量化交易的库

hdf5：兼容pandas的dataframe合适量化的存储格式。

通用库

vnpy
PyAlgoTrade
Backtrader
Zipline
TA-Lib
backtrader_copilot: https://github.com/LukasWesemann/backtrader_copilot

https://github.com/jrothschild33/learn_backtrader
https://zhuanlan.zhihu.com/p/95990069

加密货币

https://github.com/Dave-Vallance/bt-ccxt-store
https://github.com/ccxt/ccxt
https://www.freqtrade.io/en/stable/
https://zhuanlan.zhihu.com/p/374012763

对于第一次接触量化交易的朋友来说，经常会问到的几个问题，比如，QMT和iQuant，miniQMT有什么区别。

首先，QMT和iQuant都是由迅投开发的。miniQMT是在QMT子模块下运行的一个极简模式。

接下来将详细的讲讲。

QMT vs iQuant
一般券商采购了迅投的QMT软件后，接入行情数据服务器和交易服务器，管理 自家的用户的资金账户，就可以让它成为可以实盘的的量化交易软件。（这里为了通俗易懂，简化了很多细节，实际要复杂一些）

QMT里面行情和交易服务器连接设置

而iQuant是由国信证券定制开发的，算是QMT的套壳。iQuant它的大部分功能和其他券商的QMT的功能基本一样。但也有不同的地方：

iQuant移除了VBA模型
下图是国金QMT主界面，在新建策略下面，会看到有VBA模型和python模型

国金QMT

而在国信的iQuant的策略开发模式下，只支持python模型，VBA编写模型的功能被移除了。

国信QMT

对于VBA而言，算是一门古老的语言了，至少在互联网领域，已经没见过有几个人在用的了。

不过我查询了一下它在QMT里面的实盘交易代码，其实它还是挺适合熟悉通达信公式的朋友使用，很多语法是从通达信的公式演变而来的。有些指标直接可以拿去用的了。截取其中一个例子如下：

QMT vb编写交易代码

iQuant支持投资研究模块，可使用jupyter notebook逐行运行，便于调试。

而其他的券商QMT均没有这个功能。不过这个功能我试了下，它只调用我windows系统的jupyter notebook，且它有严重的bug，居然运行不了任何代码？！。（ptrade也有个类似这样的功能，可以逐行调用内置的获取行情的函数，ptrade的是可以正常运行的）

iQuant投资研究功能

少数券商的QMT无法在虚拟机运行
大部分券商的QMT可以在虚拟机里面运行，这意味可以在云主机服务器上运行，比如阿里云，腾讯云，在云服务器上网络和系统稳定性都有保证，比你在家里放台电脑要稳定，至少不会被家里的小孩倒腾拔了网线。

但也有少数券商的QMT无法在虚拟机里面运行。比如下图这个QMT登录提示

提示虚拟机运行

之前笔者粗略地对比了下不同券商QMT读取的系统信息，异同点在于磁盘序列号，如果想要硬刚的读者朋友可以尝试修改虚拟机（vmware）的硬盘序列号。

磁盘序列号为空

其他：

在python编写策略的代码层面，QMT和iQuant的接口文档也基本一致的，可能在一些功能函数上会有些少出入。二者写的python代码可互相在彼此上运行,区别不大。

QMT 与 miniQMT
miniQMT属于QMT的一个子功能，一个精简功能的自动交易框架，默认安装了QMT之后就可以使用miniQMT，只支持实盘交易，不支持回测。

在miniQMT模式下，你的策略代码将不再禁锢自带的QMT软件下的内置编辑器编写，而是可以自由地选择pycharm,vscode等编辑器，运行的时候直接使用 python xxxx.py 这样的形式启动。且有多个python版本可选。

只是券商很少对它进行宣传，以致于用它的人并不多。

进入miniQMT的方法：双击QMT程序，登录时勾选极简模式

进入极简模式

注意：极简模式下，需要一直保持这个miniQMT的程序在运行，这意味者miniQMT也只能在windows系统下运行，因为启动的程序只有exe格式的可执行文件。

XtQuant
而miniQMT的核心是XtQuant，XtQuant又是什么呢？

XtQuant是基于迅投MiniQMT衍生出来的一套完善的Python策略运行框架，对外以Python库的形式提供策略交易所需要的行情和交易相关的API接口。

XtQuant运行依赖环境
XtQuant目前提供的库包括Python3.6、3.7、3.8版本，不同版本的python导入时会自动切换。根据群友最新反馈，最新的版本的QMT可以支持到python3.11。

在运行使用XtQuant的程序前需要先启动MiniQMT客户端。

然后把你的QMT目录下的\bin.x64\Lib\site-packages\xtquant复制到你系统python目录下的site-packages。

xtquant

然后就可以在你的代码里面导入miniQMT的函数，包括获取行情数据函数，下单函数。

xtquant包含两个主要模块，xttrade和xtdata，一个负责控制交易流程，一个负责数据行情获取同步。

简单的python示例如下：

python代码

下面的是入口函数。

python代码

它的帮助文档藏在bin.x64\Lib\site-packages\xtquant\doc 目录下。

从它的帮助文档来看，它是一套和QMT接口函数完全不一样的交易框架。

xtquant接口文档

所以QMT的代码，无法直接拷贝到miniQMT中使用。虽然名字叫miniQMT，但感觉它提供的很多函数功能，要比QMT更为丰富，用户可以掌控的流程更多，更灵活。

iQuant版虽然也有精简版的miniQMT，但它对个人用户不提供下单功能呢，只对机构开放，所以个人只有获取行情数据，财务数据等的数据权限。

另外还有一个与之配套的xtdata库，是专门用来获取行情数据的，而上面的xttrade是专门用来交易下单的。

xtdata文档

因为xtdata可以获取很多股票，可转债，ETF等等历史数据，所以即使你不用miniQMT做交易，你也可以白嫖它的数据，这比用积分的tushare简直不要太爽。比如可以获取到股票或可转债的日线，分钟线，甚至tick数据。

比如下面的代码可获取 众信转债 的某个时间的历史tick数据，并保存到文件。(只要稍微改造下，就可以获取全市场的转债的tick数据。)

import pandas as pd
import datetime

def get_tick(code, start_time, end_time, period='tick'):
from xtquant import xtdata

xtdata.download_history_data(code, period=period, start_time=start_time, end_time=end_time)
data = xtdata.get_local_data(field_list=[], stock_code=[code], period=period, count=10)
result_list = data[code]
df = pd.DataFrame(result_list)

df['time_str'] = df['time'].apply(lambda x: datetime.datetime.fromtimestamp(x / 1000.0))
return df

def process_timestamp(df, filename):
df = df.set_index('time_str')
result = df.resample('3S').first().ffill()
# result = result[(result.index >= '2022-07-20 09:30') & (result.index <= '2022-07-20 15:00')]
result = result.reset_index()
result.to_csv(filename + '.csv')

def dump_single_code_tick():
# 导出单个转债的tick数据
code='128022'
start_date = '20210113'
end_date = '20210130'

post_fix = 'SZ' if code.startswith('12') else 'SH'
code = '{}.{}'.format(code,post_fix)
filename = '{}'.format(code)
df = get_tick(code, start_date, end_date)

dump_single_code_tick()

把上面保存为main.py, 然后执行python main.py , 片刻就可以看到生成的文件数据了

https://zhuanlan.zhihu.com/p/628512551

界面

以国金版为例，其登录界面如下，不同券商登录界面略有区别（不一定有极简模式）

进入软件以后的界面如下，主要分为行情、交易、模型研究、模型交易几个模块，各个券商的QMT界面大同小异。

二、为什么使用QMT

以前，自动化交易一直是散户的痛，大部分的自动化接口，都只针对机构，散户可以使用的方法很少，虽然有类似easyTrader的开源库解决过类似的问题，但是通过模拟按键的方式，我也尝试改造过，但不是很稳定。

而QMT，是直接调用券商接口，这就打通了量化交易最后这一环，暴露python API，可以用程序直接调用，这就很大程度上提升了自动化交易的稳定性，可编程性也很高。

三、QMT vs miniQMT（极简模式）

miniQMT是QMT的极简模式，这个模式一些券商有，一些券商没有。如何分辨有没有，就是看登录界面上有没有极简模式这个选项，当客户端以极简模式启动时，界面如下：

miniQMT与QMT最大的不同就是：

QMT模式需要将程序写在QMT客户端软件里运行；

而miniQMT模式，直接可以使用xtquant这个python包，在软件之外，写python程序与QMT客户端连接，进行程序化下单。聪明的朋友们应该看懂了，这样QMT客户端就完全变成一个交易终端了，我们的量化程序，完全可以独立于QMT运行，只要保证极简客户端运行着就好了。这就很大的释放了变成能力。

三、代码实战

多说无益，上代码，这里以miniQMT（极简模式）进行演示

下载xtquant

首先我们需要下载xtquant这个python包，我推荐从迅投官网下载，下面是下载链接

xtquant下载：http://docs.thinktrader.net/vip/pages/633b48/

下载最新版本即可，下载之后，将这个包放在你自己的python项目里，保证使用import可以引到。

官网的例子还是相对复杂，这里还是从最简单的示例开始，抽丝剥茧

创建交易对象

创建xt_trader对象需要两个参数：

path：路径，就是安装QMT软件的文件下下的/userdata_mini文件夹。

session_id: 回话id，当创建多个xt_trader对象时，需要不同，这里我们用6位随机数字生成。

连接QMT客户端

执行xt_trader.connect()，需要保证已登录QMT极简模式并保持客户端运行状态，即可连接成功。非极简模式进入客户端，是连接不成功了，亲测。

订阅账户

这一步是用来订阅资金账户的，xxxxx替换成你正在登录的资金账户号，订阅成功subscribe_result会是0，不成功是-1

下单

xtconstant.STOCK_BUY表单下单类型是买入，xtconstant.FIX_PRICE代表报价类型是限价，执行成功后，在miniQMT终端里，就直接可以看到委托记录，这就可以确认，我们的委托成功了。方法会返回订单变化，即下图中的订单编号。

撤单

四、如何开通

目前，QMT需要找券商公司开通，具体开通方法及要求，可以参看《QMT开通规则分享》

五、总结

本文介绍了QMT的基本概念和使用方法，并用miniQMT模式进行了实战，感觉相当好用，程序化交易不再是瓶颈了。后面会持续使用分享用法。