QMT教程三（函数等）

| |
一、 QMT获取行情数据的接口有3种： 1、获取最新分笔数据：get_full_tick(stock_code=[]) 2、获取历史数据：get_market_data_ex(subscribe=False) 3、订阅数据：向行情服务器订阅指定品种行情，使用接口函数subscribe_quote 和get_market_data_ex(subscribe=True,)，订阅有最大数量限制当前为500个。 今天重点介绍下获取分笔数据接口，及接口使用中的注意事项： 获取分笔数据接口函数：get_full_tick(stoc ...

QMT教程二（基于KDJ指标的择时策略）

| |
#encoding:gbk """ iQuant：基于KDJ指标的择时策略（多股票） """ import pandas as pd import numpy as np import talib def init(ContextInfo): # 股票池：沪深各市值最大的前几只 ContextInfo.trade_code_list = ['601398.SH', '601857.SH', '601288.SH', '002415.SZ', '000002.SZ'] ContextInfo.set_universe(ContextInfo.trade_code_list ...

量化打板

| |
标题：A股涨停板交易策略设计方案 因子： # 典型因子库示例 factors = { '量价因子': ['封单金额/流通市值', '涨停时间排名', '量比突变系数'], '资金因子': ['主力净流入占比', '龙虎榜机构买入强度'], '板块因子': ['行业热度指数', '龙头溢价空间'], '事件因子': ['业绩预告缺口', '新闻情绪评分'] } https://chat.deepseek.com/a/chat/s/40fd9895-e870-462c-938c-20faf36 ...

使用HMM划分趋势/震荡

| |
使用隐马尔可夫模型（HMM）划分市场状态（趋势/震荡/反转）在理论上是可行的，并且已被部分机构应用于实战。以下是具体分析： 一、HMM应用于市场状态划分的可行性 1. 核心逻辑 假设：市场存在隐藏状态（趋势/震荡/反转），这些状态通过观测数据（如价格、成交量）间接体现。 HMM的优势： 能够建模状态间的概率转移（如“趋势→反转”的概率）。 对噪声数据鲁棒性强（适合金融数据的 ...

2025-May-12复盘（5天强势）

| |
今天的走势又超出了我的意料。 开盘竟然高开了。 可能夹杂了自己的情况（希望跌下来，我好进场指数基金），所以变得不理智。 今天上涨4112，下跌1101，几乎4:1了。 总成交，1.34亿元，较昨天放量了。 今天涨停集中在汽车、通信、元器件。 最近几天（从5.6-5.12）大盘涨了这么多，到底是哪些板块在涨？ 航天板块： 航空：

QMT教程一（上手指南）

| |
一、建立你的第一个策略 直接以最简单的双均线为例。 # encoding:gbk import numpy as np class State: pass A = State() # 存储策略状态 def init(C): """初始化策略参数""" A.acct = '您的账号' # 替换为实际账号 A.acct_type = 'STOCK' # 账号类型 A.symbol = '600000.SH' # 格式必须为"代码.交易所&quo ...
Page: 14 of 229 1 ... 12 13 14 15 16 ... 229