跳转至


课程  因子投资  机器学习  Python  Poetry  ppw  tools  programming  Numpy  Pandas  pandas  算法  hdbscan  聚类  选股  Algo  minimum  numpy  algo  FFT  模式识别  配对交易  GBDT  LightGBM  XGBoost  statistics  CDF  KS-Test  monte-carlo  VaR  回测  过拟合  algorithms  machine learning  strategy  python  sklearn  pdf  概率  数学  面试题  量化交易  策略分类  风险管理  Info  interview  career  xgboost  PCA  wavelet  时序事件归因  SHAP  Figures  Behavioral Economics  graduate  arma  garch  人物  职场  Quantopian  figure  Banz  金融行业  买方  卖方  story  量化传奇  rsi  zigzag  穹顶压力  因子  ESG  因子策略  投资  策略  pe  ORB  Xgboost  Alligator  Indicator  factor  alpha101  alpha  技术指标  wave  quant  algorithm  pearson  spearman  tushare  因子分析  Alphalens  涨停板  herd-behaviour  momentum  因子评估  review  SMC  聪明钱  trade  history  indicators  zscore  波动率  强化学习  顶背离  freshman  resources  others  AI  DeepSeek  network  量子计算  金融交易  IBM  weekly  LLT  backtest  backtrader  研报  papers  UBL  quantlib  jupyter-notebook  scikit-learn  pypinyin  qmt  xtquant  blog  static-site  duckdb  工具  colors  free resources  barra  world quant  Alpha  openbb  数据  risk-management  llm  prompt  CANSLIM  Augment  arsenal  copilot  vscode  code  量化数据存储  hdf5  h5py  cursor  augment  trae  Jupyter  jupysql  pyarrow  parquet  数据源  quantstats  实盘  clickhouse  notebook  redis  remote-agent  AI-tools  Moonshot  回测,研报,tushare 

玩转XtQuant量化交易


Table of Content

QMT是迅投公司推出的量化交易软件,它是券端采购软件,因此具有量化实盘接口。当前定制采购了QMT的券商约50家左右,开通量化权限的门槛从数万元到数十万元不等,开通量化权限除仍然能享受到万一(甚至免五)的费率优惠外,还将免费获得历史和实时交易行情数据,是目前性价比较高的一种实盘接入方案。

课程选题

作为量化软件,QMT提供了两种使用方式。一种是内置量化交易平台。通过内置Python环境,实现策略开发、回测和实盘交易。另一种方式是使用QMT提供的XtQuant库,通过第三方量化框架驱动,来实现策略开发、回测和实盘交易。

通过XtQuant+第三方量化框架实现量化交易,有许多突出的优点:


  1. 更好的策略开发编辑工具。使用第三方量化框架,您将可以使用Vs Code或者PyCharm来进行策略开发与调试,这两种开发工具的效率远超QMT内置的编程界面。
  2. 更快的回测速度。多名用户反馈,在QMT内部进行回测,速度还是比较慢的。
  3. 不受限制地回测时间。部分券商提供的QMT在周末会进行维护,此时无法进行策略开发与回测。此外,一些券商提供的QMT,模拟盘交易时间又必须是在盘后才能进行。
  4. 避免锁定效应。使用QMT内置的量化功能,不可避免地产生锁定效应,这将包括:
  5. 技术锁定。内置QMT不能任意安装Python库。这将导致您无法使用先进的技术,在量化竞赛中,输在起跑线上。
  6. 数据锁定。使用内置QMT时,遇到QMT未提供的数据,但第三方数据源可提供,此时能否获取,如何获取,目前还未看到文档和示例。量化人都有自己的因子库,如何在内置环境下,提取、储存和读取因子库,这也是官方文档未提及的一个方面。
  7. 迁移锁定。一旦大量软件资产锁定在QMT内置平台上,未来迁移的成本将很高。触发量化平台的事件很多,比如,其它券商提供了更优惠的费率;或者您需要在多个券商处开多个户头;或者某个必须的数据只在其它平台上提供等等。此外还有一些外在因素,比如2023年就发生了聚宽和一创终止合作,从而导致用户不得不把策略往QMT上迁移的情况。

基于以上原因,本课程将主要讲授如何实现第三方量化框架下,集成XtQuant以实现量化交易。


主要内容有:

  1. 开通和安装QMT及XtQuant
  2. XtQuant的数据功能
  3. XtQuant的交易接口
  4. 将XtQuant封装成服务
  5. 与大富翁量化框架集成

Info

大富翁框架2.1版本将集成XtData的数据和交易接口,成为支持QMT量化交易的完整三方平台。数据存储基于Click House构建,可在容纳少量数据的同时,提供极低的查询响应时间。