如何让我的 QMT 量化策略更稳定？日志与错误处理最佳实践

为了提高 QMT 量化策略的稳定性并有效记录运行过程，主要需要从以下三个方面进行优化：异常捕获机制（Try-Except）、持久化日志记录（Logging）以及数据防御性编程。

以下是详细的解决方案和代码实现。

核心解决方案

1. 引入异常捕获机制 (try...except)：
   在 handlebar 等核心函数的逻辑外层包裹 try...except 语句。这样即使策略内部出现除以零、索引越界或数据获取失败等错误，策略也不会直接崩溃停止，而是捕获错误并继续运行下一个 Bar 或 Tick。

2. 建立本地日志系统：
   QMT 自带的界面输出窗口有行数限制且重启后会清空。建议在策略中编写一个写入本地 TXT 或 CSV 文件的函数，将交易信号、报错堆栈信息（Traceback）持久化保存到硬盘，方便盘后复盘和排查问题。

3. 数据防御性检查：
   在使用 get_market_data_ex 等接口获取数据后，务必先判断数据是否为空（None/Empty），再进行计算。

稳健的 QMT 策略模板代码

以下代码展示了一个包含自动容错和本地日志记录功能的策略模板。你可以直接将其复制到 QMT 中作为基础框架。

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

# ===========================================
# 辅助功能：本地日志记录
# ===========================================
def write_log(ContextInfo, msg, level='INFO'):
    """
    将日志写入本地文件，防止QMT界面日志丢失
    """
    try:
        # 1. 确保日志目录存在
        if not hasattr(ContextInfo, 'log_path'):
            # 默认保存在 D盘 QMT_Logs 文件夹下，可根据需要修改
            ContextInfo.log_path = 'D:/QMT_Logs/'
            if not os.path.exists(ContextInfo.log_path):
                os.makedirs(ContextInfo.log_path)
        
        # 2. 生成文件名（按天生成）
        today_str = datetime.datetime.now().strftime('%Y%m%d')
        file_name = f"{ContextInfo.log_path}strategy_log_{today_str}.txt"
        
        # 3. 组装日志内容
        time_str = datetime.datetime.now().strftime('%H:%M:%S')
        log_content = f"[{time_str}] [{level}] {msg}\n"
        
        # 4. 写入文件 (追加模式)
        with open(file_name, 'a', encoding='gbk') as f:
            f.write(log_content)
            
        # 同时打印到QMT界面，方便实时查看
        print(log_content.strip())
        
    except:
        # 如果写日志都报错，只能打印到控制台了
        print(f"写入日志失败: {msg}")

# ===========================================
# 策略初始化
# ===========================================
def init(ContextInfo):
    try:
        # 设置账号
        ContextInfo.accid = 'YOUR_ACCOUNT_ID' # 请替换为真实账号
        ContextInfo.set_account(ContextInfo.accid)
        
        # 设置股票池
        ContextInfo.set_universe(['600000.SH', '000001.SZ'])
        
        # 初始化自定义变量
        ContextInfo.log_path = 'D:/QMT_Logs/' # 日志路径
        
        write_log(ContextInfo, "策略初始化成功", level='INFO')
        
    except Exception as e:
        write_log(ContextInfo, f"初始化失败: {traceback.format_exc()}", level='ERROR')

# ===========================================
# 核心行情驱动函数
# ===========================================
def handlebar(ContextInfo):
    # 使用 try-except 包裹整个核心逻辑
    try:
        # 1. 获取当前 K 线位置，避免在数据不足时计算
        index = ContextInfo.barpos
        realtime = ContextInfo.get_bar_timetag(index)
        
        # 2. 获取股票池
        stock_list = ContextInfo.get_universe()
        
        # 3. 获取数据 (使用防御性编程)
        # 获取最近 5 根 K 线数据用于计算均线
        data = ContextInfo.get_market_data_ex(
            ['close'], 
            stock_list, 
            period=ContextInfo.period, 
            count=5, 
            dividend_type='follow'
        )
        
        # --- 数据防御检查 ---
        if data is None or len(data) == 0:
            write_log(ContextInfo, "未获取到行情数据，跳过本次计算", level='WARNING')
            return

        # 4. 遍历股票进行逻辑处理
        for stock in stock_list:
            try:
                # 单个股票的逻辑也建议单独捕获异常，防止一只股票报错影响其他股票
                df = data.get(stock)
                
                # 检查该股票是否有数据
                if df is None or df.empty or len(df) < 5:
                    continue
                
                # 简单的策略逻辑示例：计算均线
                close_prices = df['close'].values
                ma5 = np.mean(close_prices)
                current_price = close_prices[-1]
                
                # 记录关键信息
                # write_log(ContextInfo, f"{stock} 最新价: {current_price:.2f}, MA5: {ma5:.2f}")
                
                # 交易逻辑 (示例)
                if current_price > ma5:
                    # 满足条件，执行操作...
                    pass
                    
            except Exception as inner_e:
                # 捕获单只股票处理时的错误
                write_log(ContextInfo, f"处理股票 {stock} 时发生错误: {str(inner_e)}", level='ERROR')
                continue

    except Exception as e:
        # 5. 捕获全局致命错误，并记录详细堆栈信息
        # traceback.format_exc() 能打印出具体是哪一行代码报错，非常重要
        error_msg = traceback.format_exc()
        write_log(ContextInfo, f"策略运行发生严重异常: \n{error_msg}", level='CRITICAL')

代码关键点解析

1. traceback 模块：

   • Python 标准库，用于获取详细的错误堆栈信息。
   • 在 except 块中使用 traceback.format_exc()，可以精确地告诉你错误发生在第几行，是什么类型的错误（如 ZeroDivisionError, KeyError 等），这是调试的关键。

2. write_log 函数：

   • 它会自动在 D 盘创建一个 QMT_Logs 文件夹。
   • 它按日期生成日志文件（如 strategy_log_20231027.txt），避免文件过大。
   • 它同时将信息输出到 QMT 界面和本地文件，确保即使软件崩溃，本地文件也能保留最后时刻的报错信息。

3. 双层 try...except 结构：

   • 外层：包裹整个 handlebar，防止未知错误导致策略线程停止。
   • 内层（for 循环内）：包裹单只股票的处理逻辑。如果处理 "600000.SH" 时因为数据缺失报错，continue 会让程序继续处理 "000001.SZ"，而不会因为一只股票的问题导致整个循环中断。

4. 数据防御：

   • if data is None or len(data) == 0: 这种判断在量化实盘中至关重要，因为网络波动或停牌都可能导致取不到数据。

Q&A: 常见问题解答

Q: 为什么我的策略在回测时没问题，实盘时却经常报错停止？
A: 回测使用的是清洗过的静态历史数据，通常比较完整。实盘面对的是实时数据流，可能会出现网络延迟导致的数据包丢失、交易所推送的临时异常值、或者某些冷门股票没有成交导致的数据为空（None）。因此，实盘代码必须包含对 None 值和空 DataFrame 的检查。

Q: traceback 会影响策略运行速度吗？
A: traceback 只有在发生错误并进入 except 块时才会被调用。在策略正常运行时，try...except 结构带来的性能损耗微乎其微（纳秒级），对于绝大多数中低频策略完全可以忽略不计。

Q: 日志文件写在 C 盘可以吗？
A: 建议写在 D 盘或其他非系统盘。现代 Windows 系统对 C 盘（尤其是 Program Files 目录）有严格的写入权限控制，如果 QMT 没有以管理员身份运行，写入 C 盘可能会因为权限不足而失败，导致报错。

Q: 如何查看 QMT 自身的系统报错？
A: 除了使用上述代码记录策略逻辑报错外，QMT 客户端底部通常有一个“日志”或“输出”面板，那里会显示系统级别的报错（如柜台连接断开、API 调用参数类型错误等）。结合本地日志和系统日志可以更全面地排查问题。