MINIQMT学习课程Day11

现在开始进行策略的交易买卖分析:

还是之前的步骤,打开qmt,选择独立交易,

之后使用pycharm,编写py文件

导入包:

import time, datetime, traceback, sys
from xtquant import xtdata
from xtquant.xttrader import XtQuantTrader, XtQuantTraderCallback
from xtquant.xttype import StockAccount
from xtquant import xtconstant

进行账户链接:

# miniQMT安装路径
path = r'C:\国金QMT交易端模拟\userdata_mini'
# QMT账号
account = '55003243'
# 取账号信息
session_id = int(time.time())
xt_trader = XtQuantTrader(path, session_id)
acc = StockAccount(account, 'STOCK')
# 启动交易线程
xt_trader.start()
# 建立交易连接,返回0表示连接成功
connect_result = xt_trader.connect()
print('建立交易连接,返回0表示连接成功', connect_result)
# 对交易回调进行订阅,订阅后可以收到交易主推,返回0表示订阅成功
subscribe_result = xt_trader.subscribe(acc)
print('对交易回调进行订阅,订阅后可以收到交易主推,返回0表示订阅成功', subscribe_result)

连接成功显示效果:

确认股票后,下单购买:

核心四点:

代码,价格,数量,方向

我们下单一个数据:

买入浦发银行100股,对手方最优价格委托下单

# 买入 浦发银行 最新价 两万元
stock = '600000.SH'
# 买入数量 取整为100的整数倍
buy_vol = 100
async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_BUY, buy_vol, xtconstant.MARKET_PEER_PRICE_FIRST,0,'strategy_name', stock)

卖出浦发银行100股,最新价下单

# 卖出 100股stock = '600000.SH'# 目标数量target_vol = 100# 可用数量available_vol = position_available_dict[stock] if stock in position_available_dict else 0# 卖出量取目标量与可用量中较小的sell_vol = min(target_vol, available_vol)print(f"{stock} 目标卖出量 {target_vol} 可用数量 {available_vol} 卖出 {sell_vol}股")if sell_vol > 0:async_seq = xt_trader.order_stock_async(acc, stock, xtconstant.STOCK_SELL, sell_vol, xtconstant.LATEST_PRICE,-1,'strategy_name', stock)

线程处理:

    # 阻塞主线程退出xt_trader.run_forever()

 

总结:

通过本文的学习,相信你已经掌握如何在QMT中进行最为简单的交易了。希望本文可以帮助你!

欢迎大家和我交流沟通,学习使用量化交易方法。

    本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mzph.cn/news/901197.shtml

    如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

    相关文章

    # 实时人脸性别与年龄识别:基于OpenCV与深度学习模型的实现

    实时人脸性别与年龄识别:基于OpenCV与深度学习模型的实现 在当今数字化时代,计算机视觉技术正以前所未有的速度改变着我们的生活与工作方式。其中,人脸检测与分析作为计算机视觉领域的重要分支,已广泛应用于安防监控、智能交互、…

    Python Cookbook-5.14 给字典类型增加排名功能

    任务 你需要用字典存储一些键和“分数”的映射关系。你经常需要以自然顺序(即以分数的升序)访问键和分数值,并能够根据那个顺序检查一个键的排名。对这个问题,用dict 似乎不太合适。 解决方案 我们可以使用 dict 的子类,根据需要增加或者重…

    十四种逻辑器件综合对比——《器件手册--逻辑器件》

    目录 逻辑器件 简述 按功能分类 按工艺分类 按电平分类 特殊功能逻辑器件 应用领域 详尽阐述 1 逻辑门 一、基本概念 二、主要类型 三、实现方式 四、应用领域 2 反相器 工作原理 基本功能 主要应用 常见类型 特点 未来发展趋势 3 锁存器 基本概念 工作原理 主要类型…

    如何更改wsl2中的ubuntu默认安装位置

    先前的一篇文章提到了如何更改wsl里面ubuntu的home目录,wsl装ubuntu的home目录在哪,如何更改home?_wsl安装的ubuntu在哪里-CSDN博客 这次是要更改wsl中ubuntu的安装目录,毕竟默认安装到c盘下会占用不少空间的。 从微软商店get后…

    最近在工作中感受到了设计模式的重要性

    之前了解设计模式:只是应付一下面试 在之前一年多的工作中也没遇到使用场景 最近在搭建验证环境的时候,才发现这玩意这么重要 首先是设计模式的使用场景一定是在很复杂繁琐的场景下进行的 之所以说是复杂/繁琐的场景,因为一些场景也许逻辑不难…

    Python深度学习基础——卷积神经网络(CNN)(PyTorch)

    CNN原理 从DNN到CNN 卷积层与汇聚 深度神经网络DNN中,相邻层的所有神经元之间都有连接,这叫全连接;卷积神经网络 CNN 中,新增了卷积层(Convolution)与汇聚(Pooling)。DNN 的全连接…

    Linux 第三讲 --- 基础指令(三)

    前言: 在前面我们已经讲了有十几个Linux的基础指令,今天我们再补充几个常用的基础指令,为后面的学习做准备 。 目录 前言: 一、两个与时间相关的指令 1.date指令 演示 : 时间戳 设置时间 2、cal指令 演示&#x…

    基于SiamFC的红外目标跟踪

    基于SiamFC的红外目标跟踪 1,背景与原理2,SiamFC跟踪方法概述2.1 核心思想2.2 算法优势3,基于SiamFC的红外跟踪代码详解3.1 网络定义与交叉相关模块3.2 SiamFC 跟踪器实现3.3 主程序:利用 OpenCV 实现视频跟踪4,总结与展望在红外监控、无人机防御以及低光照场景中,红外图…

    Odoo 部署本地 把現時的excel計算表格部署上odoo 教程

    要将现有的 Excel 计算表格部署到 Odoo 平台上,您可以按照以下步骤进行操作: 将 Excel 表格中的数据转移到 Odoo 模块中:首先,您需要将 Excel 表格中的数据导出为 CSV 格式,然后可以使用 Odoo 的数据导入功能将这些数据…

    KWDB创作者计划—KWDB认知引擎:数据流动架构与时空感知计算的范式突破

    引言:数据智能的第三范式 在数字化转型进入深水区的2025年,企业数据系统正面临三重悖论:数据规模指数级增长与实时决策需求之间的矛盾、多模态数据孤岛与业务连续性要求之间的冲突、静态存储范式与动态场景适配之间的鸿沟。KWDB(K…

    C语言 数据结构 【栈】动态模拟实现

    引言 动态模拟实现栈的各个接口 一、栈的概念与结构 栈:一种特殊的线性表,其只允许在固定的一端进行插入和删除元素操作。进行数据插入和删除操作的一端称为栈顶,另一端称为栈底。栈中的数据元素遵守后进先出LIFO(LastInFirstOut…

    Python itertools模块的groupby函数介绍

    itertools.groupby 是 Python 标准库 itertools 模块中的一个函数,它的主要功能是对可迭代对象中相邻的相同元素进行分组。 itertools.groupby(iterable, keyNone) 函数 作用: 将连续的(相邻的)相同元素分组,返回 (…

    Python实例题:使用Python生成分形图片

    目录 Python实例题 题目 题目分析 需求理解 关键知识点 实现思路分析 代码实现 代码解释 mandelbrot 函数: 设置复平面区域和图像参数: 计算分形数据: 绘图展示: 运行思路 Python实例题 题目 使用Python生成分形图…

    系统编程1(进程的概念与原理)

    进程的概念与原理 计算机组成部分一般遵循冯诺依曼结构,也就是由控制器、运算器、存储器、输入设备、输出设备五个部分组成。 ⦁ 程序的编译 一般在编写出程序之后,并不能直接运行,而是需要把程序通过编译器进行编译,生成可执行…

    《Vue Router实战教程》5.嵌套路由

    欢迎观看《Vue Router 实战(第4版)》视频课程 嵌套路由 一些应用程序的 UI 由多层嵌套的组件组成。在这种情况下,URL 的片段通常对应于特定的嵌套组件结构,例如: 通过 Vue Router,你可以使用嵌套路由配置…

    使用Python解决Logistic方程

    引言 在数学和计算机科学中,Logistic 方程是描述人口增长、传播过程等现象的一种常见模型。它通常用于表示一种有限资源下的增长过程,比如动物种群、疾病传播等。本文将带领大家通过 Python 实现 Logistic 方程的求解,帮助你更好地理解这一经典数学模型。 1.什么是 Logist…

    《从零搭建Vue3项目实战》(AI辅助搭建Vue3+ElemntPlus后台管理项目)零基础入门系列第十二篇(完结篇):数据统计功能实现

    🤟致敬读者 🟩感谢阅读🟦笑口常开🟪生日快乐⬛早点睡觉 📘博主相关 🟧博主信息🟨博客首页🟫专栏推荐🟥活动信息 文章目录 《从零搭建Vue3项目实战》(AI辅助…

    研究嵌入式软件架构时遇到的初始化堆栈溢出问题

    文章目录 2025年4月10日新增分析PC寄存器指针值排查问题map文件设计到的知识点1. **.bss 段(Block Started by Symbol)**2. **.data 段**3. **.text 段**4. **.heap 段**5. **.stack 段**6. **.rodata 段(只读数据段)**7. **.init…

    软件架构评估两大法:ATAM 和 SAAM 的对比与实践

    架构权衡分析方法(ATAM)和软件架构分析方法(SAAM)是软件架构评估领域中非常重要的两种方法,以下为你详细介绍: 一、架构权衡分析方法(ATAM) 1.背景与起源:ATAM 是由卡耐…

    Python爬虫-爬取全球股市涨跌幅和涨跌额数据

    前言 本文是该专栏的第52篇,后面会持续分享python爬虫干货知识,记得关注。 本文中,笔者将基于Python爬虫,实现批量采集全球股市行情(亚洲,美洲,欧非,其他等)的各股市“涨跌幅”以及“涨跌额”数据。 具体实现思路和详细逻辑,笔者将在正文结合完整代码进行详细介绍。…