如何使用 Python 在 QMT 平台实现唐奇安通道（Donchian Channel）突破策略？

这是一个基于 QMT Python API 编写的 唐奇安通道（Donchian Channel）突破策略。

策略逻辑

1. 计算指标：
   • 上轨（Upper Band）：过去 $N$ 根 K 线的最高价的最大值（不包含当前 K 线）。
   • 下轨（Lower Band）：过去 $N$ 根 K 线的最低价的最小值（不包含当前 K 线）。
2. 买入信号：当当前 K 线收盘价突破上轨，且当前无持仓时，买入。
3. 卖出信号：当当前 K 线收盘价跌破下轨，且当前有持仓时，卖出平仓。

策略代码

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

def init(ContextInfo):
    """
    初始化函数，设定策略参数和账户
    """
    # --- 策略参数设置 ---
    ContextInfo.N = 20           # 唐奇安通道周期 (通常为20)
    ContextInfo.stock_code = '600000.SH'  # 标的代码 (示例：浦发银行)
    ContextInfo.period = '1d'    # 运行周期 (日线)
    ContextInfo.amount = 1000    # 每次买入数量 (股)
    ContextInfo.account_id = '666666' # 【重要】请替换为您的实际资金账号
    ContextInfo.account_type = 'STOCK' # 账号类型：'STOCK'股票, 'FUTURE'期货
    
    # --- 系统设置 ---
    # 设定股票池
    ContextInfo.set_universe([ContextInfo.stock_code])
    # 绑定交易账号
    ContextInfo.set_account(ContextInfo.account_id)

def handlebar(ContextInfo):
    """
    K线逐根运行函数
    """
    # 获取当前K线索引
    index = ContextInfo.barpos
    
    # 如果K线数量不足以计算周期，直接返回
    if index < ContextInfo.N:
        return

    # --- 1. 获取行情数据 ---
    # 获取过去 N+1 根K线的数据 (包含当前K线和过去N根)
    # count = N + 1，是为了取过去N根计算通道，第N+1根(即当前根)用于比较价格
    data = ContextInfo.get_market_data_ex(
        ['high', 'low', 'close'], 
        [ContextInfo.stock_code], 
        period=ContextInfo.period, 
        count=ContextInfo.N + 1, 
        dividend_type='front' # 前复权
    )
    
    # 数据校验
    if ContextInfo.stock_code not in data:
        return
    
    df = data[ContextInfo.stock_code]
    
    # 再次确保数据长度足够
    if len(df) < ContextInfo.N + 1:
        return

    # --- 2. 计算唐奇安通道 ---
    # 提取用于计算通道的历史数据 (排除当前最新的一根K线，避免未来函数)
    history_highs = df['high'].iloc[:-1] 
    history_lows = df['low'].iloc[:-1]
    
    # 获取当前最新价格
    current_close = df['close'].iloc[-1]
    current_time = df.index[-1]

    # 计算上轨和下轨
    upper_band = history_highs.max()
    lower_band = history_lows.min()

    # --- 3. 绘图 (可选，用于回测界面展示) ---
    ContextInfo.paint('Upper_Band', upper_band, -1, 0, 'red')
    ContextInfo.paint('Lower_Band', lower_band, -1, 0, 'green')

    # --- 4. 获取当前持仓状态 ---
    # 注意：回测模式和实盘模式获取持仓的方式略有不同，这里使用通用接口
    positions = get_trade_detail_data(ContextInfo.account_id, ContextInfo.account_type, 'POSITION')
    current_pos = 0
    
    for pos in positions:
        if pos.m_strInstrumentID == ContextInfo.stock_code:
            current_pos = pos.m_nVolume
            break

    # --- 5. 交易逻辑 ---
    
    # 信号1：突破上轨 -> 买入
    if current_close > upper_band and current_pos == 0:
        print(f"[{current_time}] 价格 {current_close} 突破上轨 {upper_band}，触发买入")
        
        # 下单函数 passorder
        # 23: 买入, 1101: 单股单账号, 5: 最新价
        passorder(23, 1101, ContextInfo.account_id, ContextInfo.stock_code, 5, -1, ContextInfo.amount, ContextInfo)

    # 信号2：跌破下轨 -> 卖出
    elif current_close < lower_band and current_pos > 0:
        print(f"[{current_time}] 价格 {current_close} 跌破下轨 {lower_band}，触发卖出")
        
        # 下单函数 passorder
        # 24: 卖出, 1101: 单股单账号, 5: 最新价
        passorder(24, 1101, ContextInfo.account_id, ContextInfo.stock_code, 5, -1, current_pos, ContextInfo)

代码关键点说明

1. 数据获取 (get_market_data_ex)：

   • 我们获取 N + 1 条数据。
   • 使用 iloc[:-1] 切片来获取过去 N 天的数据计算通道。这是为了避免“未来函数”，即不能用今天的最高价来判断今天是否突破了今天的最高价（这在逻辑上是死循环），而是要看今天是否突破了过去 N 天的最高价。

2. 交易函数 (passorder)：

   • 23 代表股票买入，24 代表股票卖出。
   • 1101 代表单账号、按股数下单。
   • 5 代表使用最新价下单（市价成交的模拟）。
   • 注意：在实盘中，请确保 ContextInfo.account_id 填写正确。

3. 绘图 (paint)：

   • 代码中包含了 ContextInfo.paint 函数，这样你在 QMT 的回测界面运行策略时，可以直接在 K 线图上看到红色的上轨和绿色的下轨，方便验证策略逻辑。

如何使用

1. 打开 QMT 客户端，进入【模型研究】或【策略编辑器】。
2. 新建一个 Python 策略。
3. 将上述代码复制粘贴进去。
4. 修改 init 函数中的 ContextInfo.account_id 为你的真实或模拟账号。
5. 点击【运行】或【回测】即可。

Q&A

Q: 如何将此策略改为期货策略？
A: 需要修改以下几点：

1. ContextInfo.account_type 改为 'FUTURE'。
2. passorder 的操作类型代码需要修改：开多(0), 平多(6), 开空(3), 平空(9)。
3. 逻辑判断中需要增加做空的逻辑（跌破下轨开空，突破上轨平空）。

Q: 为什么使用 get_market_data_ex 而不是 get_market_data?
A: get_market_data_ex 是 QMT 推荐的新版接口，返回的数据结构更清晰（字典包含 DataFrame），且支持更多参数配置（如复权方式、停牌填充等），处理效率更高。

Q: 这里的 N=20 是什么意思？
A: 这是唐奇安通道的经典参数，代表过去20个交易日（约一个月）的价格极值。你可以根据需要修改为 10、55 等其他数值。