QMT, iQuant, miniQMT的區(qū)別
對于第一次接觸量化交易的朋友來說，經(jīng)常會問到的幾個問題，比如，QMT和iQuant，miniQMT有什么區(qū)別。
首先，QMT和iQuant都是由迅投開發(fā)的。miniQMT是在QMT子模塊下運行的一個極簡模式。
接下來將詳細的講講。
QMT vs iQuant
一般券商采購了迅投的QMT軟件后，接入行情數(shù)據(jù)服務(wù)器和交易服務(wù)器，管理 自家的用戶的資金賬戶，就可以讓它成為可以實盤的的量化交易軟件。（這里為了通俗易懂，簡化了很多細節(jié)，實際要復(fù)雜一些）
而iQuant是由國信證券定制開發(fā)的，算是QMT的套殼。iQuant它的大部分功能和其他券商的QMT的功能基本一樣。但也有不同的地方：
iQuant移除了VBA模型
下圖是國金QMT主界面，在新建策略下面，會看到有VBA模型和python模型
而在國信的iQuant的策略開發(fā)模式下，只支持python模型，VBA編寫模型的功能被移除了。
對于VBA而言，算是一門古老的語言了，至少在互聯(lián)網(wǎng)領(lǐng)域，已經(jīng)沒見過有幾個人在用的了。
不過我查詢了一下它在QMT里面的實盤交易代碼，其實它還是挺適合熟悉通達信公式的朋友使用，很多語法是從通達信的公式演變而來的。有些指標直接可以拿去用的了。截取其中一個例子如下：
iQuant支持投資研究模塊，可使用jupyter notebook逐行運行，便于調(diào)試。
而其他的券商QMT均沒有這個功能。不過這個功能我試了下，它只調(diào)用我windows系統(tǒng)的jupyter notebook，且它有嚴重的bug，居然運行不了任何代碼？！。（ptrade也有個類似這樣的功能，可以逐行調(diào)用內(nèi)置的獲取行情的函數(shù)，ptrade的是可以正常運行的）
少數(shù)券商的QMT無法在虛擬機運行
大部分券商的QMT可以在虛擬機里面運行，這意味可以在云主機服務(wù)器上運行，比如阿里云，騰訊云，在云服務(wù)器上網(wǎng)絡(luò)和系統(tǒng)穩(wěn)定性都有保證，比你在家里放臺電腦要穩(wěn)定，至少不會被家里的小孩倒騰拔了網(wǎng)線。
但也有少數(shù)券商的QMT無法在虛擬機里面運行。比如下圖這個QMT登錄提示
之前筆者粗略地對比了下不同券商QMT讀取的系統(tǒng)信息，異同點在于磁盤序列號，如果想要硬剛的讀者朋友可以嘗試修改虛擬機（vmware）的硬盤序列號。
其他：
在python編寫策略的代碼層面，QMT和iQuant的接口文檔也基本一致的，可能在一些功能函數(shù)上會有些少出入。二者寫的python代碼可互相在彼此上運行,區(qū)別不大。
QMT 與 miniQMT
miniQMT屬于QMT的一個子功能，一個精簡功能的自動交易框架，默認安裝了QMT之后就可以使用miniQMT，只支持實盤交易，不支持回測。
在miniQMT模式下，你的策略代碼將不再禁錮自帶的QMT軟件下的內(nèi)置編輯器編寫，而是可以自由地選擇pycharm,vscode等編輯器，運行的時候直接使用 python xxxx.py 這樣的形式啟動。且有多個python版本可選。
只是券商很少對它進行宣傳，以致于用它的人并不多。
進入miniQMT的方法：雙擊QMT程序，登錄時勾選極簡模式
注意：極簡模式下，需要一直保持這個miniQMT的程序在運行，這意味者miniQMT也只能在windows系統(tǒng)下運行，因為啟動的程序只有exe格式的可執(zhí)行文件。
XtQuant
而miniQMT的核心是XtQuant，XtQuant又是什么呢？
XtQuant是基于迅投MiniQMT衍生出來的一套完善的Python策略運行框架，對外以Python庫的形式提供策略交易所需要的行情和交易相關(guān)的API接口。
XtQuant運行依賴環(huán)境
XtQuant目前提供的庫包括Python3.6、3.7、3.8版本，不同版本的python導(dǎo)入時會自動切換。根據(jù)群友最新反饋，最新的版本的QMT可以支持到python3.11。
在運行使用XtQuant的程序前需要先啟動MiniQMT客戶端。
然后把你的QMT目錄下的\bin.x64\Lib\site-packages\xtquant復(fù)制到你系統(tǒng)python目錄下的site-packages。
然后就可以在你的代碼里面導(dǎo)入miniQMT的函數(shù)，包括獲取行情數(shù)據(jù)函數(shù)，下單函數(shù)。
xtquant包含兩個主要模塊，xttrade和xtdata，一個負責控制交易流程，一個負責數(shù)據(jù)行情獲取同步。
簡單的python示例如下：
它的幫助文檔藏在bin.x64\Lib\site-packages\xtquant\doc 目錄下。
從它的幫助文檔來看，它是一套和QMT接口函數(shù)完全不一樣的交易框架。
所以QMT的代碼，無法直接拷貝到miniQMT中使用。雖然名字叫miniQMT，但感覺它提供的很多函數(shù)功能，要比QMT更為豐富，用戶可以掌控的流程更多，更靈活。
iQuant版雖然也有精簡版的miniQMT，但它對個人用戶不提供下單功能呢，只對機構(gòu)開放，所以個人只有獲取行情數(shù)據(jù)，財務(wù)數(shù)據(jù)等的數(shù)據(jù)權(quán)限。
另外還有一個與之配套的xtdata庫，是專門用來獲取行情數(shù)據(jù)的，而上面的xttrade是專門用來交易下單的。
因為xtdata可以獲取很多股票，可轉(zhuǎn)債，ETF等等歷史數(shù)據(jù)，所以即使你不用miniQMT做交易，你也可以白嫖它的數(shù)據(jù)，這比用積分的tushare簡直不要太爽。比如可以獲取到股票或可轉(zhuǎn)債的日線，分鐘線，甚至tick數(shù)據(jù)。
比如下面的代碼可獲取 眾信轉(zhuǎn)債 的某個時間的歷史tick數(shù)據(jù)，并保存到文件。(只要稍微改造下，就可以獲取全市場的轉(zhuǎn)債的tick數(shù)據(jù)。)
import?pandas?as?pd
import?datetime
def?get_tick(code,?start_time,?end_time,?period='tick'):
????from?xtquant?import?xtdata
????xtdata.download_history_data(code,?period=period,?start_time=start_time,?end_time=end_time)
????data?=?xtdata.get_local_data(field_list=[],?stock_code=[code],?period=period,?count=10)
????result_list?=?data[code]
????df?=?pd.DataFrame(result_list)
????df['time_str']?=?df['time'].apply(lambda?x:?datetime.datetime.fromtimestamp(x?/?1000.0))
????return?df
def?process_timestamp(df,?filename):
????df?=?df.set_index('time_str')
????result?=?df.resample('3S').first().ffill()
????# result?=?result[(result.index?>=?'2022-07-20?09:30')?&?(result.index?<=?'2022-07-20?15:00')]
????result?=?result.reset_index()
????result.to_csv(filename?+?'.csv')
def?dump_single_code_tick():
????#?導(dǎo)出單個轉(zhuǎn)債的tick數(shù)據(jù)
????code='128022'
????start_date?=?'20210113'
????end_date?=?'20210130'
????post_fix?=?'SZ'?if?code.startswith('12')?else?'SH'
????code?=?'{}.{}'.format(code,post_fix)
????filename?=?'{}'.format(code)
????df?=?get_tick(code,?start_date,?end_date)
dump_single_code_tick()
把上面保存為main.py, 然后執(zhí)行python main.py , 片刻就可以看到生成的文件數(shù)據(jù)了。
結(jié)語
因為篇幅原因，上文介紹的一些功能與中間步驟被省略了，如需深入研究，可以瀏覽QMT的官方文檔。
