木头大左的博客

核心思想是根据市场波动情况动态调整投资组合中各ETF的仓位权重，以实现风险控制和收益优化。当某个ETF的波动率超过设定阈值时，会相应减少其持仓比例；反之，则根据可用资金和风险因子计算目标买入价值，进行调仓操作。

'518880.SH', # 黄金ETF'159985.SZ', # 豆粕ETF'513100.SH', # 纳指ETF'510300.SH', # 沪深300ETF# ...其他ETF代码...C.capital = 100000 # 初始资金A.loss_rate = -0.02 # 止损比例核心功能建立包含12类核心资产的ETF池（商品/海外/宽基/窄基）设置2%的硬止损阈值（经回测验证的最佳参数）10万元初始资金配置（可根据实际调整）专业建议。

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。

这是整个策略的核心执行函数。它接收一个对象C作为参数，并在这个函数内部完成所有的交易逻辑判断和操作。

1、核心资产ETF轮动策略的核心在于动态调整投资组合，实现风险分散和收益最大化，如果买入支数太少，会导致风险集中，回撤变大。2、根据归一化后的风险因子计算出每个ETF应分配的资金额度，会按照这个额度买入相应的ETF，这个风险可能会有一定的滞后性，如果要进一步降低回撤，对系统性分险可能要引入债券或者货币类ETF。

'518880.SH',#黄金ETF'159985.SZ',#豆粕ETF'513100.SH',#纳指ETF'510300.SH',#沪深300ETF'159915.SZ',#创业板'159992.SZ',#创新药ETF'515700.SH',#新能车ETF'510150.SH',#消费ETF'515790.SH',#光伏ETF'515880.SH',#通信ETF'512720.SH',#计算机ETF'512660.SH',#军工ETF'159740.SZ',#恒生科技ETF。

这段代码主要围绕着在QMT环境中实现类似通达信VBA函数的功能展开，核心功能是基于RSI指标来判断股票的买卖时机，并根据持仓情况进行相应的交易操作。class G():passg = G()这里定义了一个空类G，并创建了该类的实例g。这个实例g将作为全局变量来存储一些在整个程序运行过程中需要共享的数据，例如除复权类型、股票代码、目标数量等。1、使用VBA开发策略时，参数固化的问题会带来一些限制，比如无法修改MA函数的周期参数，只能使用固定周期。

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。

Flask是一个轻量级的Web应用框架，它提供了简单而灵活的方式来构建Web应用程序。在本案例中，将使用Flask来搭建一个本地服务，用于监听来自jq2qmt.py脚本的交易信号，并根据信号执行相应的下单操作。

print(f'开始盘前选股')这行代码定义了一个名为的函数，当调用这个函数时，会首先打印出“开始盘前选股”的信息，表明选股流程正式启动。1、可根据情况增删部分条件，目前盘前选股目前可以选出140多支，比之前全市场监听带宽压力小了很多。2、还可以自行添加其他选股条件，比如换手率计算，炸板可能性检测。3、xtdata的数据是有可能缺失的，自己写策略时，有可能需要剔除，或者从第三方库校正，比如部分股票的流通股数。

1、交易所对于无效委托和频繁撤单的管理是比较严格的，要防止量化试探对手盘，干扰市场秩序，这里结合对当日委托情况的查询和判断，避免了重复委托和不必要的撤单操作。2、买入后，要考虑对持仓个股进行止盈止损，后面再慢慢加上。

try:print(f'a . name } ，卖出 {stock_code } ，数量 {vol } ,以对手方最优价格委托') seq = xt_trader . order_stock_async(acc , stock_code , xtconstant . STOCK_SELL , vol , xtconstant . MARKET_PEER_PRICE_FIRST , 0 , a . name , '卖出') print(f'卖出订单号： {a . name } ，卖出 {

代码定义了一系列全局变量，这些变量用于控制交易策略的行为，如目标持仓数量、初始资金、交易代码列表等。A.name = '实盘核心资产仓位管理ETF轮动'A . target_num = 1 A . name = '实盘核心资产仓位管理ETF轮动' C . set_universe(A . trade_code_list) log . info(f' {A . name } 开始,是否回测： {

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'

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。

上一篇文章[听了群友的建议，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]https://mp.weixin.qq.com/s/ic8_f0gfynFQIV0iLEY0pQ)，效果如此好，接下来可以考虑模拟盘和实盘了。但如果我们QMT 实盘已经有策略在跑了，多策略如何同时实盘呢，官方给出的方案是自己本地化做虚拟持仓隔离，或者用投研专业版开记账式。本文将详细介绍如何实现一个基于本地虚拟持仓文件的核心资产ETF轮动策略。

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。

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。

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。

self.n = n。

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。

接下来，定义一个名为的函数，该函数用于检查每只股票是否满足撤单条件。# 获取当天的涨停价格# 涨停后1分钟操作，刚涨停时封单量变化剧烈，容易导致过早撤单# 如果还处于涨停价格、封单金额小于3000万元log.info('封板量过少！')# 获取订单的id，xt_trader为XtQuant API实例对象，变更撤单状态接下来，定义一个名为cancel的函数，该函数用于执行撤单操作。def cancel(order_id = 1) : log . info(f'开始同步撤单order_id: {

a.name = '手动交易'try:a . name } ，买入 {stock_code } ，数量 {

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。

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。

定义一个函数来获取日志记录器。: 返回全局的日志记录器，以便在其他地方调用。

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。

转股溢价率是指可转债的市场价格与其转股价之间的差额与转股价的比率。计算公式如下：[ \text{转股溢价率} = \frac{\text{现价} - \text{转股价值}}{\text{转股价值}} ]简单来说，就是用可转债的市场价格减去其转股价值，再除以转股价值，得到一个百分比。这个指标反映了投资者购买可转债时支付的价格相对于其转股价的溢价程度。通过以上步骤，成功地计算了可转债的转股溢价率，并对其进行了归一化处理。这个过程不仅帮助更好地理解了数据的分布情况，还为后续的数据分析和决策提供了有力的支持。

MyTT（My Trading Toolbox）是一个专为量化交易设计的Python库，它提供了丰富的金融数据分析和交易执行功能。通过MyTT模块，投资者可以轻松地将通达信中的指标函数转化为Python函数，并在miniQMT等平台上进行应用。

通过上述步骤，成功地使用Python代码完成了可转债的筛选、数据处理和下单操作。当然，这只是一个基础的示例，实际投资中还需要考虑更多因素，如市场环境、资金管理、风险控制等。希望本文能为各位投资者提供一些有价值的参考，助力大家在投资道路上走得更远。

通过Python代码下载可转债的基本信息，可以大大简化的工作，提高数据分析的效率。希望本文的介绍能够帮助你更好地理解和应用Python代码来获取可转债的基本信息。如果你有任何疑问或建议，欢迎在评论区留言讨论。

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。