如何用 QMT 编写经典的动量选股策略？(附源码)

这是一个基于QMT平台的动量策略实现。

策略逻辑分析

1. 选股范围：默认为沪深300成分股（可在 init 中修改）。
2. 动量计算：计算过去60个交易日（约3个月）的收益率。
3. 筛选标准：选取收益率最高的10%的股票。
4. 调仓周期：按月调仓。当检测到当前K线所在的月份与上一次交易月份不同时，触发调仓。
5. 交易执行：
   • 清仓不在目标列表中的持仓。
   • 对目标列表中的股票进行等权重买入。

策略代码

# -*- coding: gbk -*-
import pandas as pd
import numpy as np

def init(ContextInfo):
    """
    初始化函数，设定股票池、账号、全局变量
    """
    # 1. 设定基准和股票池（这里以沪深300为例）
    ContextInfo.index_code = '000300.SH'
    ContextInfo.set_universe(ContextInfo.get_stock_list_in_sector('沪深300'))
    
    # 2. 设定资金账号 (请替换为您自己的资金账号)
    ContextInfo.accID = 'YOUR_ACCOUNT_ID' 
    ContextInfo.set_account(ContextInfo.accID)
    
    # 3. 初始化全局变量
    ContextInfo.last_month = None # 用于记录上一次调仓的月份
    ContextInfo.holdings = []     # 记录当前持仓
    
    print("策略初始化完成")

def get_momentum_stocks(ContextInfo):
    """
    计算动量并筛选前10%的股票
    """
    stock_list = ContextInfo.get_universe()
    
    # 获取过去约3个月（60个交易日）的历史收盘价数据
    # count=61 是为了保证能计算出60天的涨幅 (今天 / 60天前 - 1)
    data_map = ContextInfo.get_market_data_ex(
        ['close'], 
        stock_list, 
        period='1d', 
        count=61, 
        dividend_type='front' # 前复权
    )
    
    momentum_dict = {}
    
    for stock in stock_list:
        if stock in data_map:
            df = data_map[stock]
            # 确保数据长度足够计算
            if len(df) >= 60:
                # 获取最新收盘价和60天前的收盘价
                price_now = df.iloc[-1]['close']
                price_prev = df.iloc[0]['close'] # 取获取到的数据的第一条作为基准
                
                if price_prev > 0:
                    # 计算收益率
                    ret = (price_now - price_prev) / price_prev
                    momentum_dict[stock] = ret
    
    # 按收益率从高到低排序
    sorted_stocks = sorted(momentum_dict.items(), key=lambda x: x[1], reverse=True)
    
    # 选取前10%
    select_count = int(len(sorted_stocks) * 0.1)
    if select_count < 1:
        select_count = 1
        
    target_stocks = [x[0] for x in sorted_stocks[:select_count]]
    
    return target_stocks

def rebalance(ContextInfo, target_stocks):
    """
    调仓执行函数
    """
    print(f"开始调仓，目标持仓数量: {len(target_stocks)}")
    
    # 1. 获取当前持仓
    # 注意：回测模式下可以直接读取 ContextInfo.holdings (如果自己维护) 
    # 或者使用 get_trade_detail_data 获取真实/模拟账户持仓
    positions = get_trade_detail_data(ContextInfo.accID, 'stock', 'position')
    current_holdings = [obj.m_strInstrumentID + '.' + obj.m_strExchangeID for obj in positions]
    
    # 2. 卖出不在目标池中的股票
    for stock in current_holdings:
        if stock not in target_stocks:
            # 目标仓位为0，即清仓
            order_target_percent(stock, 0, 'fix', -1, ContextInfo, ContextInfo.accID)
            print(f"卖出平仓: {stock}")
    
    # 3. 买入目标池中的股票
    if len(target_stocks) > 0:
        # 等权重分配，每个股票分配 1/N 的资金
        weight = 1.0 / len(target_stocks)
        
        for stock in target_stocks:
            # 目标仓位调整为 weight (例如 0.05 代表 5%)
            # 注意：order_target_percent 需要在回测或实盘支持该接口的环境下运行
            # 如果是纯实盘简易模式，可能需要改用 order_target_value
            order_target_percent(stock, weight, 'fix', -1, ContextInfo, ContextInfo.accID)
            print(f"买入/调整: {stock}, 目标权重: {weight:.2%}")

def handlebar(ContextInfo):
    """
    K线周期运行函数
    """
    # 获取当前K线的时间
    index = ContextInfo.barpos
    timetag = ContextInfo.get_bar_timetag(index)
    current_date_str = timetag_to_datetime(timetag, '%Y%m%d')
    current_month = current_date_str[0:6] # 提取 'YYYYMM'
    
    # 判断是否是新的一月
    if ContextInfo.last_month != current_month:
        print(f"检测到新月份: {current_month}，触发调仓逻辑...")
        
        # 1. 选股
        target_stocks = get_momentum_stocks(ContextInfo)
        
        # 2. 执行调仓
        rebalance(ContextInfo, target_stocks)
        
        # 3. 更新月份记录
        ContextInfo.last_month = current_month

代码关键点说明

1. ContextInfo.get_market_data_ex:

   • 这是QMT获取历史行情的核心接口。
   • count=61：我们需要计算过去60个交易日的涨幅，所以取61根K线，用 (第61根收盘价 - 第1根收盘价) / 第1根收盘价 来计算。
   • dividend_type='front'：使用前复权数据，这对于计算长周期收益率至关重要，可以避免分红除权导致的价格跳水误判。

2. 调仓时间控制:

   • 策略通过比较 current_month 和 ContextInfo.last_month 来判断是否换月。
   • 在回测中，这通常意味着每个月第一个交易日的开盘阶段（或收盘阶段，取决于回测机制设置）会触发信号。

3. 交易函数 order_target_percent:

   • 该函数用于将某只股票的仓位调整到总资产的指定比例。
   • weight = 1.0 / len(target_stocks) 实现了等权重买入。
   • 如果某只股票已经在持仓中且在目标列表中，该函数会自动加仓或减仓使其达到目标权重。
   • 如果某只股票不在目标列表中，我们显式调用 order_target_percent(stock, 0, ...) 进行平仓。

4. 账号设置:

   • 代码中 ContextInfo.accID = 'YOUR_ACCOUNT_ID' 处需要您填入实际的资金账号（回测时通常不需要改，实盘/模拟盘必须填对）。

使用前注意事项

• 数据下载：请务必在QMT客户端的【数据管理】中，下载补充好所需的历史日线数据（包括沪深300成分股的日线数据），否则 get_market_data_ex 可能返回空值。
• 回测设置：在策略编辑器的回测参数中，设置好初始资金、费率等参数。
• 实盘风险：此代码主要用于回测和学习。实盘使用时，建议增加风控逻辑（如停牌股处理、涨跌停无法成交处理、滑点控制等）。

Q&A

Q: 如何修改回测的起止时间？
A: 在QMT策略编辑器的右侧“回测参数”面板中直接设置“开始时间”和“结束时间”，或者在代码 init 函数中添加 ContextInfo.start = '2020-01-01' 和 ContextInfo.end = '2021-01-01'。

Q: 为什么回测时没有交易？
A: 1. 检查是否下载了对应的历史数据。2. 检查 ContextInfo.accID 是否设置正确（回测模式下通常会自动分配虚拟账号，但显式设置为空字符串 '' 有时更安全）。3. 检查 get_stock_list_in_sector 获取的板块名称是否正确。

Q: 如何将选股范围改为全市场？
A: 将 init 中的 ContextInfo.set_universe(...) 替换为 ContextInfo.set_universe(ContextInfo.get_stock_list_in_sector('沪深A股'))。注意全市场选股计算量较大，回测速度会变慢。