MINIQMT學習課程Day11

現在開始進行策略的交易買賣分析:

還是之前的步驟,打開qmt,選擇獨立交易,

之后使用pycharm,編寫py文件

導入包:

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

進行賬戶鏈接:

# miniQMT安裝路徑
path = r'C:\國金QMT交易端模擬\userdata_mini'
# QMT賬號
account = '55003243'
# 取賬號信息
session_id = int(time.time())
xt_trader = XtQuantTrader(path, session_id)
acc = StockAccount(account, 'STOCK')
# 啟動交易線程
xt_trader.start()
# 建立交易連接,返回0表示連接成功
connect_result = xt_trader.connect()
print('建立交易連接,返回0表示連接成功', connect_result)
# 對交易回調進行訂閱,訂閱后可以收到交易主推,返回0表示訂閱成功
subscribe_result = xt_trader.subscribe(acc)
print('對交易回調進行訂閱,訂閱后可以收到交易主推,返回0表示訂閱成功', subscribe_result)

連接成功顯示效果:

確認股票后,下單購買:

核心四點:

代碼,價格,數量,方向

我們下單一個數據:

買入浦發銀行100股,對手方最優價格委托下單

# 買入 浦發銀行 最新價 兩萬元
stock = '600000.SH'
# 買入數量 取整為100的整數倍
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)

賣出浦發銀行100股,最新價下單

# 賣出 100股stock = '600000.SH'# 目標數量target_vol = 100# 可用數量available_vol = position_available_dict[stock] if stock in position_available_dict else 0# 賣出量取目標量與可用量中較小的sell_vol = min(target_vol, available_vol)print(f"{stock} 目標賣出量 {target_vol} 可用數量 {available_vol} 賣出 {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)

線程處理:

    # 阻塞主線程退出xt_trader.run_forever()

?

總結:

通過本文的學習,相信你已經掌握如何在QMT中進行最為簡單的交易了。希望本文可以幫助你!

歡迎大家和我交流溝通,學習使用量化交易方法。

    本文來自互聯網用戶投稿,該文觀點僅代表作者本人,不代表本站立場。本站僅提供信息存儲空間服務,不擁有所有權,不承擔相關法律責任。
    如若轉載,請注明出處:http://www.pswp.cn/news/901197.shtml
    繁體地址,請注明出處:http://hk.pswp.cn/news/901197.shtml
    英文地址,請注明出處:http://en.pswp.cn/news/901197.shtml

    如若內容造成侵權/違法違規/事實不符,請聯系多彩編程網進行投訴反饋email:809451989@qq.com,一經查實,立即刪除!

    相關文章

    # 實時人臉性別與年齡識別:基于OpenCV與深度學習模型的實現

    實時人臉性別與年齡識別:基于OpenCV與深度學習模型的實現 在當今數字化時代,計算機視覺技術正以前所未有的速度改變著我們的生活與工作方式。其中,人臉檢測與分析作為計算機視覺領域的重要分支,已廣泛應用于安防監控、智能交互、…

    Python Cookbook-5.14 給字典類型增加排名功能

    任務 你需要用字典存儲一些鍵和“分數”的映射關系。你經常需要以自然順序(即以分數的升序)訪問鍵和分數值,并能夠根據那個順序檢查一個鍵的排名。對這個問題,用dict 似乎不太合適。 解決方案 我們可以使用 dict 的子類,根據需要增加或者重…

    十四種邏輯器件綜合對比——《器件手冊--邏輯器件》

    目錄 邏輯器件 簡述 按功能分類 按工藝分類 按電平分類 特殊功能邏輯器件 應用領域 詳盡闡述 1 邏輯門 一、基本概念 二、主要類型 三、實現方式 四、應用領域 2 反相器 工作原理 基本功能 主要應用 常見類型 特點 未來發展趨勢 3 鎖存器 基本概念 工作原理 主要類型…

    如何更改wsl2中的ubuntu默認安裝位置

    先前的一篇文章提到了如何更改wsl里面ubuntu的home目錄,wsl裝ubuntu的home目錄在哪,如何更改home?_wsl安裝的ubuntu在哪里-CSDN博客 這次是要更改wsl中ubuntu的安裝目錄,畢竟默認安裝到c盤下會占用不少空間的。 從微軟商店get后…

    最近在工作中感受到了設計模式的重要性

    之前了解設計模式:只是應付一下面試 在之前一年多的工作中也沒遇到使用場景 最近在搭建驗證環境的時候,才發現這玩意這么重要 首先是設計模式的使用場景一定是在很復雜繁瑣的場景下進行的 之所以說是復雜/繁瑣的場景,因為一些場景也許邏輯不難…

    Python深度學習基礎——卷積神經網絡(CNN)(PyTorch)

    CNN原理 從DNN到CNN 卷積層與匯聚 深度神經網絡DNN中,相鄰層的所有神經元之間都有連接,這叫全連接;卷積神經網絡 CNN 中,新增了卷積層(Convolution)與匯聚(Pooling)。DNN 的全連接…

    Linux 第三講 --- 基礎指令(三)

    前言: 在前面我們已經講了有十幾個Linux的基礎指令,今天我們再補充幾個常用的基礎指令,為后面的學習做準備 。 目錄 前言: 一、兩個與時間相關的指令 1.date指令 演示 : 時間戳 設置時間 2、cal指令 演示&#x…

    基于SiamFC的紅外目標跟蹤

    基于SiamFC的紅外目標跟蹤 1,背景與原理2,SiamFC跟蹤方法概述2.1 核心思想2.2 算法優勢3,基于SiamFC的紅外跟蹤代碼詳解3.1 網絡定義與交叉相關模塊3.2 SiamFC 跟蹤器實現3.3 主程序:利用 OpenCV 實現視頻跟蹤4,總結與展望在紅外監控、無人機防御以及低光照場景中,紅外圖…

    Odoo 部署本地 把現時的excel計算表格部署上odoo 教程

    要將現有的 Excel 計算表格部署到 Odoo 平臺上,您可以按照以下步驟進行操作: 將 Excel 表格中的數據轉移到 Odoo 模塊中:首先,您需要將 Excel 表格中的數據導出為 CSV 格式,然后可以使用 Odoo 的數據導入功能將這些數據…

    KWDB創作者計劃—KWDB認知引擎:數據流動架構與時空感知計算的范式突破

    引言:數據智能的第三范式 在數字化轉型進入深水區的2025年,企業數據系統正面臨三重悖論:數據規模指數級增長與實時決策需求之間的矛盾、多模態數據孤島與業務連續性要求之間的沖突、靜態存儲范式與動態場景適配之間的鴻溝。KWDB(K…

    C語言 數據結構 【棧】動態模擬實現

    引言 動態模擬實現棧的各個接口 一、棧的概念與結構 棧:一種特殊的線性表,其只允許在固定的一端進行插入和刪除元素操作。進行數據插入和刪除操作的一端稱為棧頂,另一端稱為棧底。棧中的數據元素遵守后進先出LIFO(LastInFirstOut…

    Python itertools模塊的groupby函數介紹

    itertools.groupby 是 Python 標準庫 itertools 模塊中的一個函數,它的主要功能是對可迭代對象中相鄰的相同元素進行分組。 itertools.groupby(iterable, keyNone) 函數 作用: 將連續的(相鄰的)相同元素分組,返回 (…

    Python實例題:使用Python生成分形圖片

    目錄 Python實例題 題目 題目分析 需求理解 關鍵知識點 實現思路分析 代碼實現 代碼解釋 mandelbrot 函數: 設置復平面區域和圖像參數: 計算分形數據: 繪圖展示: 運行思路 Python實例題 題目 使用Python生成分形圖…

    系統編程1(進程的概念與原理)

    進程的概念與原理 計算機組成部分一般遵循馮諾依曼結構,也就是由控制器、運算器、存儲器、輸入設備、輸出設備五個部分組成。 ? 程序的編譯 一般在編寫出程序之后,并不能直接運行,而是需要把程序通過編譯器進行編譯,生成可執行…

    《Vue Router實戰教程》5.嵌套路由

    歡迎觀看《Vue Router 實戰(第4版)》視頻課程 嵌套路由 一些應用程序的 UI 由多層嵌套的組件組成。在這種情況下,URL 的片段通常對應于特定的嵌套組件結構,例如: 通過 Vue Router,你可以使用嵌套路由配置…

    使用Python解決Logistic方程

    引言 在數學和計算機科學中,Logistic 方程是描述人口增長、傳播過程等現象的一種常見模型。它通常用于表示一種有限資源下的增長過程,比如動物種群、疾病傳播等。本文將帶領大家通過 Python 實現 Logistic 方程的求解,幫助你更好地理解這一經典數學模型。 1.什么是 Logist…

    《從零搭建Vue3項目實戰》(AI輔助搭建Vue3+ElemntPlus后臺管理項目)零基礎入門系列第十二篇(完結篇):數據統計功能實現

    🤟致敬讀者 🟩感謝閱讀🟦笑口常開🟪生日快樂?早點睡覺 📘博主相關 🟧博主信息🟨博客首頁🟫專欄推薦🟥活動信息 文章目錄 《從零搭建Vue3項目實戰》(AI輔助…

    研究嵌入式軟件架構時遇到的初始化堆棧溢出問題

    文章目錄 2025年4月10日新增分析PC寄存器指針值排查問題map文件設計到的知識點1. **.bss 段(Block Started by Symbol)**2. **.data 段**3. **.text 段**4. **.heap 段**5. **.stack 段**6. **.rodata 段(只讀數據段)**7. **.init…

    軟件架構評估兩大法:ATAM 和 SAAM 的對比與實踐

    架構權衡分析方法(ATAM)和軟件架構分析方法(SAAM)是軟件架構評估領域中非常重要的兩種方法,以下為你詳細介紹: 一、架構權衡分析方法(ATAM) 1.背景與起源:ATAM 是由卡耐…

    Python爬蟲-爬取全球股市漲跌幅和漲跌額數據

    前言 本文是該專欄的第52篇,后面會持續分享python爬蟲干貨知識,記得關注。 本文中,筆者將基于Python爬蟲,實現批量采集全球股市行情(亞洲,美洲,歐非,其他等)的各股市“漲跌幅”以及“漲跌額”數據。 具體實現思路和詳細邏輯,筆者將在正文結合完整代碼進行詳細介紹。…