qmt 平台如何使用 get_trading_dates 排除非交易日并对齐股票与期货时间轴？

为什么多市场量化策略需要对齐时间轴？

在进行跨品种、跨市场交易（如股票与股指期货套利、商品期货与行业板块对冲）时，不同市场的交易日历往往存在差异。例如：

1. 节假日差异：A股与海外市场或某些特定期货品种的交易日可能不一致。
2. 夜盘交易：期货市场存在夜盘（属于次日交易日），而股票市场只有日盘。

如果直接按 K 线索引（barpos）进行计算，会导致数据错位，产生严重的“未来函数”或逻辑错误。因此，必须使用 QMT 的 get_trading_dates 接口获取真实的交易日历，并对齐时间轴。

QMT 核心接口：get_trading_dates

1. 函数原型

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

2. 参数说明

• stockcode: 证券代码（如 '600000.SH' 或 'IF00.IF'）。
• start_date: 开始时间，格式为 'YYYYMMDD'。若不为空，则 count 参数失效。
• end_date: 结束时间，格式为 'YYYYMMDD'，默认为当前 bar 的时间。
• count: 获取的 K 线个数（必须大于 0）。当 start_date 为空时生效，表示获取 end_date 往前数 count 个交易日。
• period: K 线周期，如 '1d'（日线）、'1m'（1分钟线）等。

3. 返回值

返回一个包含时间字符串的 list。若周期为日线，返回格式如 ['20231001', '20231002', ...]；若为分钟线，返回格式如 ['20231001093000', ...]。

实战代码：对齐股票与期货交易日历

以下源码展示了如何在 init 初始化阶段获取股票和期货的交易日历，通过 Python 的集合（Set）求交集，找出共同的交易日，并在 handlebar 中排除非共同交易日。

#coding:gbk

def init(ContextInfo):
    # 1. 定义需要对齐的股票和期货标的
    ContextInfo.stock = '600000.SH'  // 浦发银行
    ContextInfo.future = 'IF00.IF'   // 沪深300股指期货连续
    
    # 2. 设定获取交易日历的时间范围
    start_time = '20230101'
    end_time = '20231231'
    
    # 3. 分别获取股票和期货的交易日历列表
    # 注：count参数在start_time不为空时无效，传入1作为占位符
    stock_calendar = ContextInfo.get_trading_dates(ContextInfo.stock, start_time, end_time, 1, '1d')
    future_calendar = ContextInfo.get_trading_dates(ContextInfo.future, start_time, end_time, 1, '1d')
    
    # 4. 利用集合求交集，获取共同交易日，并重新排序
    common_dates = list(set(stock_calendar).intersection(set(future_calendar)))
    common_dates.sort()
    
    # 将对齐后的交易日历存入全局变量
    ContextInfo.common_dates = common_dates
    
    print(f"股票交易天数: {len(stock_calendar)}")
    print(f"期货交易天数: {len(future_calendar)}")
    print(f"对齐后的共同交易天数: {len(ContextInfo.common_dates)}")

def handlebar(ContextInfo):
    # 1. 获取当前主图 K 线的时间戳并转换为 YYYYMMDD 格式
    raw_time = ContextInfo.get_bar_timetag(ContextInfo.barpos)
    current_date = timetag_to_datetime(raw_time, '%Y%m%d')
    
    # 2. 排除非共同交易日
    if current_date not in ContextInfo.common_dates:
        # 如果当前日期不是共同交易日，则跳过不执行交易逻辑
        return
        
    # 3. 执行对齐后的多市场交易策略逻辑
    print(f"【对齐交易日】当前日期 {current_date} 满足对齐条件，开始执行策略...")
    # 在此编写您的双市场套利或对冲逻辑

避坑指南与核心要点

1. 数据补充：在使用 get_trading_dates 之前，请务必通过 QMT 客户端的 “数据管理” 功能，完整下载对应品种及对应周期的历史行情数据，否则可能获取到空列表。
2. 分钟级对齐：如果是在分钟周期（如 '1m'）上对齐，由于期货有夜盘而股票没有，交集法会自动过滤掉期货的夜盘数据，只保留日盘重合的分钟 Bar。
3. 主图品种选择：建议将交易频次较低或交易时间较短的品种（如股票）设为主图，这样可以天然减少无效 handlebar 的驱动次数，提高回测效率。