小果QMT与Ptrade策略转换助手

> 作者：小果（微信：xg_quant）
> 版本：1.0.0
> 覆盖平台：迅投 QMT（极速策略交易系统） · 恒生 Ptrade 量化交易终端
> 文档规模：QMT 参考资料 129 篇 + Ptrade 参考资料 80 篇（已按平台合并为 8 个大文档）+ 策略源码 69 个 + 策略示例 24 个
> 文件总数：116 个（满足 ≤200 个文件的数量限制）
> 声明：仅做学习与研究使用，不构成投资建议，注意风险。

一、这个技能解决什么问题

同一个策略思路，写到 QMT 和 Ptrade 上就是两套完全不同的代码：QMT 用 ContextInfo 对象 + passorder(...) 十一参下单，Ptrade 用全局函数 + order(...) 下单；QMT 的 K 线入口叫 handlebar，Ptrade 叫 handle_data；QMT 代码后缀是 .SH/.SZ，Ptrade 是 .SS/.SZ。

本技能把这两套体系逐项对齐，让你能：

二、双平台总览对照

> 一句话记忆：QMT 是"对象 + 十一参下单"，Ptrade 是"全局函数 + 正负持仓下单"。

三、代码骨架对照（可直接套用）

3.1 QMT 最小可运行骨架

#coding:gbk                      # 【QMT 必须】第一行声明编码，否则中文报错
import numpy as np

class G:                          # QMT 禁止在 ContextInfo 上存状态（逐K回滚会丢），用全局类承载
    pass
g = G()

def init(ContextInfo):
    g.stock  = '000001.SZ'
    g.accid  = '你的资金账号'
    ContextInfo.start   = '2020-01-01 00:00:00'
    ContextInfo.end     = '2023-12-31 00:00:00'
    ContextInfo.capital = 1000000

def handlebar(ContextInfo):
    # 回测：先补本地数据；实盘：subscribe=True 用实时行情
    data = ContextInfo.get_market_data_ex(
        ['close'], [g.stock], period='1d', count=20,
        dividend_type='front', subscribe=False)
    close = data[g.stock]['close']
    if len(close) < 20:
        return
    ma5, ma20 = close[-5:].mean(), close[-20:].mean()
    vol = 100                                  # 股数（ETF/股票 100 股 = 1 手）
    if ma5 > ma20:
        passorder(23, 1101, g.accid, g.stock, 5, -1, vol,
                  '小果策略', 2, '金叉买入', ContextInfo)
    else:
        passorder(24, 1101, g.accid, g.stock, 5, -1, vol,
                  '小果策略', 2, '死叉卖出', ContextInfo)

3.2 Ptrade 最小可运行骨架（同一策略的 Ptrade 版）

# -*- coding: utf-8 -*-             # Ptrade 用 UTF-8，不需要 gbk
import numpy as np

STOCK  = '000001.SZ'                # 注意：沪市为 .SS
SHORT  = 5
LONG   = 20
VOLUME = 100

def initialize(context):
    set_universe([STOCK])           # 【Ptrade 必须】设置股票池
    set_benchmark('000300.SS')      # 基准
    set_commission(commission_ratio=0.0003, min_commission=5.0, type='STOCK')
    set_slippage(0.002)
    g.stock = STOCK
    g.hold  = False

def handle_data(context, data):
    df = get_price(g.stock, frequency='1d', fields=['close'],
                   count=LONG + 5, fq='pre')
    close = df['close'].values
    if len(close) < LONG:
        return
    ma_s, ma_l = close[-SHORT:].mean(), close[-LONG:].mean()
    if ma_s > ma_l and not g.hold:
        order(g.stock, VOLUME)                 # 正数买入
        g.hold = True
    elif ma_s < ma_l and g.hold:
        order(g.stock, -context.portfolio.positions[g.stock].enable_amount)  # 负数卖出，T+1 用可用持仓
        g.hold = False

对照要点：编码行、入口函数名、下单调用方式、股票池设置、后缀格式、卖出数量取 enable_amount（T+1）。

四、核心 API 映射总表（QMT ↔ Ptrade）

4.1 策略生命周期

4.2 行情数据获取

4.3 证券 / 财务 / 板块信息

4.4 交易下单（差异最大，重点看）

> passorder 十一参速记：(操作类型, 下单量类型, 资金账号, 代码, 报价类型, 价格, 数量, 策略名, 快速交易, 备注, ContextInfo)
> 例：passorder(23, 1101, 'acct', '000001.SZ', 5, -1, 100, '小果策略', 2, '买入', ContextInfo)

4.5 账户与查询

> 命名规律：QMT 里 get_ 开头 = 取客户端内存，query_ 开头 = 向服务端查询（异步，需配合回调）。

4.6 定时任务与回调

4.7 设置 / 工具 / 指标 / 日志

4.8 数据字典与枚举

委托状态（Ptrade order.status）

QMT orderType（下单量类型）：1101 股数/手数 · 1102 金额 · 1113 占总资产比例
QMT prType（报价类型）：5 最新价 · 11 指定价（配合 price） · 14 对手价
QMT opType（操作类型）：23 股票/ETF/可转债买入 · 24 卖出 · 25 组合买入 · 27 融资买入 · 33 担保品买入（完整枚举见 references/QMT/QMT_01_行情与交易API手册.txt 中的「15枚举常量.txt」与「43变量说明.txt」，以及 references/小果全能大QMT量化交易助手.md 的第四部分「参数枚举值大全」）

五、标的代码格式转换

5.1 后缀对照

> 注：QMT 内部严格区分大小写（rb2401.SF 不能写成 RB2401.SF）；部分 Ptrade 版本亦兼容聚宽风格 .XSHG / .XSHE，但推荐统一使用 .SS / .SZ。

5.2 转换规则（可直接用代码实现）

# QMT -> Ptrade
def qmt_to_ptrade(code: str) -> str:
    return code.replace('.SH', '.SS').replace('.IF', '.CFFEX') \
               .replace('.SF', '.SHFE').replace('.DF', '.DCE') \
               .replace('.ZF', '.CZCE').replace('.GF', '.GFEX')

# Ptrade -> QMT
def ptrade_to_qmt(code: str) -> str:
    return code.replace('.SS', '.SH').replace('.CFFEX', '.IF') \
               .replace('.SHFE', '.SF').replace('.DCE', '.DF') \
               .replace('.CZCE', '.ZF').replace('.GFEX', '.GF')

批量转换与整文件改写请直接用 scripts/qmt_ptrade_converter.py：

# 查看文件是 QMT 还是 Ptrade 风格，并列出所有跨平台误用
python scripts/qmt_ptrade_converter.py --check strategy.py

# 只转标的代码后缀（.SH -> .SS 等），原地覆盖前请先备份
python scripts/qmt_ptrade_converter.py --convert-code strategy.py -o strategy_ptrade.py

# 打印 QMT <-> Ptrade API 映射表
python scripts/qmt_ptrade_converter.py --map

六、周期与复权参数对照

> Ptrade 的 fq='dypre' 表示"上一交易日的前复权价"，常用于计算涨跌停/昨收，不是 QMT 的标准枚举，移植时按业务语义处理。

七、双向转换工作流

7.1 QMT → Ptrade（8 步）

1. 识别骨架：init(ContextInfo) → initialize(context)；handlebar(ContextInfo) → handle_data(context, data)；after_init 内容并入 initialize 末尾。
2. 去掉 QMT 专有行：删除 #coding:gbk；把 ContextInfo.xxx 全部改写为对应全局函数或 context.xxx。
3. 状态迁移：g = G() 全局类实例上的字段 → 统一迁到 g.xxx（Ptrade 已预定义 g），不要再挂到 context 上（回测/实盘会乱）。
4. 取数改写：ContextInfo.get_market_data_ex([...], [...], period=..., count=..., dividend_type=...) → get_price(security, frequency=..., fields=[...], count=..., fq='pre')；subscribe=False 直接删掉（Ptrade 无需）；删除 download_history_data(...)。
5. 下单改写：passorder(23, 1101, acc, code, 5, -1, n, name, 2, msg, CI) → order(code, n)；opType=24 → order(code, -n)；orderType=1102 → order_value(code, amount)；orderType=1113 → 先算股数再 order。
6. 代码后缀：.SH → .SS（用 §5.2 规则或 --convert-code）。
7. 股票池与设置：在 initialize 里补 set_universe([...])、set_benchmark(...)、set_commission(...)、set_slippage(...)。
8. 定时器与回调：run_time / schedule_run → run_daily / run_interval；order_callback / deal_callback → on_order_response / on_trade_response；定时器里的 quickTrade=2 不用搬，Ptrade 直接下单即生效。

7.2 Ptrade → QMT（8 步）

1. 加编码行：文件首行 #coding:gbk（否则中文注释直接报错）。
2. 骨架改写：initialize(context) → init(ContextInfo)；handle_data(context, data) → handlebar(ContextInfo)；before_trading_start / after_trading_end → 用 run_time / schedule_run 定时器实现。
3. 状态迁移：g.xxx → 自定义全局类 g = G() 的字段（QMT 的 ContextInfo 不可存状态，会被逐 K 回滚清空）。
4. 取数改写：get_price(...) → ContextInfo.get_market_data_ex(...)，fq='pre' → dividend_type='front'；回测前必须先 download_history_data(code, period, start, end) 补本地数据，实盘取数加 subscribe=True。
5. 下单改写：order(code, n) → passorder(23, 1101, acc, code, 5, -1, n, '策略名', quickTrade, '备注', ContextInfo)；order(code, -n) → opType=24；order_target_value(code, v) → 先查持仓算差值，再用 orderType=1102 或 1101 下单。
6. 代码后缀：.SS → .SH。
7. 参数替换：窗口期、频率枚举（'60m' → '1h'）、复权枚举按 §六 表替换。删掉 set_universe / set_benchmark，改为自建列表 + ContextInfo.benchmark。
8. 回测验证：在 QMT 策略编辑器中以「回测模式」跑通，确认无白名单/取数报错后再切「模拟信号」→「实盘」。

7.3 转换后自检清单（逐条打勾）

• [ ] 文件首行编码：QMT 是 #coding:gbk；Ptrade 是 UTF-8（无 gbk 行）
• [ ] 入口函数齐全：QMT init+handlebar；Ptrade initialize+handle_data
• [ ] 无跨平台 API：QMT 文件里无 get_price/set_universe；Ptrade 文件里无 ContextInfo/passorder/security.
• [ ] 状态全部落在全局 g 上，没有挂在 ContextInfo / context 上
• [ ] 标的后缀已按目标平台改写（.SH↔.SS 等）
• [ ] 复权枚举语义一致（QMT front ↔ Ptrade pre）
• [ ] 卖出数量取"可用持仓"（Ptrade enable_amount），避免 T+1 废单
• [ ] 数量为 100 的整数倍（股票/ETF）
• [ ] QMT 定时器内 quickTrade=2；Ptrade 定时器内直接下单
• [ ] QMT 回测前已 download_history_data；实盘取数 subscribe=True
• [ ] 第三方库仅在 QMT 白名单内（numpy/pandas 等默认可用，其余需券商开通）
• [ ] 用 python scripts/validate_strategy.py strategy.py 跑一遍静态检查

八、跨平台高频坑（15 条）

九、报错对照速查

十、内置策略与模板索引

10.1 scripts/（69 个 QMT 实盘/回测成品策略 + 2 个工具脚本）

10.2 assets/（Ptrade 策略与实战示例，24 个）

10.3 references/ 已合并的平台文档（检索入口）

> 原始教程已按平台合并成 8 个大文档，每个源文件在合并文件内以 【源文件】xxx.txt 独立分节，直接全文检索关键词即可定位。

10.4 工具脚本（本技能新增）

十一、参考文档全量索引

> 为避免文件数量过多，两平台 199 篇原始教程已按平台合并为 8 个大文档（QMT 4 个 + Ptrade 4 个），
> 每个源文件在合并文档内以 【源文件】原文件名 独立分节，一篇未删、一篇未丢，直接全文检索文件名或关键词即可定位。
> .py / .json 代码与数据文件保持独立存放（合并会破坏可运行性）。

11.1 references/QMT/（迅投 QMT，129 篇原始资料 → 4 个合并文档 + 7 个代码文件）

11.2 references/Ptrade/（恒生 Ptrade，80 篇原始资料 → 4 个合并文档 + 3 个脚本）

11.3 两个原技能手册全文（完整保留）

十二、平台运行步骤

12.1 QMT

1. 打开迅投研终端 / 券商 QMT，进入「策略编辑」新建 Python 策略，粘贴代码（首行保留 #coding:gbk）。
2. 首次运行先补数据：download_history_data('000001.SZ', '1d', '20200101', '20231231')。
3. 选模式：策略编辑器上方「回测」→ 看回测报告；「运行」→ 调试模式（实时行情，不记信号）。
4. 实盘：进入「策略交易」界面 → 选策略文件 → 右侧选「模拟」（只记信号）或「实盘」（真实下单）→ 运行。
5. 排查：无委托先查是否在「模型交易」界面运行、quickTrade 是否为 2、账号是否登录。

12.2 Ptrade

1. 打开 Ptrade → 「策略研究」→ 新建策略，粘贴代码并保存（Ctrl+S）。
2. 回测：设置时间范围与初始资金 → 运行 → 查看评价指标（收益、夏普、最大回撤、胜率、盈亏比）与交易日志。
3. 参数优化：调整模块级常量（如 SHORT_WIN / LONG_WIN）。
4. 上线前：filter_stock_by_status(...) 过滤 ST/停牌/退市；check_strategy(strategy_path=...) 静态自检。
5. 实盘：订阅实时行情 → 开启自动执行；日志用 log.info 观察。

十三、作者与版本

> 免责声明：本技能所提供的全部代码与文档仅用于学习、研究与技术交流，不构成任何投资建议；实盘前请充分回测与风控，注意风险。