QMT量化平台：如何用Python实时调用VBA指标并实现多核并行计算？

场景_如何用Python实时调用vba指标？（支持内置/原生Py，并行计算速度提升10-100倍)

问题
大家常常在问，有些函数 python 没有，但 vba 有（先建一个 vba 公式使用这个函数，再用 py 去调这个公式的变量），或者 py 单线程计算速度慢，怎么把计算机多核资源用满提升速度，那就用 python 实时调用 vba 指标，在投研软件里面，调用一个接口就能解决：

# 内置Python
# 初始化参数变量
stock_list = ['000001.SZ'] # 股票代码列表
formula_name = "MA" # 指标名称
period = '1d'
start_time = '20230320' # %Y%m%d 或 %Y%m%d%H%M%S
end_time = '' # %Y%m%d 或 %Y%m%d%H%M%S
extend_param = {'MA:N1':5,'MA:N2':20,'MA:N3':40,'MA:N4':60,"_group" : 'group1}
count = -1
for s in stock_list:
id = C.subscribe_formula(formula_name,s,period,start_time,end_time,count=count,extend_param=extend_param,callback = partial(callback, s))

# 原生Python
# 初始化参数变量
stock_list = ['000001.SZ'] # 股票代码列表
formula_name = "MA" # 指标名称
period = '1d'
start_time = '20230320' # %Y%m%d 或 %Y%m%d%H%M%S
end_time = '' # %Y%m%d 或 %Y%m%d%H%M%S
extend_param = {'MA:N1':5,'MA:N2':20,'MA:N3':40,'MA:N4':60,}
count = -1
for s in stock_list:
id = xtdata.subscribe_formula(formula_name,s,period,start_time,end_time,count=count,extend_param=extend_param,callback = partial(callback, s))
​
像上方代码块所展示的一样，subscribe_formula 接口可以很好的帮我们完成这个任务。而这里的 参数变量取决于不同的需求,subscribe_formula 函数默认使用电脑核心数个线程并行计算。 也支持在 extend_param 参数中手动指定分组， 格式为 extend_param = {"_group" : 'group1'}，相同参数的订阅品种会在同一个线程中计算，节约 CPU 与 内存的占用。

背景与痛点

在QMT量化投研中，开发者经常会遇到以下两个痛点：

1. 函数缺失：部分特定的金融计算函数Python中没有现成的库，但QMT的VBA指标系统中却有内置实现。
2. 计算瓶颈：Python的单线程GIL锁导致在处理全市场海量数据时计算速度较慢，无法充分利用现代计算机的多核CPU资源。

为了解决这些问题，QMT提供了Python实时调用VBA指标的功能。通过调用特定的订阅接口，不仅可以无缝获取VBA公式的计算结果，还能自动开启多核并行计算，将计算速度提升10-100倍。

核心解决方案：subscribe_formula 接口

无论是QMT内置的Python环境，还是外部原生Python环境（通过xtdata），都可以使用 subscribe_formula 接口来订阅并计算VBA指标。该函数默认会根据电脑的核心数分配线程进行并行计算。

1. 内置Python环境调用示例

在QMT内置策略编辑器中，可以通过上下文对象 C (ContextInfo) 来调用：

from functools import partial

def callback(stock, data):
    print(f"收到 {stock} 的指标数据: {data}")

def init(C):
    # 初始化参数变量
    stock_list   = ['000001.SZ']    # 股票代码列表
    formula_name = "MA"             # 指标名称
    period       = '1d'             # 周期
    start_time   = '20230320'       # 起始时间 (%Y%m%d 或 %Y%m%d%H%M%S)
    end_time     = ''               # 结束时间
    # 传递给VBA指标的参数，并指定分组
    extend_param = {'MA:N1':5, 'MA:N2':20, 'MA:N3':40, 'MA:N4':60, "_group": 'group1'}
    count        = -1
    
    for s in stock_list:
        # 订阅公式并绑定回调函数
        id = C.subscribe_formula(formula_name, s, period, start_time, end_time, count=count, extend_param=extend_param, callback=partial(callback, s))

2. 原生Python环境调用示例

如果你使用的是独立安装的原生Python，可以通过引入 xtdata 模块来实现相同的功能：

from xtquant import xtdata
from functools import partial

def callback(stock, data):
    print(f"收到 {stock} 的指标数据: {data}")

# 初始化参数变量
stock_list   = ['000001.SZ']    # 股票代码列表
formula_name = "MA"             # 指标名称 
period       = '1d'             # 周期
start_time   = '20230320'       # 起始时间
end_time     = ''               # 结束时间
# 传递给VBA指标的参数
extend_param = {'MA:N1':5, 'MA:N2':20, 'MA:N3':40, 'MA:N4':60}
count        = -1

for s in stock_list:
    # 使用 xtdata 订阅公式
    id = xtdata.subscribe_formula(formula_name, s, period, start_time, end_time, count=count, extend_param=extend_param, callback=partial(callback, s))

# 阻塞主线程，等待回调
xtdata.run()

进阶技巧：使用 _group 优化资源占用

在 subscribe_formula 中，extend_param 参数不仅可以用来向VBA公式传递变量（如 MA:N1），还支持一个特殊的系统保留键：_group。

• 默认行为：如果不指定分组，系统会默认使用电脑核心数个线程进行并行计算。
• 手动分组：通过在 extend_param 中添加 "_group": "group_name"，你可以手动指定计算分组。相同参数的订阅品种会被分配在同一个线程中计算。这种方式可以有效避免线程频繁切换，大幅节约CPU与内存的占用，特别适合全市场几千只股票同时订阅同一指标的场景。

通过这种“Python调度 + VBA底层多核计算”的模式，量化投研人员可以完美兼顾Python的灵活性与C++/VBA底层的高计算性能。