
这两款软件确实是目前国内个人投资者能免费接触到的“天花板”级别工具了。一个像傻瓜相机(Ptrade),一个像单反(QMT)。
为了不显得生硬,我不会直接罗列参数,而是用用户画像和实战场景来帮你理解它们的区别。
一、 新手福利:Ptrade —— “带着答案找你要钱”
用户画像: 不想写代码、只懂一点Python、主要做ETF/可转债/日内T+0、希望有现成策略的人。
它好在哪?
Ptrade的设计理念是 “把策略封装成积木” 。你不需要懂什么数据结构、算法,只要会写简单的条件判断(比如if 价格 > 5日均线:买入),甚至只用鼠标拖拽图形化界面就能回测。
核心亮点:
图形化回测:点选股票、设置均线参数、拖个时间区间,一键出收益率曲线。对新手极度友好。
内置策略库:自带“网格交易”、“日内回转交易”、“拐点交易”等20多种常见策略。你只需改个参数(比如网格间距0.5%),就能跑起来。
模拟盘无缝切换:模拟盘体验和实盘一模一样,练熟了换个账号密码就是实盘。
痛点: 它不支持自己导入第三方库(比如NumPy、Pandas的高级功能),也不支持连接外部数据源。你想做个基于机器学习的选股?不行。它就像一个安全的游乐场,圈定好了范围。
二、 老手利器:QMT —— “给你一辆可以改装引擎的赛车”
用户画像: 职业散户、量化团队、需要高频/极速交易、会写复杂策略、对延时敏感(1毫秒也要争)的人。
它强在哪?
QMT本质上是一个 “Python 3.6+ 的本地执行环境” 。策略代码在你自己的电脑上运行,券商只是负责转发交易指令。这意味着:
速度极致:本地计算,不经过券商服务器中转,能做到微秒级(百万分之一秒)的报单。
功能不受限:支持
pandas、numpy、talib等技术分析库。你可以写多因子模型、事件驱动策略、甚至对接VBA数据。交易品种丰富:股票、两融、期权、期货、可转债全支持。Ptrade主要做股票和ETF。
核心亮点(也是新手劝退点):
必须会编程:没有图形化策略。你要自己写
init(初始化)、handle_bar(K线循环)、order_target_percent(目标仓位下单)。数据需自己处理:它只提供基础行情数据(开高低收、成交量),你想算RSI、MACD?自己写函数或用talib。
本地环境敏感:你的Python版本、库版本、电脑性能都会影响策略运行。崩了?自己排查。
痛点: 门槛高。如果你连pip install都费劲,或者分不清“引用传递”和“值传递”,QMT会让你头皮发麻。
三、 编程功能硬对比(拒绝术语轰炸,直接说人话)
| 维度 | Ptrade (新手友好型) | QMT (专业自由型) |
|---|---|---|
| 代码量 | 少。一个简单的双均线策略可能只需要15行。 | 多。同样的策略需要30行以上,因为要自己处理标的池循环和仓位计算。 |
| Python库支持 | 受限。仅支持内置的talib(技术分析)和少量标准库。你不能import requests爬虫数据。 | 几乎全支持。只要是Python 3.6能装的库(pandas、numpy、sklearn、statsmodels),都可以。 |
| 调试体验 | 保姆级。回测失败会直接告诉你“第8行变量名写错了”,自带变量监视窗口。 | 程序员级。只能用print打印变量,或者依赖本地IDE(如PyCharm)调试。崩溃了可能只是闪退。 |
| 数据获取 | 封装好的。get_history_data(5, '1d')直接返回DataFrame。 | 需自己写。需要调用ContextInfo.get_market_data,还要自己处理复权和填充缺失值。 |
| 订单管理 | 安全第一。自动拒绝你明显作死的操作(比如满仓梭哈一只ST股)。 | 裸奔模式。你代码怎么写,它就怎么执行(哪怕你忘了加风控,一秒发1000笔订单)。 |
| 运行环境 | 云端。策略存在券商服务器,关电脑也能跑。 | 本地。你的电脑必须开机,且网络稳定。一断网,策略停摆。 |
四、 一句话选择指南
选Ptrade:你是量化小白,只想省心地跑个网格、做做定投、或者偶尔手动干预一下。你希望“打开软件就能用,别让我配环境”。
选QMT:你是编程老手,需要极速交易(比如抢涨停板、ETF套利),或者策略涉及复杂的数学计算,又或者你想交易期权/期货。你不怕折腾,愿意为了1毫秒的速度优化代码。
一个折中的真相: 很多老手其实是 Ptrade + QMT 双开。
用QMT跑核心的高频/套利策略(速度快),用Ptrade跑辅助的中长线网格策略(省心、不用管)。
最后,这两款软件的免费授权通常来自券商。只要你开一个支持量化交易的券商账户(比如国金、国泰君安、华泰等),并且账户里有一定资产(国金10万资金量就可以开通量化软件),就可以免费申请。不用单独购买,别被网上卖教程的忽悠了。
夜雨聆风