本文整理了 QMT 量化交易中最核心的 4 个 API 接口，覆盖数据下载、行情读取、财务获取、交易执行全流程，新手吃透即可快速上手基础策略开发。

目录

• 前言
• 行情下载接口：download_history_data
• 行情读取接口：get_market_data_ex
• 财务数据接口：get_financial_data
• 下单执行接口：passorder
• 总结

一、前言

很多刚接触 QMT 量化交易软件的开发者，常会被繁多的接口劝退。实际上，入门量化策略编写并不需要掌握全部 API—— 只要吃透4 个核心接口，就能打通「数据获取→指标计算→信号生成→交易执行」的完整闭环。

本文就带大家逐一拆解这 4 个关键 API，附可直接运行的示例代码，帮大家快速跨过 QMT 的入门门槛。

二、行情下载接口：download_history_data

量化策略的基础是行情数据，download_history_data负责将指定标的的历史行情下载到本地缓存，是回测和策略运行的前提。

接口能力

• 支持多周期数据：Tick 级、分钟线、日线等全周期行情
• 下载的数据会缓存到本地，后续读取无需重复下载
• 支持单标的、多标的批量下载

⚠️ 注意：Tick 和 1 分钟级数据体量较大，长期下载请预留足够的硬盘空间。

示例代码

#encoding:gbk def init(C): # 下载平安银行 2023-01-01 至 2025-04-08 的日线数据 download_history_data("000001.SZ", "1d", "20230101", "20250408") print('历史行情下载完成') def handlebar(C): pass

核心参数

表格

三、行情读取接口：get_market_data_ex

数据下载到本地后，通过get_market_data_ex接口读取结构化的行情数据，是策略计算的核心数据来源。

接口能力

• 基础行情：开盘价、收盘价、最高价、最低价、成交量、成交额等
• 扩展行情：大单金额、涨跌停价、北向资金、净买入净卖出等特色指标
• 支持单标的、股票池批量获取，支持历史与实时行情

示例代码

获取平安银行日线收盘价的完整示例：

#encoding:gbk def init(C): # 1. 先下载历史行情数据 download_history_data("000001.SZ", "1d", "20230101", "20250408") print('历史行情下载完成') # 2. 读取收盘价数据 datas = C.get_market_data_ex( ['close'], # 待获取的行情字段 ['000001.SZ'], # 标的代码列表 period='1d', # 数据周期 start_time='20230101', end_time='20250408', count=-1 # 取全部数据，填数字则取最近N根 ) print('获取行情数据结果：') print(datas) def handlebar(C): pass

返回结果示例

接口返回字典格式，键为标的代码，值为时间索引的行情数据：

{ '000001.SZ': close stime 20230103 12.277728 20230104 12.768124 20230105 12.910785 20230106 13.035613 20230109 13.196106 ... }

四、财务数据接口：get_financial_data

基本面量化策略依赖上市公司财务数据，get_financial_data用于获取全维度的财务指标，支撑基本面因子计算。

接口能力

• 覆盖股本、利润、现金流、资产负债表等全部财报科目
• 可计算 PE、PB、ROE、EPS 等常用基本面指标
• 支持按报告期、披露时间两种对齐方式

示例代码

获取平安银行总股本数据的示例：

#encoding:gbk def init(C): # 下载基础行情数据 download_history_data("000001.SZ", "1d", "20230101", "20250408") # 获取财务数据：总股本 df = C.get_financial_data( ['CAPITASTRUCTUR.total_capital'], # 财务字段名 ["000001.SZ"], # 标的列表 startDate='20230101', endDate='20250408', report_type='report_time' # 按报告披露时间对齐 ) print('获取总股本数据：') print(df) def handlebar(C): pass

返回结果示例

total_capital 20230103 1.940592e+10 20230104 1.940592e+10 20230105 1.940592e+10 ...

五、下单执行接口：passorder

策略计算出交易信号后，通过passorder接口完成交易委托，是量化交易的执行入口。

接口能力

• 支持多种交易方向：买入、卖出、融资买入、融券卖出等
• 支持多种委托方式：限价、最新价、市价、涨跌停价等
• 适配股票、两融、期货、期权等全品种交易

示例代码

以「最新价买入 100 股平安银行」为例：

#encoding:gbk def handlebar(C): # 仅在当日最后一根K线触发下单，避免重复委托 if not C.is_last_bar(): return # 此处替换为你的策略交易条件 if True: passorder( 23, # 交易方向：23=买入 1101, # 交易方式：1101=单股单账号按股数下单 '39134967', # 你的证券账号 '000001.SZ', # 标的代码 5, # 价格类型：5=最新价 0, # 价格参数，最新价委托填0 100, # 委托数量（单位：股） 1, # 策略标识，可自定义 1, # 快速下单标记 "", # 委托备注，可留空 C ) print("买入委托已提交")

关键参数说明

• 交易方向：23 代表买入，24 代表卖出
• 价格类型：5 为最新价，高频策略可选用市价委托提升成交率
• 交易方式：1101 为普通股票按股数委托，两融、期货等品种需对应调整编码

六、总结

从手工交易转向量化交易，本质是熟悉工具的接口逻辑与运行规则。本文介绍的 4 个 API 覆盖了量化策略的全生命周期：

1. download_history_data解决「数据从哪来」
2. get_market_data_ex解决「行情怎么读」
3. get_financial_data解决「基本面怎么算」
4. passorder解决「交易怎么执行」

吃透这 4 个核心接口，你就具备了编写基础量化策略的能力。后续可以在此基础上扩展指标计算、仓位管理、风控模块，逐步搭建成熟的量化交易体系。

风险提示：本文仅为技术接口科普，不构成任何投资建议。量化交易存在风险，入市需谨慎。