QMT 进阶指标：确然指标 (KST) 的 Python 计算与交易逻辑

KST（Know Sure Thing）确然指标是由马丁·普林（Martin Pring）发明的一种动量震荡指标。它本质上是四个不同周期的变化率（ROC）的加权移动平均值的总和。

以下是在 QMT 平台中实现 KST 指标的完整 Python 代码。该策略计算 KST 线及其信号线，并将其绘制在副图上。

QMT KST 指标策略代码

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

def init(ContextInfo):
    """
    初始化函数，设置KST指标的参数
    """
    # KST 标准参数设置
    # ROC 的四个周期
    ContextInfo.roc_p1 = 10
    ContextInfo.roc_p2 = 15
    ContextInfo.roc_p3 = 20
    ContextInfo.roc_p4 = 30
    
    # ROC 移动平均的四个周期
    ContextInfo.sma_p1 = 10
    ContextInfo.sma_p2 = 10
    ContextInfo.sma_p3 = 10
    ContextInfo.sma_p4 = 15
    
    # KST 信号线的周期
    ContextInfo.sig_p = 9
    
    # 权重设置 (通常为 1, 2, 3, 4)
    ContextInfo.w1 = 1
    ContextInfo.w2 = 2
    ContextInfo.w3 = 3
    ContextInfo.w4 = 4

def handlebar(ContextInfo):
    """
    K线周期回调函数，计算并绘制KST
    """
    # 获取当前主图的股票代码和市场
    stock_code = ContextInfo.stockcode + '.' + ContextInfo.market
    
    # 获取足够的历史数据以确保计算准确
    # 需要的数据长度至少为：最大ROC周期 + 最大SMA周期 + 信号线周期 + 缓冲
    # 30 + 15 + 9 = 54，这里取 150 根以确保稳定
    count = 150
    
    # 使用 get_market_data_ex 获取历史收盘价
    # 注意：period 使用 ContextInfo.period 跟随主图周期
    data_dict = ContextInfo.get_market_data_ex(
        ['close'], 
        [stock_code], 
        period=ContextInfo.period, 
        count=count, 
        dividend_type='follow', 
        fill_data=True
    )
    
    if stock_code not in data_dict:
        return
        
    df = data_dict[stock_code]
    
    if df.empty or len(df) < count // 2:
        return

    # 提取收盘价序列
    close = df['close']

    # 1. 计算四个周期的 ROC (Rate of Change)
    # ROC = (当前价格 - N天前价格) / N天前价格 * 100
    roc1 = close.pct_change(periods=ContextInfo.roc_p1) * 100
    roc2 = close.pct_change(periods=ContextInfo.roc_p2) * 100
    roc3 = close.pct_change(periods=ContextInfo.roc_p3) * 100
    roc4 = close.pct_change(periods=ContextInfo.roc_p4) * 100

    # 2. 计算 ROC 的移动平均 (SMA)
    rc1 = roc1.rolling(window=ContextInfo.sma_p1).mean()
    rc2 = roc2.rolling(window=ContextInfo.sma_p2).mean()
    rc3 = roc3.rolling(window=ContextInfo.sma_p3).mean()
    rc4 = roc4.rolling(window=ContextInfo.sma_p4).mean()

    # 3. 计算 KST 主线 (加权求和)
    kst = (rc1 * ContextInfo.w1) + \
          (rc2 * ContextInfo.w2) + \
          (rc3 * ContextInfo.w3) + \
          (rc4 * ContextInfo.w4)

    # 4. 计算 KST 信号线 (KST 的 SMA)
    signal = kst.rolling(window=ContextInfo.sig_p).mean()

    # 获取当前 K 线的数值
    current_kst = kst.iloc[-1]
    current_signal = signal.iloc[-1]

    # 5. 绘制指标
    # 注意：index=-1 表示在当前最新的 K 线位置绘制
    # limit='noaxis' 表示不影响主图坐标轴（即在副图显示，或者数值不干扰主图K线显示范围）
    # 如果要在副图独立显示，请在 QMT 界面将模型位置设置为“副图”
    
    # 绘制 KST 线 (黄色)
    ContextInfo.paint("KST", current_kst, -1, 0, "yellow", "noaxis")
    
    # 绘制 Signal 线 (白色)
    ContextInfo.paint("Signal", current_signal, -1, 0, "white", "noaxis")
    
    # 绘制零轴参考线 (可选)
    ContextInfo.paint("Zero", 0, -1, 0, "gray", "noaxis")

    # 简单的交易逻辑示例（金叉死叉提示）
    # 获取上一根 K 线的数值用于判断交叉
    if len(kst) > 1:
        prev_kst = kst.iloc[-2]
        prev_signal = signal.iloc[-2]
        
        # 金叉：KST 上穿 Signal
        if prev_kst < prev_signal and current_kst > current_signal:
            ContextInfo.draw_text(True, current_kst, "金叉")
            
        # 死叉：KST 下穿 Signal
        if prev_kst > prev_signal and current_kst < current_signal:
            ContextInfo.draw_text(True, current_kst, "死叉")

代码说明

1. 参数设置 (init)：

   • KST 指标由四个 ROC 周期组成，默认为 10, 15, 20, 30。
   • 每个 ROC 对应的平滑周期默认为 10, 10, 10, 15。
   • 权重默认为 1, 2, 3, 4（周期越长，权重越大）。
   • 信号线周期默认为 9。

2. 数据获取 (get_market_data_ex)：

   • 使用 get_market_data_ex 获取历史收盘价。
   • count=150：为了计算长周期的 ROC 和多次平滑，需要获取足够的历史数据。

3. 计算逻辑：

   • 利用 Pandas 的 pct_change 计算变化率（ROC）。
   • 利用 rolling().mean() 计算简单移动平均（SMA）。
   • 按照公式 KST = RC1*1 + RC2*2 + RC3*3 + RC4*4 进行加权求和。

4. 绘图 (paint)：

   • 使用 ContextInfo.paint 将 KST 线和 Signal 线绘制出来。
   • 建议在 QMT 策略编辑器中，将该策略的**“位置”设置为“副图”**，以便更清晰地观察指标走势。

Q&A

Q: 如何在 QMT 中将此指标显示在副图？
A: 在 QMT 的策略编辑器界面，点击右侧的“基本信息”，找到“位置”选项，将其从“主图”或“主图叠加”更改为**“副图”**。

Q: KST 指标的用法是什么？
A: KST 主要用于识别趋势的反转。

• 金叉：KST 线从下向上穿过 Signal 线，通常视为买入信号。
• 死叉：KST 线从上向下穿过 Signal 线，通常视为卖出信号。
• 零轴：KST 在零轴上方表示多头动能占优，下方表示空头动能占优。

Q: 为什么代码第一行要加 # -*- coding: gbk -*-？
A: QMT 的 Python 环境默认编码通常为 GBK。为了防止中文字符（如注释或 draw_text 中的文字）出现乱码或导致报错，必须在文件头部声明编码格式。