学习QMT股票量化系统，从回测到模拟交易

很多人对量化不太了解，甚至有些误解，一提到量化，想到的就是高频交易。其实量化就是用数据来说话，当我们想到了一种交易方法，能否盈利呢？我们可以先用代码把它编写成策略，然后用历史行情数据来进行检验，计算它的胜率、年化收益等，如果满意它的收益，我们再用这个方法来投入实战，如果不经过检验就直接投入实战，万一亏损了，就造成了我们真金白银的损失。高频交易只是量化的一种，量化可以高频，也可以低频。

好了，制度上的事，自有人会操心，我们只谈技术。

当我们在回测中取到满意的效果后，是不是一定能在实战也能取得好的收益呢？不一定的。因为回测我们用的是历史数据，可行情每天都在发展变化，每天都有新的事情发生，有句名言说：“每天的太阳都是新的。”所以，慎重起见，我们回测过后，有必要再进行一段时间的模拟交易，回测效果好，模拟效果也好，我们再投入实战。

另外，模拟交易，还可以检验一下代码有无问题，能否按设想下单，能否成交等等问题。

一、软件版本的选择

要进行模拟交易，我们有两个选择，一个是迅投官方试用版软件，因为是试用版，我们在策略运行时，选实盘模式，依然还是模拟交易。没有跟自己真实交易账户绑定，自然不会是真实交易，但据说目前试用期只有两个星期。

第二个选择是券商的QMT模拟交易软件，模拟交易无时间限制。在此软件上运行策略，依然要选择实盘模式，虽是实盘模式，但账号资金都是模拟的，赚钱也都只是“纸上富贵”。

为什么要运行在实盘模式而不是模拟模式呢？因为在模拟模式下，它只发出买卖信号，不下单交易。

只有运行在实盘模式下，买卖信号发生后，才会下单，成交。

QMT交易端模拟跟真正的实盘交易端，操作上没太大区别。

二、修改代码

首先我们要新建一个类。

classa():passA=a()encoding:gbk'''四周法则策略，股价大于前4日最高价，全仓买入，小于前4日最低价，全仓卖出注意：本策仅用于python量化学习，不用于真实交易'''importpandasaspdimportnumpyasnpclassa():passA=a()设置股票代码和账户=+'.'+='youraccID'_type="stock"_list=[]设置周期_period=4defhandlebar(C):跳过历史k线_last_bar():returnbar_date=timetag_to_datetime(_bar_timetag(),'%Y%m%d%H%M%S')计算四日最大值LOW_4=(low).rolling(window=_period).min()获取账户信息account_info=get_trade_detail_data(,_type,'account')ifnotaccount_info:print("无法获取账户信息")returnaccount_info=account_info[0]available_cash=int(account__dAvailable)全仓买入逻辑ifholding_vol==0andclose[-1]HIGH_4[-2]:print("此时超过了最高价！")下单买入passorder(23,1101,,,5,-1,buy_volume,1,C)print(f"{bar_date}开仓")print("holding_vol=",holding_vol)_text(1,1,'买')获取持仓信息position_info=get_trade_detail_data(,'stock','position')ifnotposition_info:print("无法获取持仓信息")return可用资金print("可用资金为：",available_cash)

三、模拟交易

2、然后选择模拟交易账号，在运行周期中，我们选择了5分钟，主要是为了更快速地看到下单及成交效果，并非为了更好地盈利。这个运行周期要跟策略编辑页的运行周期一致。

3、选择"实盘"模式，再点“操作”下小三角按钮运行。

策略开始模拟运行，耐心等待交易信号的发生。

（先喝杯咖啡，然后站起来伸伸腰，看看窗外，嗯，这个世界是多么美好！）

…………

交易信号终于出现了！

下单了，成交了，自动交易功能实现了。至于效益如何，那就需要更长的一段时间来验证了。

总结：今天最容易让人搞糊涂的是，说的是模拟，操作时又选择实盘模式，到底是模拟还是实盘啊？

是模拟，客户端是模拟端，账号是模拟账号，资金也是模拟资金，操作上选实盘模式，是因为模拟模式只提示买卖信号，不下单，实盘模式下会下单成交，但依然是模拟交易。

​