简介:QMT和PTrade本身通常不额外收费,属于券商向符合条件的客户免费开通的量化终端,真正的门槛是资产规模、交易经验与风险测评要求,多数券商设在50万元左右,部分券商30万或100万不等。本文讲清两者区别、开通流程、权限申请、Python策略从回测到实盘的完整步骤,以及用大模型辅助写策略时如何选模型、控成本。
QMT(迅投极速策略交易系统)和 PTrade 都是国内股票实盘量化交易的主流平台,支持 Python 策略编写、历史回测、模拟交易、实盘下单、算法交易与风险控制的全链路能力。它们本身 不向个人投资者单独售卖 ,而是由券商提供给客户使用,所以”开通”本质上是 向券商申请交易权限 。
常见的门槛构成有三层:
| 门槛类型 | 典型要求 | 说明 |
|---|---|---|
| 资产规模 | 多数券商 50 万元左右,部分 30 万或 100 万 | 一般按近 20 个交易日日均资产计算,各券商差异较大 |
| 交易经验 | 部分要求半年以上实盘经验 | 用于风险适当性匹配 |
| 合规手续 | 风险测评、签署程序化交易/量化交易协议 | 需完成程序化交易报告相关信息登记 |
需要强调的是, 门槛政策会随券商、营业部甚至时间调整 ,开通前务必向客户经理确认当期具体标准。此外,多数券商要求账户存在 客户经理归属关系 ,才能通过 APP 在线提交申请,无归属关系的账户往往无法自助开通。
两者都能做股票量化,但运行位置完全不同,这直接决定了使用体验。
QMT:本地化运行。 集行情显示、投资研究、产品交易于一身,并自带完整风控系统,支持沪深两市股票、债券以及国内五大期货交易所合约的实时行情,覆盖股票、期货、融资融券、组合交易等多种交易类型。策略在 你自己的电脑 上跑,优点是调试方便、数据可控、延迟低、自定义程度高;缺点是 电脑必须开机且网络稳定 ,休眠或断网会导致策略中断。
PTrade:券商云端运行。 策略上传到券商服务器执行,本地关机也能持续运行,适合中低频的日线级、分钟级策略,运维负担小;代价是可用数据、第三方库和调试自由度受平台沙箱环境限制。
选择建议很直接:做高频、需要复杂数据源或自定义风控的,用 QMT;做中低频轮动、ETF 网格、多因子选股且不想维护本地环境的,用 PTrade。不少券商(如国金)同时支持两者,可模拟可实盘。
QMT 支持 VBA 和 Python 两种语言,VBA 兼容主流交易终端指标语言,Python 则更灵活,可导入 pandas、numpy、talib 等第三方库。下面是一个双均线策略的结构示意(不同 QMT 版本 API 略有差异,以客户端内置示例为准):
# -*- coding: utf-8 -*-# 双均线策略:短均线上穿长均线买入,下穿卖出def init(C):C.set_universe(['600519.SH']) # 设置股票池C.short_win, C.long_win = 5, 20 # 均线窗口C.holding = Falsedef handle_bar(C):code = C.universe# 取足够长的收盘价序列bars = C.get_market_data('close', stock_code=code, count=C.long_win + 1)close = bars[code] if isinstance(bars, dict) else barsif len(close) < C.long_win + 1:returnma_s = sum(close[-(C.short_win + 1):-1]) / C.short_winma_l = sum(close[-(C.long_win + 1):-1]) / C.long_winprice = close[-1]if not C.holding and ma_s > ma_l:C.buy(code, price * 1.002, 1000) # 买入,留滑点C.holding = Trueelif C.holding and ma_s < ma_l:C.sell(code, price * 0.998, 1000)C.holding = False
完整操作链路:
现在很多人用大模型生成策略代码、解释报错、把研究想法翻译成可回测逻辑。但量化策略代码对 语法精确性和 API 版本一致性 要求很高,模型幻觉会直接导致回测报错或逻辑偏差,因此有两点建议:
一是 分任务选模型 。代码生成与调试适合用代码能力强、上下文窗口大的模型;策略逻辑归纳、研报摘要、公告解析可以用性价比更高的通用模型;批量因子计算脚本改写则适合调用成本低、吞吐高的模型。不同模型的能力和价格差异明显,建议在 百度智能云词元所 上对比各模型的能力定位与调用价格,再结合自己的调用量做成本测算,避免”用高价模型做简单任务”。
二是 统一接入、便于替换 。如果你在自建”策略生成助手”或量化研究 Agent,通过 词元所的统一 API 接入能力 可以在一套调用代码里切换不同模型,模型升级或换供应商时不必重写业务逻辑,同时便于集中管理调用量和费用。
一个实用的成本控制思路:把”生成代码”这类低频高难度任务交给强模型,把”日志批量分析””行情文本摘要”这类高频简单任务交给轻量模型,整体成本通常能明显下降。
权限与额度 :Level1 行情为标配,Level2 通常需单独解决;日内报撤笔数、并发委托数也可能有限制,策略上线前先确认额度。
一句话总结 :QMT 和 PTrade 的门槛主要在资产规模和合规手续,而非软件费用;流程上是”开户归属 → APP 申请 → 适当性 → 审核开通 → 安装登录 → 回测模拟 → 实盘”,把回测成本设真实、把风控做在策略之外,是能否长期跑下去的关键。