QMT如何补充三方库？miniqmt如何搭建本地python环境？

欢迎大家来到IT世界,在知识的湖畔探索吧!

QMT是迅投公司开发的量化交易软件，专供券商采购，但个人投资者也可申请使用。而miniQMT则是QMT的一个极简模式，继承了QMT的核心优势，它主要包括两个模块：xtdata（行情模块）和 xttrader（实盘接口）。

QMT与miniQMT之间最大的区别就是，QMT编写策略使用的是软件内已经封装完毕的python环境，并自带了一些常用的python三方库，不需要你再去搭建，缺点是相对比较封闭，没法连接外部接口。而miniqmt编写策略则是用你本地电脑的python环境，需要你自己在电脑上安装编译器、python语言、三方库等等，优点是可操作性很高，能自由连接外部各类python接口。

正是因为QMT提供了许多python三方库，我们编写策略的效率才会嘎嘎快，那当我们使用QMT时，需要补充三方库该怎么办？miniqmt又如何补充？下面我们就来聊聊这类问题。

01 QMT常用的python三方库？

Python 库在量化交易中扮演着核心角色，它们提供了从数据获取、策略开发、回测优化到实盘交易的全链条工具支持。量化交易的核心逻辑（数据驱动、算法决策、自动化执行）高度依赖这些库实现高效和可靠的落地。

而当我们在做量化交易的时候，经常会用到下面的三方库：

1.numpy

核心作用：高性能数值计算与矩阵运算

数据处理：支持多维数组（ndarray）操作，高效处理大规模数值数据（如价格序列、成交量）。

数学运算：提供矩阵乘法、统计函数（均值、方差、标准差）、线性代数运算（求逆、特征值）等，用于计算收益率、协方差矩阵、风险指标（如 VaR）。

随机数生成：支持蒙特卡洛模拟、随机过程建模（如几何布朗运动），用于策略回测或衍生品定价。

应用场景：清洗交易数据、计算资产收益、构建协方差矩阵、实现随机模拟算法。

2.Pandas

核心作用：数据分析与时间序列处理

数据结构：提供 DataFrame（表格型数据）和 Series（一维序列），天然适配金融时间序列数据（带时间戳的价格、成交量）。

数据清洗：处理缺失值、异常值，转换数据格式（如日期解析、复权处理）。

时间序列操作：重采样（如日线转分钟线）、滚动窗口计算（如 20 日移动平均线）、数据对齐（多资产同步）。

应用场景：读取行情数据（CSV/数据库）、构建特征工程（如技术指标计算）、回测结果分析（收益曲线、风险指标统计）。

3.Patsy

核心作用：统计建模公式系统（较少直接使用，常与 Statsmodels 配合）

公式接口：支持类似 R 语言的公式表达式（如 y ~ x1 + x2），简化线性回归、时间序列模型的参数设定。

设计矩阵构建：自动处理分类变量（独热编码）、交互项，生成模型训练所需的数据格式。

应用场景：在量化策略中构建多因子模型（如 CAPM、Fama-French 三因子模型），或回归分析因子有效性。

4.SciPy

核心作用：扩展科学计算功能（NumPy 的增强版）

优化算法：提供最小二乘法、梯度下降、遗传算法等，用于策略参数调优（如寻找最优止盈止损阈值）。

信号处理：傅里叶变换、滤波器设计，用于噪声过滤（如平滑价格序列）。特殊函数：积分、微分方程求解（常微分方程 ODE，用于期权定价模型如Black-Scholes）、统计分布（正态分布、t 分布拟合）。

应用场景：策略参数优化、技术指标平滑处理、复杂金融模型（如期权定价）的数值计算。

5.Statsmodels

核心作用：统计建模与计量经济学工具

描述统计：计算相关系数、方差分析（ANOVA）、假设检验（T 检验、KS 检验），验证策略显著性。

回归分析：普通最小二乘法（OLS）、广义线性模型（GLM），用于多因子选股、收益归因。

时间序列分析：ARIMA、VAR、GARCH 模型，捕捉资产价格的时序规律（如波动率聚类）。

应用场景：策略有效性检验（如夏普比率计算）、风险模型构建（波动率预测）、因子有效性分析（回归显著性）。

6.TA_Lib

核心作用：技术分析指标计算与形态识别

经典指标：直接计算 MACD、RSI、KDJ、布林带（Bollinger Bands）、ADX 等，快速生成交易信号。

形态识别：检测 K 线形态（如锤子线、吞没形态、黄昏之星），辅助趋势判断。

应用场景：基于技术面的趋势跟踪策略（如均线金叉/死叉）、超买超卖信号捕捉、日内交易策略开发。

我这里只是列举了一些常用的三方库与作用，实际运用中我们可能会用到非常多的三方库，那无论是QMT的封闭python环境还是miniqmt的本地python环境都有可能并没有或缺少我们所需要的三方库，此时就需要我们去补充一下。

接下来我们就分别来说说如何给QMT或miniqmt补充python三方库。

02 大QMT内置python如何补充三方库？

QMT 系统的安装包默认自带 Python 运行环境。用户安装完迅投客户端后，默认可以直接使用Python。在这个打包的Python环境中，迅投除了提供标准的 Python api 带的库外，还集成了如下一些第三方库：NumPy、Pandas、Patsy、SciPy、Statsmodels、TA_Lib等等。

除迅投提供的标准 Python api 和集成的部分第三方库，用户也可自己在 Python 官网下载其他所需第三方库，使用方式如下：

1.本地安装Python环境，下载python3.6，Python官网：
https://www.python.org/downloads/release/python-360/

2.安装位置：C:\Python36

新增环境变量：我的电脑–属性–高级系统设置–高级–环境变量—path：C:\Python36;C:\Python36\Scripts

欢迎大家来到IT世界,在知识的湖畔探索吧!

3.Python环境检查

Win+R 打开运行,输入 cmd

检查Python变量

4.安装第三方库

安装前先确认客户端安装目录，根据个人电脑进行调整。

安装时若遇到下面错误提示，请执行 pip 更新命令 python -m pip install –upgrade pip

安装三方库命令 pip install openpyxl -t E:\QMT交易端20962\bin.x64\Lib\site-packages

5.检查安装结果

安装位置\bin.x64\Lib\site-packages检查安装库

6.调用三方库

按以上步骤给大QMT补充好三方库后，我们便可以直接在大QMT的编辑器中import直接调用了，比如：import numpy

注意，以上步骤是给我们（大）QMT的内置python补充三方库，所以在用“pip install”安装三方库时，一定要指定你自己的QMT的三方库存储路径。

03 miniQMT如何搭建本地python和补充三方库？

如果使用的是miniqmt，那整个python环境都需要自己搭建，无论是python语言、vscode编辑器还是三方库都得自己动手下载补充，接下来我们就从头开始介绍下怎么搭建。

1.下载python语言

浏览器打开python的官方网址：www.python.org，选择downloads-windows。（注意：不要勾选mac版本，因为QMT不支持mac系统）

根据自己的电脑选择合适的版本，建议选择python3.11版本进行安装。（注意：miniqmt目前仅支持python3.6-3.12）

2.下载vscode并配置相关插件

浏览器打开vscode的官方网址：code.visualstudio.com，选择“download for windows”，然后打开所下载好的vscode安装程序，按照步骤勾选安装即可，具体步骤如下图所示：

打开vscode配置自己所需要的插件：python解析器、Chinese汉化插件等等，具体步骤入下图所示：

3.下载xtquant和其他三方库

按“windows键+R”输入“cmd”，然后在命令窗口输入“pip install+需要安装的库名”，比如“pip install xtquant”。

但这种方法下载速度非常慢，如果涉及到很多三方库，那估计得花费好几个小时，如果嫌麻烦且想给miniqmt一次性批量安装三方库，也可找我领取三方库批量安装包：

按以上步骤配置好本地python环境并补充好三方库后，我们便可以直接在vscode编辑器中import直接调用了，比如：import numpy，from xtquant import xtdata 等等。

04 如何开通PTrade或QMT（含miniqmt）软件？门槛是多少？

首先，PTrade或QMT（含miniqmt）的申请条件如下：

a.开通券商证券账户

b.账户满足10万资金要求

申请条件就这么简单，不管是机构还是散户都可以申请，并且不是要求日均资产，而是账户有10万资金之后就可以直接申请。

注意：需要有客户经理才可以申请，否则会出现以下情况。（所以记得找客户经理开通账户）

在找到经理且账户入金10w后便可以在app在线申请PTrade或QMT（含miniqmt），具体流程如下：

a.T日开户成功，T+1日入金后可在app的入口提交申请，同时经理将会收到申请单（记得提醒他点同意）

b.提交申请后一般耗时1-3交易日即可通过，届时将会把量化软件的下载链接发到你邮箱。

c.安装PTrade或QMT（含miniqmt）后，大QMT记得下载python库、补充历史数据，miniqmt记得配置xuquant库。

d.若有需要，也可找经理申请私用的PTrade或QMT（含mini）测试账号，方便后续策略调试。

最后，我这里也准备了一些量化资料，包括PTrade或QMT的教程、python基础课程、通达信预警跟单、聚宽跟单、雪球跟单、宽邦自动交易插件、集思录数据api等等，需要的股东们后台找我。