[QMT量化交易小白入门]-四十二、五年年化收益率26%，当日未成交的下单，取消后重新委托

最新推荐文章于 2025-07-27 20:48:41 发布
最新推荐文章于 2025-07-27 20:48:41 发布
阅读量320 收藏
点赞数 6
CC 4.0 BY-SA版权
分类专栏： 量化交易小白入门 文章标签： 数据库 mysql 缓存
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/luansj/article/details/147030708

本专栏主要是介绍QMT的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写100篇左右。
QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步。

文章目录

相关阅读

小白也能做量化：零门槛QMT、Ptrade免费送
量化交易入门：如何在QMT中配置Python环境，安装第三方依赖包
年化收益达到了70%，增加了动态仓位权重调整后的全球核心资产轮动策略（含python代码解析）

有球友反应今年以来的表现好，是因为选择的几个eft表现好，对于轮动策略，标的池的选择肯定会很大程度影响最终年化收益率。但是如果拉长了时间来看如果表现还可以，说明评分算法是没问题的，拉长到5年时间，年化收益率下降到了26%。

在这里插入图片描述
最经典的标的组合还是：
‘518880.SH’,

了解本专栏 订阅专栏 解锁全文 超级会员免费看
[QMT量化交易小白入门]-六十二、ETF轮动中简单的评分算法如何获取历史年化收益32.7%
木头大左的博客
06-09 429
本策略的核心在于通过三个关键模块——趋势评分模块动量模块和成交量模块，对ETF进行综合评分，并根据评分结果进行持仓调整。这是一个均衡的多因子模型。接下来，将逐一详细解析每个模块的作用及其在代码中的实现。过度拟合参数：追求回测收益而调参，可能导致实盘失效。用网格或梯度下降，确定合适的权重，很高的收益率的回测曲线也可以做出来。情绪化干预：看到持仓下跌2%就手动止损，错过后续反弹。策略中可以加入固定止损和移动止损，人工干预可能放大亏损。
[QMT量化交易小白入门]-二十六、DeepSeek推荐的标的池，让年化收益达到了83%，调整后的全球核心资产轮动策略（含python代码解析）
木头大左的博客
02-24 1069
本专栏主要是介绍QMT的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写100篇左右。QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步，自己淋过雨了，希望大家都有一把伞。
量化交易入门 - 基于迅投QMT量化平台 Xquant接口实现从数据获取、数据加工、策略实现到自动下单基本操作
qq_58168857的博客
01-19 6692
本文针对各种没有入门的小白，用示例讲解了 基于迅投QMT量化平台 Xquant接口实现从数据获取、数据加工、策略实现到自动下单基本操作流程和使用的方法。有了这些数据和方法，就可以开发一个简易的量化交易系统了。
【小白能懂】 qmt量化教程 精简版
2401_82851462的博客
03-24 1144
介绍qmt教程
[QMT量化交易小白入门]-三十、打首板时，在涨停前预埋单的miniQMT实盘策略（量化python代码解析）
木头大左的博客
03-10 1510
class a():passA = a() #创建空的类的实例 用来保存委托状态A.n=5#买入支数A.amount = 5000 #单支买入金额 触发买入信号后买入指定金额A.waiting_list = [] #未查到委托列表 存在未查到委托情况暂停后续报单 防止超单#设置股票池 订阅品种行情A.stock_list=xtdata.get_stock_list_in_sector('沪深A股')# 过滤掉科创板，创业板，北交所股票代码A.name = '股票打首板预埋单策略'
[QMT量化交易小白入门]-八、miniQMT定时任务实现可转债双低策略
木头大左的博客
12-11 1535
本专栏主要是介绍QMT的基础用法，常见函数，写策略的方法，也会分享一些量化交易的思路，大概会写100篇左右。QMT的相关资料较少，在使用过程中不断的摸索，遇到了一些问题，记录下来和大家一起沟通，共同进步，自己淋过雨了，希望大家都有一把伞。
[QMT量化交易小白入门]-七十二、ETF动量评分ptrade策略兼容实盘改造，五年回测历史年化超额收益率13.71%
木头大左的博客
07-23 810
本策略旨在通过动量评分系统，筛选出表现优异的ETF（交易所交易基金），并在每日收盘前进行调仓操作，以期捕捉市场趋势，优化投资组合的表现。
【大麦小米学量化】如何优雅地调教QMT量化平台编写量化策略（使用notepad++、pycharm、vscode等外部IDE编写量化交易代码）
热门推荐
IT里的交易员-博客
08-31 1万+
很多人开通了迅投QMT量化平台，可是进入编辑器界面，写python代码，那种感觉如同回到了原始时代，连调试代码最常用到行、块注释这么简单的操作都能把人整疯。想让迅投QMT即可修改编辑器，一时半会儿不现实。那么有没有一种方法？可以使用外部的编辑器编写，在迅投QMT里运行就行了，不也鱼与熊掌可兼得了吗？经过笔者孜孜探索，还真找到了一个方法，其实也很简单。就是坑有几个，不过我都填上了。提示：以下是本篇文章正文内容，其中代码为QMT默认自动生成，这里拿来仅作演示，不可用于实盘。............
qmt量化交易策略小白学习笔记第8期【qmt编程之获取股票资金流向数据--内置Python】
fanglue3705的博客
05-23 1801
获取股票资金流向数据 获取一只或者多只股票在一个时间段内的资金流向数据 提示 1.该数据通过get_market_data和get_market_data_ex接口获取，period参数选择transactioncount1d或者transactioncount1m 2.获取历史数据前需要先用download_history_data下载历史数据 3.VIP 权限数据 #内置python 原型 内置python
[QMT量化交易小白入门]-十二、QMT回测龙头打首板和连板的策略
木头大左的博客
12-16 3193
class a():passA = a() #创建空的类的实例 用来保存委托状态field_list定义了需要的市场数据字段，而类a用于保存交易状态。
[QMT量化交易小白入门]-二十五、DeepSeek生成的年化收益率54%的动量因子评分算法（含代码解析）
木头大左的博客
02-23 1204
优化后的ETF评分函数:param etf_pool: ETF列表:param mkdict: 包含各ETF历史数据的字典:param lookback_window: 观察窗口(默认63个交易日，约3个月):return: 排序后的ETF评分DataFrame"""etf_pool是待评估的ETF列表；mkdict是一个包含了各ETF历史数据的字典，通过它可以获取每个ETF的历史价格等信息；是观察窗口，默认设置为63个交易日，大约相当于3个月的时间。
[QMT量化交易小白入门]-二十四、年化收益47%的全球核心资产轮动策略(含代码解析)
木头大左的博客
02-17 2121
m_days = 25 #动量参考天数period=200m_days被设置为25，表示动量参考的天数为25天；period被设置为200，用于指定获取市场数据的周期长度。
MyBatis-Plus 与 Spring 新手指南
qq_31619295的博客
07-25 872
泛型机制: 确保类型安全和代码提示继承体系: 提供丰富的基础功能注解映射: 简化配置，提高开发效率Spring集成: 无缝融入Spring生态掌握这些核心概念，就能快速理解和使用MyBatis-Plus进行数据访问层开发。
Flask框架全面详解
q_cccc_的博客
07-23 1522
Flask是一个基于Python的微型Web开发框架，诞生于2010年，由Armin Ronacher开发。它的核心思想是保持简单但易于扩展。Flask的特点轻量级：核心功能简单，不包含太多内置功能可扩展：通过丰富的扩展库添加所需功能灵活：不强制使用特定的项目结构或数据库基于Werkzeug WSGI工具箱和Jinja2模板引擎Flask以其简洁和灵活性成为Python Web开发的重要框架。通过本文的学习，你应该已经掌握了Flask的核心概念和常用功能。
初识 docker [上]
2401_89111612的博客
07-27 824
容器内的目录与宿主机的目录关联起来，我们称为挂载,此时，我们操作宿主机的挂载目录就是在操作容器内的被挂载目录。可以发现，数据卷的目录结构较深，如果我们去操作数据卷目录会不太方便。容器是隔离环境，容器内程序的文件、配置、运行时产生的容器都在容器内部，我们要读写容器内的文件非常不方便。注意：容器与数据卷的挂载要在创建容器时配置，对于创建好的容器，是不能设置数据卷的。这个目录就是默认的存放所有容器数据卷的目录，其下再根据数据卷名称创建新目录，格式为 /数据卷名/_data。: 数据卷名:容器内目录。
MySQL 事务管理
puppy_1mo的博客
07-25 1454
摘要 本文系统阐述了MySQL事务的ACID特性及其实现原理。首先指出不加控制的CURD操作可能引发数据不一致问题，通过事务的原子性、一致性、隔离性和持久性可解决这些问题。重点分析了四种隔离级别（读未提交、读提交、可重复读、串行化）的表现差异及对应的并发问题（脏读、不可重复读、幻读）。深入探讨了MVCC机制，包括隐藏字段、undo日志和ReadView的工作原理，解释了可重复读级别如何通过版本链和可见性判断实现事务隔离。最后对比了RC和RR级别下ReadView生成时机的本质区别，说明MySQL默认RR级别
Sql server开挂的OPENJSON
最新发布
清风弄影
07-27 396
摘要：SQL Server 2019的OPENJSON功能大幅简化了JSON数据处理。相比SQL Server 2008需要自定义表类型来传递表参数的方式，新版本只需将JSON字符串作为参数传递，通过OPENJSON解析即可。该功能支持单层和嵌套JSON结构，可指定字段名称和类型，还能处理复杂层级数据。从SQL Server 2016开始引入的JSON支持，不仅提高了开发效率，还影响了表结构设计，许多原本需要主从表结构的场景现在用单表配合JSON字段就能实现，大大简化了数据库操作。
电商项目_核心业务_分布式ID服务
qinwenjng120的博客
07-27 631
第 42~52 位 ：一共 10 位，一般来说，前 5 位表示机房 ID，后 5 位表示机器 ID（实际项目中可以根据实际情况调整），这样就可以区分不同集群/机房的节点，这样就可以表示 32 个 IDC，每个 IDC 下可以有32 台机器。如果是订单号，竞对可以直接知道我们一天的单量。在实际项目中，我们一般也会对 Snowflake 算法进行改造，最常见的就是在算法生成的 ID 中加入业务类型信息。以服务的方式部署（可以不依赖数据库等第三方系统），稳定性更高，生成 ID 的性能也非常高的。
QMT量化交易软件的优点
02-14
### QMT量化交易平台的优势 QMT智能量化交易系统具备显著的技术优势，能够满足现代金融市场对于速度和精度的要求。该平台不仅实现了高效的订单处理能力，还通过高度自动化的流程减少了人为干预的可能性，从而提高了交易效率[^1]。 #### 高效性 QMT系统的架构设计旨在优化数据传输路径并减少延迟时间，在毫秒级别内完成复杂的计算任务，确保指令快速下达市场。这种低延迟能力使得用户能够在瞬息万变的行情中抓住最佳买卖时机。 #### 精准度 为了提高决策准确性，QMT集成了先进的算法模型用于分析历史价格走势以及预测未来趋势变化。这些模型基于大量真实交易记录训练而成，可以有效识别潜在的投资机会，并提供科学合理的建议给到使用者。 #### 自动化程度高 整个交易过程几乎完全由计算机程序控制，从选股、建模直到下单执行都无需人工参与。这不仅降低了操作风险，也节省了大量的时间和精力成本，让投资者可以把更多注意力放在策略研究上而不是日常繁琐的操作当中。 --- ### QMT量化交易平台的特点 除了上述提到的核心竞争力外，QMT还有以下几个值得注意的地方： - **丰富的API接口**：支持多种编程语言接入，方便开发者根据自己需求定制专属功能模块； - **强大的回溯测试环境**：允许用户在一个模拟环境中反复验证自己的投资逻辑是否可行，直至满意为止再投入实际资金运作； - **严格的安全保障措施**：采用多重加密技术和权限管理机制来保护客户资产安全和个人信息安全； --- ### 主要功能介绍 针对不同层次用户的多样化需求，QMT提供了广泛而深入的服务选项： - **策略编写与调试**：内置可视化编辑器可以帮助初学者轻松构建简单有效的交易规则；而对于高级玩家，则开放源码级访问权限以便于实现复杂多样的个性化设定。 ```python def simple_moving_average_strategy(data, short_window=40, long_window=100): signals = pd.DataFrame(index=data.index) signals['signal'] = 0.0 # 计算短期移动平均线 (SMA) 和长期 SMA signals['short_mavg'] = data['Close'].rolling(window=short_window, min_periods=1).mean() signals['long_mavg'] = data['Close'].rolling(window=long_window, min_periods=1).mean() # 创建买入/卖出信号 signals['signal'][short_window:] = np.where(signals['short_mavg'][short_window:] > signals['long_mavg'][short_window:], 1.0, 0.0) # 生成交易订单 signals['positions'] = signals['signal'].diff() return signals ``` - **实时监控与预警通知**：一旦市场价格触及预设条件即刻触发警报提醒，使投资人不会错过任何重要事件的发生时刻。 - **跨市场联动分析**：利用大数据挖掘技术关联多个交易所之间的关系模式，寻找套利空间或避险途径[^2]。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

python自动化工具

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值