目前,国内部分主流券商可提供量化交易软件
服务,涵盖QMT(迅投量化交易系统)、Ptrade(恒生智能交易系统)、miniQMT(QMT极简模式)等工具。这些券商包括:
miniQMT是QMT(迅投量化交易系统)的极简模式,由迅投公司开发,是券商采购QMT后提供的纯API版本量化工具。其核心定位是为有编程基础的投资者提供轻量化、高灵活的交易执行解决方案,剥离了QMT的复杂图形界面,仅保留核心的行情获取与交易接口。
纯API交易接口:miniQMT通过xtquant库(包含xtdata行情模块与xttrader实盘接口)连接外部Python环境(如PyCharm、VSCode),支持用户用Python编写策略并直接调用接口执行交易。例如,用户可通过xtdata.get_market_data()获取实时行情,通过xttrader.order_stock()下达买卖指令。本地策略编写与调试:策略代码在用户本地Python环境中编写(需自行安装xtquant库),调试过程与普通Python项目一致,灵活性极高。例如,用户可结合pandas、numpy等库进行数据分析,或用backtrader进行回测。
miniQMT与大QMT均由迅投公司开发,但定位、功能复杂度、适用人群差异显著,具体对比如下:
| 维度 | miniQMT | 大QMT |
|---|---|---|
| 核心定位 | QMT的纯API版本,专注于交易执行 | 一站式量化解决方案,覆盖行情、研究、交易、风控全流程 |
| 界面与操作 | 无图形界面,仅通过Python API操作 | 有丰富图形界面(如策略编写、回测、监控模块),支持可视化操作 |
| 功能复杂度 | 功能精简,仅保留核心行情与交易接口 | 功能全面,包含多市场交易(股票、期货、期权)、高级风控(如资金限制、持仓预警)、算法交易(如TWAP、VWAP)等 |
| 策略自由度 | 极高,支持外部Python生态(如结合pandas、sklearn),策略与平台解耦 | 较高,但策略需在QMT客户端内编写,依赖平台框架 |
| 适用人群 | 有编程基础的量化研究者、中小投资者(追求灵活与低成本) | 专业量化机构、高净值客户(需要复杂策略与一站式服务) |
| 回测与风控 | 无内置回测功能,需借助第三方工具(如backtrader);风控功能较弱 | 内置回测模块(支持历史数据回测)、高级风控(如实时资金监控、持仓限制) |
| 运行方式 | 本地电脑或云服务器运行(需启动miniQMT客户端) | 本地电脑运行(客户端需每日重启) |