None

python 复制代码

p = xt_trader.query_stock_position(acc,stock)
if p:
    # 有持仓 需要判断是否盈利大于5%
else:
    # 没有持仓，可以开始交易了

有持仓的话比较方便，我们通过

python 复制代码

tick_data = xtdata.get_market_data_ex(stock_list=[stock],period='tick',count=1)

获取股票最新价格，然后计算下收益率满足5%就调用order_stock卖出持有的股票即可

python 复制代码

xt_trader.order_stock(acc,stock,xtconstant.STOCK_SELL,
        p.can_use_volume,price_type=xtconstant.FIX_PRICE
        ,price=bidPrice1,
        strategy_name='hj_001',order_remark='test_001')

没有持仓会复杂一些

首先要检查当前是否存在未成交的委托单。如果还有未完成的订单，就不能重复下单。这是很多新手容易忽略的地方，一不小心就可能导致实盘重复下单的风险。

python 复制代码

orders = xt_trader.query_stock_orders(acc)
is_ordered=False #股票是否已经下单了但是还没有成交
for o in orders:
    stock_code = o.stock_code
    order_status = o.order_status
    # 委托状态是已撤、废单就继续下单
    if order_status in [54,57]:
        pass
    else:
        if stock == stock_code:
            is_ordered = True #已经下单了

接下来需要判断账户可用资金是否充足。如果现金不足，下单就会失败，这也是实盘操作中必须提前检查的环节。

python 复制代码

# 获取可用现金
asset = xt_trader.query_stock_asset(acc)
cash = asset.cash
print(f"可用现金:{cash}")

buycash = bidPrice1*1000

if buycash>cash:
    print("可用现金不足")
    continue
else:
    # 没有持仓，买入1000股
    # 以买1价格 限价买入1000股
    print(f"{stock} 买入 ,报价：{bidPrice1}, 买入数量{1000}")
    order_id = xt_trader.order_stock(acc,stock,xtconstant.STOCK_BUY,1000,price_type=xtconstant.FIX_PRICE,price=bidPrice1,
                            strategy_name='hj_001',order_remark='test_001')
    print(f"订单号为{order_id}")

至此，一个简单但完整的收盘 Demo 就完成了。整个流程就是这样，实际应用中可以根据策略需求，增加更多判断条件和操作逻辑。

完整代码在这里