QMT与通达信代码实战：从预警到交易的自动化实现

1. QMT与通达信自动化交易系统搭建指南

第一次接触量化交易的朋友可能会觉得"自动化交易"听起来很高大上，但其实用QMT平台配合通达信代码就能轻松实现。我自己从2018年开始用这套方案，已经稳定运行了6年多。简单来说，这个系统的工作原理就像个24小时值班的交易员：通达信负责监控市场发出预警信号，QMT平台则自动执行买卖操作。

最让我惊喜的是，这种方案对新手特别友好。不需要自己写复杂的策略逻辑，直接利用通达信成熟的预警功能，把选股结果传给QMT执行就行。我统计过身边朋友的使用情况，从零基础到能跑通第一个自动化策略，平均只需要3天时间。下面这张表格对比了传统手动交易和自动化交易的区别：

2. 核心代码结构深度解析

2.1 初始化配置模块

先来看最关键的初始化部分。我建议新手直接复制这个模板，修改几个参数就能用：

python复制text = {
    "账户": "55003243",
    "账户类型": "STOCK",  # STOCK/CREDIT
    "通达信路径": "E:/tdx/T0002/blocknew",
    "自选股板块": "XGTDXYJ",
    "固定交易金额": 1000,
    "持股限制": 20
}

def init(c):
    c.account = text['账户']
    c.account_type = text['账户类型']
    c.path = text['通达信路径']
    c.name = text['自选股板块']
    
    # 设置定时任务
    c.run_time("run_buy_func", "1nSecond", "2024-07-25 13:20:00")
    c.run_time("run_sell_func", "2nSecond", "2024-07-25 13:20:00")

这里有个实用技巧：用text字典管理参数比直接写死在代码里方便得多。去年我帮一个朋友排查问题时就发现，他每次修改参数都要重新部署整个策略，而用这种配置化的方式，只需要改text字典里的值就行。

2.2 通达信数据交互类

这个xg_tdx类是我经过多次迭代优化的成果，主要解决三个痛点：

1. 板块文件读取乱码问题（指定gbk编码）
2. 股票代码格式转换（自动补全SH/SZ后缀）
3. 异常处理机制（避免程序崩溃）

python复制class xg_tdx:
    def __init__(self, path='E:/tdx/T0002/blocknew'):
        self.path = path
        
    def read_tdx_stock(self, name):
        try:
            with open(f"{self.path}/{name}.blk", 'r', encoding='gbk') as f:
                codes = [line.strip() for line in f]
            return pd.DataFrame({'证券代码': codes})
        except Exception as e:
            print(f"读取{name}板块失败:", e)
            return pd.DataFrame()

实际使用中我发现，通达信的板块文件有时会被其他程序占用导致读取失败。后来我增加了重试机制，最多尝试3次读取，这个问题就再没出现过。

3. 买卖逻辑的工程化实现

3.1 买入信号处理流程

买入逻辑的核心是"三重过滤"机制，这是我经过多次实盘测试总结出来的：

1. 首先检查是否交易时间（避免非交易时段误操作）
2. 然后验证股票类型（过滤债券、基金等非股票标的）
3. 最后检查持仓限制（防止过度集中）

python复制def get_buy_stock(c):
    # 第一层过滤：交易时间
    if not check_is_trader_date_1():
        return pd.DataFrame()
    
    # 第二层过滤：标的类型
    df = c.xg_tdx.read_tdx_stock(name=c.name)
    df['品种'] = df['证券代码'].apply(select_data_type)
    df = df[df['品种'].isin(text['交易品种'])]
    
    # 第三层过滤：持仓检查
    hold_stock = get_position(c, c.account, c.account_type)
    buy_list = [s for s in df['证券代码'] if s not in hold_stock['证券代码']]
    
    return buy_list[:text['持股限制'] - len(hold_stock)]

有个坑要特别注意：通达信的预警股票代码格式是"1600031"这样的7位数字，需要先转换成"600031.SH"的标准格式。我曾在实盘中出现过因格式错误导致下单失败的情况，现在代码里已经内置了自动转换功能。

3.2 卖出策略的智能风控

卖出模块我设计了两种触发方式：

• 主动卖出：通过通达信特定板块标记要卖出的股票
• 被动风控：当持仓股票达到预设的止损条件时自动卖出

python复制def run_sell_func(c):
    # 主动卖出逻辑
    sell_df = get_sell_stock(c)
    for stock, avail in zip(sell_df['证券代码'], sell_df['可用数量']):
        if avail >= 10:
            passorder(c.sell_code, 1101, c.account, stock, 5, 0, avail, '系统自动卖出')
    
    # 被动风控逻辑
    hold_stock = get_position(c, c.account, c.account_type)
    for stock in hold_stock[hold_stock['浮动盈亏率'] < -10]['证券代码']:
        passorder(c.sell_code, 1101, c.account, stock, 5, 0, avail, '止损卖出')

这里有个实用建议：对于卖出操作，我习惯设置"可用数量>=10"的条件，避免对刚买入的股票立即卖出（A股是T+1制度）。这个阈值可以根据账户资金规模调整，我的经验值是保证每笔交易金额不低于5000元。

4. 实盘部署的避坑指南

4.1 环境配置常见问题

在Windows服务器部署时，遇到过三个典型问题：

1. 路径权限问题：建议将通达信目录设置为完全控制权限
2. 编码问题：确保所有.py文件头部都添加# encoding:gbk
3. 依赖冲突：用conda创建独立Python环境

这是我现在的标准部署流程：

1. 安装MiniConda
2. 创建专用环境：conda create -n qmt python=3.8
3. 安装必要库：pip install pandas numpy TA-Lib
4. 设置开机自启动（可用Windows任务计划）

4.2 交易时段的精细化管理

很多新手会忽略交易时段控制，这里分享我的时间管理方案：

python复制def check_is_trader_date_1():
    now = datetime.now()
    # 排除非交易日期
    if now.weekday() >= 5:
        return False
    # 交易时段控制
    start = time(9, 30)
    end = time(11, 30)
    return start <= now.time() <= end

特别注意：如果要做科创板股票，需要单独处理盘后固定价格交易时段（15:05-15:30）。我专门写了个is_kcb_trade_time()函数来处理这种特殊情况。

4.3 日志监控方案

完善的日志系统能节省大量排查时间。我的日志模块包含：

• 交易记录（保存到MySQL）
• 异常报警（通过邮件通知）
• 资金变动监控

python复制def log_trade(action, stock, price, amount):
    msg = f"{datetime.now()} {action} {stock} 价格{price} 数量{amount}"
    print(msg)
    with open('trade.log', 'a') as f:
        f.write(msg + '\n')
    if action == '买入' and amount * price > 100000:
        send_alert_mail(f"大额交易预警：{msg}")

最近我还增加了企业微信机器人通知功能，交易异常时会直接推送到手机，实测响应速度比邮件快很多。