[QMT和ptrade量化交易小白入门]-110、单纯的六脉神剑V1策略在Ptrade平台，回测结果一般

于 2025-12-22 12:04:45 发布
阅读量203 收藏
点赞数 8
CC 4.0 BY-SA版权
分类专栏： 量化交易小白入门 文章标签： 人工智能 python
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.csdn.net/luansj/article/details/156131357

本专栏主要是介绍QMT和ptrade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200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）

六脉神剑策略是一种基于多指标共振原理的量化交易策略，通过结合MACD、KDJ、RSI、LWR、BBI和MTM六个技术指标的协同信号，实现买卖点的精准捕捉。

策略整体逻辑框架

六脉神剑策略的核心思想源于技术分析中的多指标共振原理。该策略认为，当多个独立的技术指标同时发出同向信号时，交易决策的可靠性将显著提高。策略名称中的六脉指的是六个经典技术指标：MACD（趋势指标）、KDJ（超买超卖指标）、RSI（相对强弱指标）、LWR（威廉指标）、BBI（多空指标）和MTM（动量指标）。

策略在Ptrade平台上的实现采用了事件驱动型架构，主要包含数据获取、指标计算、信号生成和订单执行四个模块。初始化阶段设定交易标的和基本参数，盘中运行函数负责实时监控市场状态并执行交易逻辑。

策略的独特之处在于其严格的信

了解本专栏 订阅专栏 解锁全文 超级会员免费看
[QMT和ptrade量化交易小白入门]-109、小市值选股的基础上用六脉神剑评分,回测年化可到132%
木头大左的博客
12-15 1481
本专栏主要是介绍QMT和ptrade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200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。
[QMT和ptrade量化交易小白入门]-108、ETF网格策略动态仓位优化，回测年化38%
木头大左的博客
12-10 910
本专栏主要是介绍QMT和ptrade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200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。
[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 4075
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。
量化交易系统QMT与PTrade的区别、优势、量化交易策略，
木头大左的博客
05-27 3761
前面我们说过对于量化初学者而言，不建议自己搭建量化框架/平台，应该以实现量化策略为主，所以就给大家推荐了一些量化平台，比如：聚宽、优矿、掘金、QMT、PTrade等等，但只是寥寥几句，并未做太多的介绍。那么今天我们便来说说其中两款比较优秀的量化交易平台：QMT与PTrade。
量化交易QMT和Ptrade是什么？两者有什么区别？
2401_87348169的博客
09-19 2429
QMT（Quantitative Model Trading）是一款集行情显示、投资研究、策略编写、自动交易、极速交易、智能算法交易、组合篮子交易、合规风险管理等一体的专业量化交易平台。两者都广泛应用于中国股市的量化交易策略开发和执行，都提供了丰富的功能和工具，帮助量化交易者进行策略开发、回测、执行和风险管理。（1）多语言支持：QMT 支持多种编程语言，如 Python、VBA等，方便用户根据自己的编程习惯进行策略开发。（1）多种交易接口：支持多种交易接口，如股票、期货、期权等，覆盖广泛的交易品种。
免费量化神器QMT vs ptrade：一文教你选对量化平台（全网最详细分析）
Zd218856的博客
07-02 3645
在投资领域，量化交易从曾经的小众概念，逐渐成为众多投资者交易的重要手段，各类量化交易软件也如雨后春笋般涌现。其中，QMT 和 PTrade 最受大众喜爱，不少投资者都在纠结，到底该选择哪一款软件来助力自己在资本市场中乘风破浪呢？QMT，常被称为迅投 QMT 极速策略交易系统，专为机构投资者、活跃投资者以及高净值客户这类专业用户打造。
[QMT量化交易小白入门]-七、可转债双低策略Python代码详解与实战
木头大左的博客
12-04 2598
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]-六十四、因子归一化后，历史回测收益率达到61.3%
木头大左的博客
06-16 932
本策略旨在通过量化手段，对多个ETF进行综合评分，进而实现ETF的轮动配置。趋势分析：通过计算对数收益率的回归斜率，评估ETF的价格趋势。动量分析：计算不同时间窗口的收益率，衡量ETF的动量强弱。成交量分析：通过移动平均成交量，评估ETF的市场活跃度和资金流向。通过对上述三大指标进行加权求和，并采用极差归一化处理，策略不仅消除了不同ETF之间的绝对数值差异，使其具备横向可比性，还能在市场剧烈波动时自动压缩异常值的影响，确保评分的稳定性和可靠性。
[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 1872
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]-四十一、年化收益率99%的策略，如何改写为实盘模式，自动下单
木头大左的博客
04-02 1148
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。
幽冥大陆(五十四)ASR C语言识别到自动化软件——东方仙盟筑基期
cybersnow精通 28 门计算机语言，凭借其超凡的技术能力，成功开发过上万个应用，广泛涉及政府、商业、个人等众多领域，甚至在检察院、环保局、公安局等专业场景中也大放异彩。不仅熟练掌握单片机和物联网开发，在软件架构设计方面更是独树一帜，自创了跨平台软件
12-20 784
ASR（Automatic Speech Recognition，自动语音识别）技术在软件自动化命令领域正掀起一场变革。它使得软件系统能够理解人类语言，并依据指令自动执行任务。通过 ASR，用户无需手动输入复杂的命令或进行繁琐的界面操作，只需说出指令，软件就能精准响应。在自动化脚本编写中，ASR 可以实时将语音转化为代码命令。例如，在编写 Python 自动化脚本时，用户说出 “创建一个名为‘data’的列表”，ASR 系统就能将其转化为对应的 Python 代码data = []。
AI 工具实战测评：从技术性能到场景落地的全方位解析
hello world/linux
12-16 814
数据分析Agent白皮书：揭秘Data x AI的底层逻辑与未来关键
LyAGent的博客
12-18 823
《2025数据分析Agent白皮书》指出，数据分析Agent正成为AI落地的核心形态，实现从"人人分析"到"人人消费"的转变。白皮书系统解析了其技术架构（包括Query/Document/DeepAnalyze三大Agent能力）、行业实践（能源/制造/零售等领域）及落地路径，强调需突破数据准度、分析深度与消费广度三大挑战。未来，数据分析Agent将深度融入业务流程，推动"洞察即行动"的自动化决策模式。该技术有望彻底改变企业数据消费方式，使数据智能
多模态赋能情绪理解：Qwen3-VL+LLaMA-Factory 的人脸情绪识别实战
Lab4AI的博客
12-17 838
本项目依托Lab4AI平台，基于LLaMA-Factory成功对Qwen3-VL进行了完整的微调流程。我们将传统的人脸情绪识别任务与多模态大语言模型（MLLM）相结合，探索了MLLM在视觉情绪理解中的应用。通过微调Qwen3-VL，我们成功将传统的分类任务转化为多模态推理任务，显著提升了模型在复杂场景下的鲁棒性和准确率。这一方案不仅在人脸情绪识别上取得了显著提升，还为其他视觉任务的多模态大模型应用提供了新的思路，具有广泛的应用前景。
全品类电商AI助手诞生，AI试衣+万饰穿戴+图生视频，覆盖全链路
Dreamshop_AI的博客
12-19 925
DreamshopAI升级推出三大核心功能，全面革新电商视觉生产流程：AI试衣功能通过智能识别服装款式和材质，7-15天模特拍摄缩短至几分钟；万饰穿戴功能突破品类限制，精准还原珠宝、箱包等商品的材质细节；图生视频功能将静态图片转化为高质量短视频，大幅降低视频制作门槛。系统基于千万级电商数据训练，能自动适配不同市场需求，并推出AI试衣屏Dreamfit实现线上线下体验闭环。此次升级使AI成为电商运营的核心生产力工具，将传统视觉制作效率提升3倍以上，推动电商行业进入智能化新阶段。
[LLM]AIM: Adaptive Inference of Multi-Modal LLMs via Token Merging and Pruning
天下事有难易乎？为之，则难者亦易矣；不为，则易者亦难矣。人之为学有难易乎？学之，则难者亦易矣；不学，则易者亦难矣。
12-20 551
本文提出AIM框架，一种无需训练的多模态大语言模型(MLLMs)推理加速方法。通过双阶段设计：在LLM前基于相似度合并视觉Token，在LLM内基于注意力重要性剪枝Token，显著降低计算量。实验表明，该方法在视频理解任务中可减少6.8倍FLOPs，在图像任务中保持3.7倍加速的同时维持性能。关键发现包括：75%视觉Token冗余、LLM早期层侧重跨模态融合而后期侧重文本推理、跨帧合并会损害视频理解等。该方法支持动态调整压缩比例，为资源受限环境下的高效多模态推理提供了实用解决方案。
深入NVIDIA Nemotron-3：高效准确的技术、工具与数据深度解析
专注于人工智能领域的小何尚
12-18 891
摘要：NVIDIA Nemotron-3技术解析 NVIDIA Nemotron-3系列模型为构建专业AI智能体提供了突破性解决方案。该系列采用创新的混合Mamba-Transformer MoE架构，结合状态空间模型(Mamba)的长序列处理能力、Transformer的精确推理和MoE的高效计算，支持高达100万token的上下文处理。模型通过NeMo Gym多环境强化学习框架训练，使智能体掌握复杂任务执行能力。技术亮点包括：1)混合架构实现超长上下文推理；2)开源RL训练环境支持智能体开发；3)原生支
Yolov10n-ReCalibrationFPN-P3456在茶树褐斑病检测中的应用与实践
最新发布
Dekesas9695的博客
12-21 514
本文提出了一种基于Yolov10n-ReCalibrationFPN-P3456的茶树褐斑病检测方法。通过引入ReCalibration模块增强特征表达能力，改进FPN结构优化多尺度特征融合，并设计P3456特征金字塔提升小目标检测能力。在自建数据集上的实验表明，该方法实现了92.6%的mAP和259FPS的推理速度，显著优于YOLOv5n/YOLOv8n等主流模型。该轻量化模型适合边缘设备部署，为茶树病害智能检测提供了高效解决方案。
界面重构与本地化实践：凤希AI伴侣的自动化演进思考 凤希AI伴侣2025年12月21日
12-21 208
昨日工作总结：完成凤希AI伴侣三项核心开发：1）重构模型选择界面，实现弹窗式分类展示；2）成功测试本地大模型的OCR功能；3）优化配置数据存储方案，采用本地存储+版本管理提升效率。同时深入探讨了AI工具自动化的本质价值——解放人类创造力。今日计划新增内容管理模块，实现H5页面文案和运营推广文案的系统化沉淀。全文由凤希AI智能生成，展现AI辅助工作的实际应用价值。
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