QMT行情管理：get_trading_dates 数量定位与日期区间获取的应用对比

在QMT量化策略开发中，ContextInfo.get_trading_dates 是一个非常核心的行情管理函数，用于获取指定个股、合约或指数的K线（交易日）时间戳列表。在实际应用中，开发者通常会面临两种定位需求：获取最近N根K线的时间（数量定位）或获取某时间段内的所有K线时间（区间定位）。

本文将深度对比 count 参数与 start_date 参数在 get_trading_dates 中的运行机制、优先级及应用场景。

1. 函数原型与参数释义

首先，我们来看 get_trading_dates 的标准调用格式：

ContextInfo.get_trading_dates(stockcode, start_date, end_date, count, period)

核心参数解析：

• stockcode: 证券代码（如 '600000.SH'），缺省时默认为当前主图代码。
• start_date: 区间起始时间（格式如 '20170101'）。若不为空，则激活“区间定位”模式。
• end_date: 区间结束时间，缺省时默认为当前 bar 的时间。
• count: 整数，表示获取的K线数量。若激活“数量定位”模式，将从 end_date 往前获取 count 个K线时间。
• period: K线周期（如 '1d' 代表日线，'1m' 代表1分钟线等）。

2. count 数量定位 vs start_date 区间定位 核心区别

这两者的本质区别在于定位维度与参数优先级：

3. 代码示例与应用对比

场景一：使用 count 获取最近 5 个交易日的日线时间戳

当我们需要计算短期指标（如5日均价），只需要获取当前时间往前的5个交易日，此时应将 start_date 设为空字符串 ''：

# coding:gbk
def handlebar(ContextInfo):
    # 获取当前主图品种，从当前bar往前数5个交易日的列表
    trading_dates = ContextInfo.get_trading_dates(ContextInfo.stockcode, '', '', 5, '1d')
    print(f"最近5个交易日: {trading_dates}")
    # 输出示例: ['20231023', '20231024', '20231025', '20231026', '20231027']

场景二：使用 start_date 获取特定日期区间内的所有交易日

当我们需要统计某一特定历史阶段（如2023年第一季度）的交易日时，必须指定 start_date。此时无论 count 填什么，都会被系统忽略：

# coding:gbk
def handlebar(ContextInfo):
    # 获取2023年1月1日至2023年3月31日之间的所有日线交易日
    # 此时 count 填 1 也会被忽略，实际返回该区间内全部约60个交易日
    trading_dates = ContextInfo.get_trading_dates('600000.SH', '20230101', '20230331', 1, '1d')
    print(f"2023年Q1交易日总数: {len(trading_dates)}")

4. 开发者避坑指南与最佳实践

1. 避免参数冲突：很多初学者会同时填写 start_date 和 count，试图获取“某天开始往后的N个交易日”。这是错误的。QMT的底层逻辑是：一旦 start_date 有值，count 立即失效。如果想获取“某天开始往后的N个交易日”，应先用区间定位获取较长列表，再在 Python 中使用切片 [:N] 截取。
2. 非日线周期的返回格式：当 period 为 '1d'（日线）时，返回的日期格式为 ['YYYYMMDD', ...]；而当 period 为分钟线（如 '1m', '5m'）时，返回的格式为 ['YYYYMMDDHHMMSS', ...]。在做时间格式解析时需特别注意。
3. 配合数据补充：无论是数量定位还是区间定位，获取结果都依赖于本地历史数据。在使用 get_trading_dates 前，请务必通过 QMT 客户端的 “数据管理” 功能补充对应品种和周期的历史行情数据，否则可能返回空列表。