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

本文从实际工作角度，全流程实现一个从数据获取到加工处理、再到实际策略的一个全流程自动化交易过程。

一、数据获取前期准备

1. 打开QMT 的MiniQMT终端并登陆

然后可以用原生python在 vscode或jupyter中编辑自己的策略。

2. 初始化数据接口

from qmtbt import QMTStore

store = QMTStore(mini_qmt_path = r'D:\国金QMT交易端模拟\userdata_mini',xtquant_path=r'..\xtquant_231209a\xtquant', account = '***')

二、获取数据

（一）获取市场板块信息

from xtquant import xtdata

sectors = xtdata.get_sector_list()
for i in range(0, len(sectors), 6):
    print(" ".join(sectors[i:i+6]))

结果如下：

（二）获取相应板块的股票代码

# 获取市场所有股票代码

contract = xtdata.get_stock_list_in_sector('沪深A股')

# 获取市场所有股票代码
contract = xtdata.get_stock_list_in_sector('沪深A股') 
display(len(contract))  # 显示目前市场股票数

结果如下：

在系统开发过程中，一定要注意数据的格式，不同的板块，要用规范的名称，否则取不到数据，一个小的失误，会让开发过程拉长。

（三）获取个股历史行情日线数据

方法一：store._fetch_history(symbol,period,start_time,end_time)

需要使用前面建立的store对象，使用_fetch_history方法来获取所需要的数据。

day_K = store._fetch_history(symbol=symbol,period='1d', start_time = start_date, end_time= date_today, dividend_type = "front_ratio")   # 获取K线行情

这里和获取tick的方法一致，只是把period参数，改成了1d.

获取到的数据结构如下：

方法二：xtdata.get_local_data(stock_list,period,start_time,end_time)(慎用，需要提前先下载数据到本地)

这种方法可以一次下载多个股票数据，下载下来的数据格式是字典，用get(symbol)方法取出的数据，即为该symbol的df格式。

res = xtdata.get_local_data(stock_list=[symbol], 
                            period='1d',
                            start_time = start_date,
                            end_time=end_date ).get(symbol)

取得的数据如下：

（四）获取历史tick行情

历史tick数据是开仓交易的重要条件之一，这些数据在量化策略过程中起到非常重要的作用，可以看出，QMT获取历史K线和tick用的是一个接口，减少了开发时调用的难度。

同样，取tick数据也可以使用两个接口：

接口一：store._fetch_history(symbol,period,start_time,end_time)

res = store._fetch_history(symbol='300359.SZ',period='tick', start_time = tick_date, end_time = tick_date)    # 获取tick数据

运行结果如下：

方法二：xtdata.get_local_data(stock_list,period,start_time,end_time)(慎用，需要提前先下载数据到本地)

把取到的数据，按条件进行解析即可。

需要说明的是，历史tick数据由于数据量非常大，如果要使用这些数据做量化的话，需要充分考虑下载这些数据占用时间对量化策略的影响。

（五）获取实时市场行情截面数据（实时tick）

ticks =  xtdata.get_full_tick(stock_list)    # 获取最新的全推实时行情
print(ticks)

出来的数据是这样的：

{'600012.SH': {'timetag': '20240118 15:00:02', 'lastPrice': 11.62, 'open': 11.55, 'high': 11.67, 'low': 11.28, 'lastClose': 11.58, 'amount': 68418100, 'volume': 59498, 'pvolume': 5949799, 'stockStatus': 0, 'openInt': 15, 'settlementPrice': 0, 'lastSettlementPrice': 0, 'askPrice': [11.62, 11.63, 11.65, 11.66, 11.67], 'bidPrice': [11.6, 11.59, 11.55, 11.54, 11.53], 'askVol': [72, 35, 219, 68, 195], 'bidVol': [5, 64, 20, 68, 13]}, '600037.SH': {'timetag': '20240118 15:00:04', 'lastPrice': 7.18, 'open': 7.15, 'high': 7.18, 'low': 6.97, 'lastClose': 7.18, 'amount': 113968800, 'volume': 161050, 'pvolume': 16104962, 'stockStatus': 0, 'openInt': 15, 'settlementPrice': 0, 'lastSettlementPrice': 0, 'askPrice': [7.18, 7.19, 7.2, 7.21, 7.22], 'bidPrice': [7.17, 7.16, 7.15, 7.140000000000001, 7.13], 'askVol': [1325, 278, 337, 96, 198], 'bidVol': [208, 20, 84, 185, 109]}}

我们需要用哪个品种的tick，直接取就行了。

tick = ticks.get('600983.SH')
display(tick)

结果是这样的：

这是个好东西，有了这个，就可以实时根据价格进行各种指标的计算和开仓平仓了。

（六）财务数据的获取

xtdata.download_financial_data(["000008.SZ"], table_list=['Capital'])   # 下载资产负债表数据
a = xtdata.get_financial_data(["000008.SZ"],['Capital']).get("000008.SZ")

获取资产负债表里面的相关数据，其他财务数据可以用类似的先下载，后调用的方法来获取。

报表数据相对较齐全，用于基本面量化或者选股时使用。

三、数据加工

无论是K线数据还是tick数据，数据的加工方法，因不同的策略，加工难度各不相同，在这里不再进行详述，具体可以参照https://download.csdn.net/download/qq_58168857/88791954?spm=1001.2014.3001.5501上面的加工方法，进行揣摩学习。

更多量化方法的知识与技术，后续会跟据自己的时间情况，慢慢写一写，喜欢量化的朋友或者有量化交易需求的朋友，可以关注私信我，共同学习提高。