30天尝试新事情

ptrade运行的策略全部不见了 | 国金证券

Ptrade • 李魔佛发表了文章 • 0 个评论 • 65 次浏览 • 2026-08-14 12:06 • 来自相关话题

原本正在运行的策略，会出现第二天全部不见了。

正常运行和已停止的都不见了。

在回测页面里面能看到之前的写的策略。

客服回应说服务器内存不足造成，重启环境之后，上报给他们可以找回。

不过问题是策略已经停止了，找回正常运行的策略也是要自己启动，还不如我自己重新新建策略，重新启动得了。

所以使用ptrade，最后把平时的输出日志保存为文件，自动存储到研究的jupyter notebook下面。

这样就能够在策略重启，无故消失的情况下，找回丢失的日志。

查看全部

原本正在运行的策略，会出现第二天全部不见了。

正常运行和已停止的都不见了。

在回测页面里面能看到之前的写的策略。

客服回应说服务器内存不足造成，重启环境之后，上报给他们可以找回。

不过问题是策略已经停止了，找回正常运行的策略也是要自己启动，还不如我自己重新新建策略，重新启动得了。

所以使用ptrade，最后把平时的输出日志保存为文件，自动存储到研究的jupyter notebook下面。

这样就能够在策略重启，无故消失的情况下，找回丢失的日志。

华泰QMT下载 | 华泰支持迅投QMT了

QMT • 李魔佛发表了文章 • 0 个评论 • 160 次浏览 • 2026-08-03 10:41 • 来自相关话题

华泰目前已经支持QMT。 2026年8月。

华泰迅投QMT系统是专门为专业交易客户打造的集合策略投研、交易执行、行情展示、风控管理为一体的综合投研交易终端。策略研究包括数据管理、策略研究、策略风控等功能；支持组合交易、算法交易、对冲交易、机构风格下单等高效的交易功能，满足不同投资者的多样化交易需求。

QMT下载地址：
https://inst.htsc.com/helpOnline?productId=60&moduleCode=1

它支持自定义编程模块，可以自己编程下单。

接口文档：https://qmt.ptradeapi.com
查看全部

华泰目前已经支持QMT。 2026年8月。

华泰迅投QMT系统是专门为专业交易客户打造的集合策略投研、交易执行、行情展示、风控管理为一体的综合投研交易终端。策略研究包括数据管理、策略研究、策略风控等功能；支持组合交易、算法交易、对冲交易、机构风格下单等高效的交易功能，满足不同投资者的多样化交易需求。

QMT下载地址：
https://inst.htsc.com/helpOnline?productId=60&moduleCode=1

它支持自定义编程模块，可以自己编程下单。

接口文档：https://qmt.ptradeapi.com

miniQMT停用后，外部调用QMT内部函数的路子

QMT • 李魔佛发表了文章 • 0 个评论 • 714 次浏览 • 2026-07-02 08:56 • 来自相关话题

最近某个别券商准备暂停miniQMT的功能，仅保留大QMT的功能。对于在外部启动策略的量化投资者来说，意味着要把程序全部塞回到QMT里面运行，这会造成诸多不便。

但办法总比困难多，其中一个方法是在QMT里开一个HTTP的REST API服务，外部可以调用这个HTTP API，达到下单，撤单，查询持仓，获取行情等所有在QMT下所需要的功能。

目前QMT内置的python版本为3.6.8，你可以在里面安装各种第三方web框架，fastapi，django，flask等。而QMT原来内置了tornado，就不需要额外安装其他第三方库了。文末提供完整源码地址。

导入所需要的库
from tornado.web import Application, RequestHandler, HTTPError
from tornado.ioloop import IOLoop

程序核心就是在QMT的init函数里面就启动我们的HTTP服务，端口PORT随意。
PORT = 10086
ACCOUNT_ID = '你的QMT账号'
def init(ContextInfo):
try:
ContextInfo.accountID = ACCOUNT_ID
app = make_app()
app.ContextInfo = ContextInfo
app.accountID = ContextInfo.accountID

app.listen(PORT, address='0.0.0.0') # 如果只在本地网络，可以设置为127.0.0.1
logger.info(f"QMT HTTP Server 启动于 http://0.0.0.0:{PORT} (全部API已加载)")
IOLoop.current().start()
except Exception as e:
logger.exception(f"server start failed: {e}")

make_app里提供的注册路由。

============= 路由注册 =============
def make_app():
return Application([

# 原有兼容路由
(r"/api/holding", HoldingHandler),
(r"/api/money/total", TotalMoneyHandler),
(r"/api/money/available", AvailableMoneyHandler),
(r"/api/order/buy", BuyHandler),
(r"/api/order/sell", SellHandler),
(r"/api/order/deal", DealHandler),
..... 省略若干
# 数据查询
(r"/api/data/stock_name", StockNameHandler),
(r"/api/data/open_date", OpenDateHandler),
(r"/api/data/last_volume", LastVolumeHandler),
(r"/api/data/bar_timetag", BarTimetagHandler),
(r"/api/data/tick_timetag", TickTimetagHandler),
(r"/api/data/sector", SectorHandler),
(r"/api/data/industry", IndustryHandler),
(r"/api/data/stock_list_in_sector", StockListInSectorHandler),
(r"/api/data/history_data", HistoryDataHandler),
(r"/api/data/market_data", MarketDataHandler),
(r"/api/data/market_data_ex", MarketDataExHandler),
(r"/api/data/full_tick", FullTickHandler),

每个API实现一个原QMT的函数，所以有非常多的API端点。

当然这些函数我都让AI帮我对着QMT的文档实现的。

接口文档：https://qmt.ptradeapi.com/QMT_Python_API_Doc.html

然后FullTickHandler的实现如下：
# ContextInfo.get_full_tick() - 获取分笔数据
class FullTickHandler(BaseHandler):
def post(self):
data = json.loads(self.request.body)
stocks = data.get('stocks', '')
if not stocks:
raise HTTPError(400, "need args stocks")
code_list = [s.strip() for s in stocks.split(',')]
ret = safe_call(self.ctx().get_full_tick, code_list)
if not ret:
raise HTTPError(500, "获取分笔行情失败")
self.write(json.dumps(ret, ensure_ascii=False, default=str))

这里核心就是执行QMT的get_full_tick，把数据作为response返回。请求使用POST，传入股票代码，返回股票tick数据。

在QMT里启动后，等待外部程序调用。

上面是把完整代码复制到QMT里，然后在实盘里面启动。

然后在你外部的程序里面写个简单的HTTP请求，就能调用QMT里面的API了。

如果你的电脑有公网IP，还可以不同电脑去远程调用QMT里面的函数，

这里加入一个任意TOKEN，和QMT里面一致就行，这样请求的header带上，避免其他人调用你的API操作你账号。如果只在本地运行，可以把最开始的监听地址0.0.0.0改为127.0.0.1

TOKEN = "123456789"
class QMTClient:
def __init__(self, base_url="http://127.0.0.1:10086"):
self.base = base_url
self.session = requests.Session()
self.session.headers.update({"Content-Type": "application/json; charset=utf-8"})
self.session.headers.update({"X-Token": TOKEN})

def _req(self, method, path, **kwargs):
url = f"{self.base}{path}"
try:
resp = self.session.request(method, url, timeout=10, **kwargs)
resp.raise_for_status()
return resp.json()
except requests.RequestException as e:
return {"error": str(e), "status_code": getattr(e.response, 'status_code', 500)}

def get_full_tick(self, stocks):
return self._req('POST', f'/api/data/full_tick', json={
"stocks": stocks})
client = QMTClient()
print(client.get_full_tick('600000.SH'))

client = QMTClient()
print(client.get_full_tick('600000.SH'))

QMT里可以看到对应的调用记录

外部程序的返回的结果：

然后按葫芦画瓢，让AI对着文档把剩余的函数都实现了即可。

比如要下单功能，就实现

# passorder(23) - 买入下单(封装passorder)
class BuyHandler(BaseHandler):
def post(self):
try:
data = json.loads(self.request.body)
stock = data['stock']
price = float(data['price'])
volume = int(data['volume'])
pr_type = data.get('prType', 11)
order_ref = passorder(23, 1101, self.acc(), stock, pr_type, price, volume, 'qmt', 2, self.ctx())
self.write(json.dumps({
"status": "success", "action": "buy", "stock": stock,
"order_ref": str(order_ref) if order_ref else"unknown"
}, ensure_ascii=False))
except Exception as e:
logger.exception("买入下单异常")
raise HTTPError(400, f"下单失败: {str(e)}")

然后在外部你的策略代码里面加入：

client = QMTClient()
client.buy_stock("600000.SZ", 6.80, 100)

即可完成下单，然后可以通过API查询持仓，获取最新状态。这样就不用把你策略嵌入到QMT里。

完整源码在github: https://github.com/Rockyzsu/QMT，（不确定是否AI封装的函数全部正确，会偶尔更新一下）

或者关注公众号"可转债量化分析",后台回复关键字：QMT封装

查看全部

最近某个别券商准备暂停miniQMT的功能，仅保留大QMT的功能。对于在外部启动策略的量化投资者来说，意味着要把程序全部塞回到QMT里面运行，这会造成诸多不便。

但办法总比困难多，其中一个方法是在QMT里开一个HTTP的REST API服务，外部可以调用这个HTTP API，达到下单，撤单，查询持仓，获取行情等所有在QMT下所需要的功能。

目前QMT内置的python版本为3.6.8，你可以在里面安装各种第三方web框架，fastapi，django，flask等。而QMT原来内置了tornado，就不需要额外安装其他第三方库了。文末提供完整源码地址。

导入所需要的库

from tornado.web import Application, RequestHandler, HTTPError

from tornado.ioloop import IOLoop

程序核心就是在QMT的init函数里面就启动我们的HTTP服务，端口PORT随意。

PORT = 10086

ACCOUNT_ID = '你的QMT账号'

def init(ContextInfo):

    try:

        ContextInfo.accountID = ACCOUNT_ID

        app = make_app()

        app.ContextInfo = ContextInfo

        app.accountID = ContextInfo.accountID



        app.listen(PORT, address='0.0.0.0') # 如果只在本地网络，可以设置为127.0.0.1

        logger.info(f"QMT HTTP Server 启动于 http://0.0.0.0:{PORT} (全部API已加载)")

        IOLoop.current().start()

    except Exception as e:

        logger.exception(f"server start failed: {e}")

make_app里提供的注册路由。

 ============= 路由注册 =============

def make_app():

    return Application([



        # 原有兼容路由

        (r"/api/holding", HoldingHandler),

        (r"/api/money/total", TotalMoneyHandler),

        (r"/api/money/available", AvailableMoneyHandler),

        (r"/api/order/buy", BuyHandler),

        (r"/api/order/sell", SellHandler),

        (r"/api/order/deal", DealHandler),

        ..... 省略若干

        # 数据查询

        (r"/api/data/stock_name", StockNameHandler),

        (r"/api/data/open_date", OpenDateHandler),

        (r"/api/data/last_volume", LastVolumeHandler),

        (r"/api/data/bar_timetag", BarTimetagHandler),

        (r"/api/data/tick_timetag", TickTimetagHandler),

        (r"/api/data/sector", SectorHandler),

        (r"/api/data/industry", IndustryHandler),

        (r"/api/data/stock_list_in_sector", StockListInSectorHandler),

        (r"/api/data/history_data", HistoryDataHandler),

        (r"/api/data/market_data", MarketDataHandler),

        (r"/api/data/market_data_ex", MarketDataExHandler),

        (r"/api/data/full_tick", FullTickHandler),

每个API实现一个原QMT的函数，所以有非常多的API端点。

当然这些函数我都让AI帮我对着QMT的文档实现的。

接口文档：https://qmt.ptradeapi.com/QMT_Python_API_Doc.html

然后FullTickHandler的实现如下：

# ContextInfo.get_full_tick() - 获取分笔数据

class FullTickHandler(BaseHandler):

    def post(self):

        data = json.loads(self.request.body)

        stocks = data.get('stocks', '')

        if not stocks:

            raise HTTPError(400, "need args stocks")

        code_list = [s.strip() for s in stocks.split(',')]

        ret = safe_call(self.ctx().get_full_tick, code_list)

        if not ret:

            raise HTTPError(500, "获取分笔行情失败")

        self.write(json.dumps(ret, ensure_ascii=False, default=str))

这里核心就是执行QMT的get_full_tick，把数据作为response返回。请求使用POST，传入股票代码，返回股票tick数据。

在QMT里启动后，等待外部程序调用。

上面是把完整代码复制到QMT里，然后在实盘里面启动。

然后在你外部的程序里面写个简单的HTTP请求，就能调用QMT里面的API了。

如果你的电脑有公网IP，还可以不同电脑去远程调用QMT里面的函数，

这里加入一个任意TOKEN，和QMT里面一致就行，这样请求的header带上，避免其他人调用你的API操作你账号。如果只在本地运行，可以把最开始的监听地址0.0.0.0改为127.0.0.1

TOKEN = "123456789" 

class QMTClient:

    def __init__(self, base_url="http://127.0.0.1:10086";):

        self.base = base_url

        self.session = requests.Session()

        self.session.headers.update({"Content-Type": "application/json; charset=utf-8"})

        self.session.headers.update({"X-Token": TOKEN})



    def _req(self, method, path, **kwargs):

        url = f"{self.base}{path}"

        try:

            resp = self.session.request(method, url, timeout=10, **kwargs)

            resp.raise_for_status()

            return resp.json()

        except requests.RequestException as e:

            return {"error": str(e), "status_code": getattr(e.response, 'status_code', 500)}



    def get_full_tick(self, stocks):

        return self._req('POST', f'/api/data/full_tick', json={

            "stocks": stocks})

client = QMTClient()

print(client.get_full_tick('600000.SH'))

client = QMTClient()
print(client.get_full_tick('600000.SH'))

QMT里可以看到对应的调用记录

外部程序的返回的结果：

然后按葫芦画瓢，让AI对着文档把剩余的函数都实现了即可。

比如要下单功能，就实现

# passorder(23) - 买入下单(封装passorder)

class BuyHandler(BaseHandler):

    def post(self):

        try:

            data = json.loads(self.request.body)

            stock = data['stock']

            price = float(data['price'])

            volume = int(data['volume'])

            pr_type = data.get('prType', 11)

            order_ref = passorder(23, 1101, self.acc(), stock, pr_type, price, volume, 'qmt', 2, self.ctx())

            self.write(json.dumps({

                "status": "success", "action": "buy", "stock": stock,

                "order_ref": str(order_ref) if order_ref else"unknown"

            }, ensure_ascii=False))

        except Exception as e:

            logger.exception("买入下单异常")

            raise HTTPError(400, f"下单失败: {str(e)}")

然后在外部你的策略代码里面加入：

client = QMTClient() 

client.buy_stock("600000.SZ", 6.80, 100)

即可完成下单，然后可以通过API查询持仓，获取最新状态。这样就不用把你策略嵌入到QMT里。

完整源码在github: https://github.com/Rockyzsu/QMT，（不确定是否AI封装的函数全部正确，会偶尔更新一下）

或者关注公众号"可转债量化分析",后台回复关键字：QMT封装

miniQMT要被暂停使用了吗

QMT • 李魔佛发表了文章 • 0 个评论 • 516 次浏览 • 2026-07-01 18:26 • 来自相关话题

目前确实收到消息，国X证券的miniQMT要被暂停使用。【国X证券的新开的用户没有miniQMT，存量的暂时不影响，后续会停止】

国X证券的通知：

但其他券商没有收到这个消息，所以其他券商依然能够正常使用。

从反馈的情况来看，是国X证券大面积推广这个miniQMT，导致同行反馈，被举报导致的。

其他规模不大的券商目前来看依然是安全的。

查看全部

目前确实收到消息，国X证券的miniQMT要被暂停使用。【国X证券的新开的用户没有miniQMT，存量的暂时不影响，后续会停止】

国X证券的通知：

但其他券商没有收到这个消息，所以其他券商依然能够正常使用。

从反馈的情况来看，是国X证券大面积推广这个miniQMT，导致同行反馈，被举报导致的。

其他规模不大的券商目前来看依然是安全的。

ptrade支持redis吗

Ptrade • 李魔佛发表了文章 • 0 个评论 • 290 次浏览 • 2026-06-25 13:49 • 来自相关话题

目前是不支持的。
在ptrade的研究页面里面，输入：
import redis就是直接报错：
/usr/local/python3.5/lib/python3.5/site-packages/fly/data/quotation.py:133: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.
---------------------------------------------------------------------------
ImportError Traceback (most recent call last)
<ipython-input-1-92da440a6abd> in <module>()
3 except Exception as e:
4 from fly.data.quotation import *
----> 5 import redis

ImportError: No module named 'redis'

查看全部

目前是不支持的。
在ptrade的研究页面里面，输入：

import redis

就是直接报错：

/usr/local/python3.5/lib/python3.5/site-packages/fly/data/quotation.py:133: YAMLLoadWarning: calling yaml.load() without Loader=... is deprecated, as the default Loader is unsafe. Please read https://msg.pyyaml.org/load for full details.

---------------------------------------------------------------------------

ImportError                               Traceback (most recent call last)

<ipython-input-1-92da440a6abd> in <module>()

      3 except Exception as e:

      4     from fly.data.quotation import *

----> 5 import redis



ImportError: No module named 'redis'

国盛ptrade的版本升级到3.11，但无法连接外部网络了 | 最新更新：可以申请访问

Ptrade • 李魔佛发表了文章 • 0 个评论 • 356 次浏览 • 2026-06-24 20:52 • 来自相关话题

########### 最新 ########
最新更新，现在又能够申请访问了，
不少人说国盛的ptrade内置python版本低，是3.5的。

现在迎来了大版本升级，新开户的用户会升级到内置python3.11，运行效率会有相应的提高。

但坏消息是，原本支持的访问外网的功能会被移除。也就是新用户只能使用内置的ptrade数据。没法访问自己的数据库，也没法爬虫，没法接收自己的信号。

requests请求qq.com 超时：

后续更新：

可以申购额外的访问权限，只需要提供下你要访问的域名地址或者IP端口。比如你的mysql服务器ip，既可以让ptrade访问你的服务器。从而获取数据。

需要开通国盛ptrade的，可以扫码联系：

查看全部

########### 最新 ########
最新更新，现在又能够申请访问了，
不少人说国盛的ptrade内置python版本低，是3.5的。

现在迎来了大版本升级，新开户的用户会升级到内置python3.11，运行效率会有相应的提高。

但坏消息是，原本支持的访问外网的功能会被移除。也就是新用户只能使用内置的ptrade数据。没法访问自己的数据库，也没法爬虫，没法接收自己的信号。

requests请求qq.com 超时：

后续更新：

可以申购额外的访问权限，只需要提供下你要访问的域名地址或者IP端口。比如你的mysql服务器ip，既可以让ptrade访问你的服务器。从而获取数据。

需要开通国盛ptrade的，可以扫码联系：

华泰证券支持QMT和Ptrade吗？

量化交易 • 李魔佛发表了文章 • 0 个评论 • 800 次浏览 • 2026-04-28 17:21 • 来自相关话题

### 2026-08 发布
已更新。
目前华泰新增支持QMT。门槛入金50w。

### 2026-05 发布的 ####不支持。
目前为止，华泰没有Ptrade和QMT，华泰的量化平台用的是Matic。

好多AI读取的垃圾语料, 污染了返回结果.

里面有个模块MQuant。用于编写量化程序，支持python和C++

matic文档：
https://github.com/Rockyzsu/matic.git

需要开通的朋友可以扫码关注公众号，获取开通联系方式：

查看全部

### 2026-08 发布
已更新。
目前华泰新增支持QMT。门槛入金50w。

### 2026-05 发布的 ####不支持。
目前为止，华泰没有Ptrade和QMT，华泰的量化平台用的是Matic。

好多AI读取的垃圾语料, 污染了返回结果.

里面有个模块MQuant。用于编写量化程序，支持python和C++

matic文档：
https://github.com/Rockyzsu/matic.git

需要开通的朋友可以扫码关注公众号，获取开通联系方式：

湘财证券开通ptrade门槛

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1343 次浏览 • 2026-03-04 16:56 • 来自相关话题

湘财证券是最早支持ptrade券商，其在米哥（tushare的作者）的合作下，把tushare集成到ptrade里。

其文档地址： http://tushare.xcsc.com:7173/document/2

所以湘财证券也有内置的免费的tushare，

import xcsc_tushare as ts 它不限制积分，还可以免费一直使用。

xcsc tushare的数据相比官网的tushare会少一些数据。比如爬虫部分的数据。

目前湘财的费率是
股票万0.854
ETF/LOF 万0.5
可转债万1开通ptrade的门槛是入金1w，足够低。

目前湘财证券的ptrade是基于python3.11的最新版本。

需要的朋友可以咨询公众号：查看全部

湘财证券是最早支持ptrade券商，其在米哥（tushare的作者）的合作下，把tushare集成到ptrade里。

其文档地址： http://tushare.xcsc.com:7173/document/2

所以湘财证券也有内置的免费的tushare，

import xcsc_tushare as ts

它不限制积分，还可以免费一直使用。

xcsc tushare的数据相比官网的tushare会少一些数据。比如爬虫部分的数据。

目前湘财的费率是

股票 万0.854

ETF/LOF 万0.5

可转债 万1

开通ptrade的门槛是入金1w，足够低。

目前湘财证券的ptrade是基于python3.11的最新版本。

需要的朋友可以咨询公众号：

ptrade上 2个策略A和B同时运行，A策略成交时触发的回调事件会被B策略捕获吗？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 986 次浏览 • 2026-02-12 01:10 • 来自相关话题

ptrade上最多同时运行5个策略。

那么如果A策略有股票成交，那么会触发A策略里面的成交回调函数on_trade_response，但B策略里面的on_trade_response 不会捕获这个成交所触发的成交回调。

更新关于ptrade的解答，可以关注：

https://ptradeapi.com/hub/data/qa_data.html

可以关注公众号或者星球。查看全部

ptrade上最多同时运行5个策略。

那么如果A策略有股票成交，那么会触发A策略里面的成交回调函数on_trade_response，但B策略里面的on_trade_response 不会捕获这个成交所触发的成交回调。

更新关于ptrade的解答，可以关注：

https://ptradeapi.com/hub/data/qa_data.html

可以关注公众号或者星球。

代理工具Proxifier注册码生成脚本

网络安全 • 李魔佛发表了文章 • 0 个评论 • 1054 次浏览 • 2026-01-12 01:45 • 来自相关话题

代理工具Proxifier 可以定向某个程序或者进程，使用哪一个代理。
如果你的anti-gravity无法登录，可以使用这个软件试试。

但过了30天的试用，会变成收费的。
GitHub上有个python包，可以直接生成注册码的。

$ python Proxifier_Keygen.py -v setup
CLOT5-J3GYK-VGPYE-BDPMN-WKWMU

$ python Proxifier_Keygen.py -v portable
NY8VX-Z2NH2-TFXWY-IL5YC-GARRM

$ python Proxifier_Keygen.py -v mac
57J8Z-D2QD5-A37WU-LEG4E-43WYH
然后使用上面的注册码直接注册：

成功！

需要的朋友可以直接下载：

https://github.com/y9nhjy/Proxifier-Keygen/

亲测好用，能用！查看全部

代理工具Proxifier 可以定向某个程序或者进程，使用哪一个代理。
如果你的anti-gravity无法登录，可以使用这个软件试试。

但过了30天的试用，会变成收费的。
GitHub上有个python包，可以直接生成注册码的。



$ python Proxifier_Keygen.py -v setup

CLOT5-J3GYK-VGPYE-BDPMN-WKWMU



$ python Proxifier_Keygen.py -v portable

NY8VX-Z2NH2-TFXWY-IL5YC-GARRM



$ python Proxifier_Keygen.py -v mac

57J8Z-D2QD5-A37WU-LEG4E-43WYH

然后使用上面的注册码直接注册：

成功！

需要的朋友可以直接下载：

https://github.com/y9nhjy/Proxifier-Keygen/

亲测好用，能用！

山西证券开通ptrade门槛万0.854免5 | 山西证券ptrade下载地址

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1614 次浏览 • 2025-12-27 19:00 • 来自相关话题

山西证券的ptrade可以自由切换python3.5和python3.11 二者的API会有一定的区别。

主要python3.11移除了pandas里的panel格式。导致之前ptrade获取到的3维数据不再兼容当前的最新版本。

山西证券ptrade下载地址：
山西证券ptrade实盘下载链接

山西证券ptrade仿真模拟下载链接

其实，个人感觉，现在的ptrade更加好用，不用再考虑不同的数据输入，来判读不同的返回结果。

get_history 函数，无论什么情况，都是返回dataframe格式。字段也是完全统一了

使用 sub_df = df[df['code']=code]
就能获取不同的输入格式。

换以前，如果传入的是一个字段 get_history(fields='close') 和get_history(fields=['low','close'])

返回的格式还得区分处理。

现在统一了，更加好用了。

目前山西证券ptrade开通门槛很低，入金5w就可以开通，而且费率是免5，万0.854免5，0.1起步，目前这么多券商里面是属于最低的了。

需要的朋友可以联系微信公众号开通：

查看全部

山西证券的ptrade可以自由切换python3.5和python3.11 二者的API会有一定的区别。

主要python3.11移除了pandas里的panel格式。导致之前ptrade获取到的3维数据不再兼容当前的最新版本。

山西证券ptrade下载地址：
山西证券ptrade实盘下载链接

山西证券ptrade仿真模拟下载链接

其实，个人感觉，现在的ptrade更加好用，不用再考虑不同的数据输入，来判读不同的返回结果。

get_history 函数，无论什么情况，都是返回dataframe格式。字段也是完全统一了

使用 sub_df = df[df['code']=code]
就能获取不同的输入格式。

换以前，如果传入的是一个字段 get_history(fields='close') 和get_history(fields=['low','close'])

返回的格式还得区分处理。

现在统一了，更加好用了。

目前山西证券ptrade开通门槛很低，入金5w就可以开通，而且费率是免5，万0.854免5，0.1起步，目前这么多券商里面是属于最低的了。

需要的朋友可以联系微信公众号开通：

东莞证券ptrade的编程功能模块被移除了

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1503 次浏览 • 2025-11-23 13:17 • 来自相关话题

东莞证券支持ptrade和qmt,miniQMT ,

本来门槛不太高,作为备用也是不错的.

也不知道上面领导怎么想的. 把编程模块移走了.

目前就剩ptrade上内置的一些基础功能

无法通过python编程实现自己的自定义策略.

有点可惜.

查看全部

东莞证券支持ptrade和qmt,miniQMT ,

本来门槛不太高,作为备用也是不错的.

也不知道上面领导怎么想的. 把编程模块移走了.

目前就剩ptrade上内置的一些基础功能

无法通过python编程实现自己的自定义策略.

有点可惜.

ubuntu24.04的内置的ibus中文智能输入法好垃圾

Linux • 李魔佛发表了文章 • 0 个评论 • 1261 次浏览 • 2025-11-22 23:34 • 来自相关话题

颇为无奈.
搜狗输入法不知道ubuntu24.04的wayland桌面, 因为ubuntu240.4默认桌面不再是xorg.
如果需要用搜狗输入法,就必须是切换到xorg.

但是切换到xorg,系统里的chrome直接打不开, 需要对chrome进行降级...

无语了.

只能切换回去,用内置的智能中文输入法.

这输入法过于脑残.... 不太适合长句子, 不适合经常打错拼音的人...

查看全部

颇为无奈.
搜狗输入法不知道ubuntu24.04的wayland桌面, 因为ubuntu240.4默认桌面不再是xorg.
如果需要用搜狗输入法,就必须是切换到xorg.

但是切换到xorg,系统里的chrome直接打不开, 需要对chrome进行降级...

无语了.

只能切换回去,用内置的智能中文输入法.

这输入法过于脑残.... 不太适合长句子, 不适合经常打错拼音的人...

ptrade不支持reits，连持仓已有的也读取不出来

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1268 次浏览 • 2025-11-18 12:45 • 来自相关话题

之前有个老账号，reits打新中的一只retis基金。

然后调用get_positions获取持仓，居然为空。

开始以为我程序代码后缀有问题，百思不得其解，反复检查之后，突然想起目前的ptrade不支持reits品种。

但没想到居然这个持仓代码都读取不到。。。

查看全部

之前有个老账号，reits打新中的一只retis基金。

然后调用get_positions获取持仓，居然为空。

开始以为我程序代码后缀有问题，百思不得其解，反复检查之后，突然想起目前的ptrade不支持reits品种。

但没想到居然这个持仓代码都读取不到。。。

指数回来了，收益没回来！十年前 4000 点买入，多少股票至今没回本？

股票 • 李魔佛发表了文章 • 0 个评论 • 1629 次浏览 • 2025-10-29 08:58 • 来自相关话题

今天股市的头条新闻都是上证指数盘中冲破4000点，突破十年的高点。

可惜只持续了40分钟，收盘时跌回到3988点。

不过本轮并不是全面的牛市，没在暴涨板块的股民自嘲：

8000点的农行，6000点的科技，4000点的红利，剩下的全是2000点的难兄难弟。

十年光阴荏苒，上证指数上一次收盘价超过 4000 点是在 2015 年 7 月 24 日，当日收于 4070.91 点。

指数重回4000点，而又有多少股票的股价能够重回十年前4000点的时候股价呢？或者说还有多少股票依然还在以前4000点的时候的股价还低呢？

问了一下豆包，deepseek这个问题，结果说找不到现成的数据，无法分析。

迅速在ptrade上写个代码查询一下。

2015 年 7 月 24 日市场有有沪深股票2783只，而当时的2783只股票今天依然在市场交易的有2567只。大约有216只股票退市（少数是合并、收购，大部分原因是退市）。

也就是十年前扔飞镖随便买一只股票，会有7.7%的概率买到退市股，并且是那种目前彻底退出的沪深板块，流入到退市板块。

下面列出期间的退市股（含收购合并），数据较多，对细节不感兴趣的可直接滚动到最后。

依然在交易的排除掉7只停牌的股票，有2559只存续交易的股票。

跌幅榜的排名。

不少跌幅达到80%-90%，不少是当时的牛股，全通交易，怡亚通，ST易购（苏宁易购），康美药业，万达电影等等。

跌幅为0的排到1662名了。数据太长，贴不下了。

也就是上证指数回到上一次的4000点，有1661只个股依然没有回到当时的股价，占比达到了64.9%。（注意，上面的股价是前复权的价格，是已经包含了分红的全收益价格。）

看完这个数据整个人都不太好受了，股民的十年青春在股海沉浮，最终超过一半的个股还没有回到牛市的起点。查看全部

今天股市的头条新闻都是上证指数盘中冲破4000点，突破十年的高点。

可惜只持续了40分钟，收盘时跌回到3988点。

不过本轮并不是全面的牛市，没在暴涨板块的股民自嘲：

8000点的农行，6000点的科技，4000点的红利，剩下的全是2000点的难兄难弟。

十年光阴荏苒，上证指数上一次收盘价超过 4000 点是在 2015 年 7 月 24 日，当日收于 4070.91 点。

指数重回4000点，而又有多少股票的股价能够重回十年前4000点的时候股价呢？或者说还有多少股票依然还在以前4000点的时候的股价还低呢？

问了一下豆包，deepseek这个问题，结果说找不到现成的数据，无法分析。

迅速在ptrade上写个代码查询一下。

2015 年 7 月 24 日市场有有沪深股票2783只，而当时的2783只股票今天依然在市场交易的有2567只。大约有216只股票退市（少数是合并、收购，大部分原因是退市）。

也就是十年前扔飞镖随便买一只股票，会有7.7%的概率买到退市股，并且是那种目前彻底退出的沪深板块，流入到退市板块。

下面列出期间的退市股（含收购合并），数据较多，对细节不感兴趣的可直接滚动到最后。

依然在交易的排除掉7只停牌的股票，有2559只存续交易的股票。

跌幅榜的排名。

不少跌幅达到80%-90%，不少是当时的牛股，全通交易，怡亚通，ST易购（苏宁易购），康美药业，万达电影等等。

跌幅为0的排到1662名了。数据太长，贴不下了。

也就是上证指数回到上一次的4000点，有1661只个股依然没有回到当时的股价，占比达到了64.9%。（注意，上面的股价是前复权的价格，是已经包含了分红的全收益价格。）

看完这个数据整个人都不太好受了，股民的十年青春在股海沉浮，最终超过一半的个股还没有回到牛市的起点。

东北证券QMT miniQMT (NET专业版)万0.854免5

QMT • 李魔佛发表了文章 • 0 个评论 • 4263 次浏览 • 2025-10-16 23:05 • 来自相关话题

东北证券是目前为数不多的支持miniQMT，而且免5，门槛也不高的券商。入金30w，可以绵五，开通QMT、miniQMT.

东北证券的qmt名称叫NET专业版。

东北证券的QMT支持python和vba 两种语言。

开通后可加入量化技术群。
扫码联系开通。查看全部

东北证券是目前为数不多的支持miniQMT，而且免5，门槛也不高的券商。入金30w，可以绵五，开通QMT、miniQMT.

东北证券的qmt名称叫NET专业版。

东北证券的QMT支持python和vba 两种语言。

开通后可加入量化技术群。
扫码联系开通。

ptrade支持北交所股票量化交易吗？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 1779 次浏览 • 2025-10-09 11:36 • 来自相关话题

根据当前的ptrade文档，各大券商的ptrade依然不支持北交所股票。

文档里面搜不到内容，股票后缀使用北交所代码+ SS后缀，或者 .BJ 后缀，获取不到任何的数据。

ptrade api 文档：
https://ptradeapi.com
查看全部

根据当前的ptrade文档，各大券商的ptrade依然不支持北交所股票。

文档里面搜不到内容，股票后缀使用北交所代码+ SS后缀，或者 .BJ 后缀，获取不到任何的数据。

ptrade api 文档：
https://ptradeapi.com

山西证券Ptrade 万一免五开户

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2022 次浏览 • 2025-09-26 01:44 • 来自相关话题

山西证券的ptrade可以切换2个python版本,一个是旧的python3.5, 一个是新的python3.11

本身山西证券的ptrade开通门槛不高, 入金5万就能开通ptrade,永久使用,不收费.

不过默认费率比较高, 也不免5.

不过入金5w后,是可以调到万一免5的.

因为高顿教育的量化课程使用的是山西证券作为实例,所以也有不少的群众基础.

需要的可以扫码关注开通.

查看全部

山西证券的ptrade可以切换2个python版本,一个是旧的python3.5, 一个是新的python3.11

本身山西证券的ptrade开通门槛不高, 入金5万就能开通ptrade,永久使用,不收费.

不过默认费率比较高, 也不免5.

不过入金5w后,是可以调到万一免5的.

因为高顿教育的量化课程使用的是山西证券作为实例,所以也有不少的群众基础.

需要的可以扫码关注开通.

Ptrade ETF轮动，收益率秒杀白云飞

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2016 次浏览 • 2025-09-11 20:07 • 来自相关话题

白云飞策略无非就是靠牛市来的时候的收益。

如果抛去924行情，和今年的创业板+科创板，CPO，芯片，那么它的收益率是负的。漫长的3年回撤期，除非是闲钱很久不用的钱，否则谁也无法忍受这么长的回撤。

而ETF日，周净增轮动+动量+板块温度计+评分因子，可以做到超高的收益率。

使用ptrade进行回测。

使用ptrade进行实盘。

TBC

查看全部

白云飞策略无非就是靠牛市来的时候的收益。

如果抛去924行情，和今年的创业板+科创板，CPO，芯片，那么它的收益率是负的。漫长的3年回撤期，除非是闲钱很久不用的钱，否则谁也无法忍受这么长的回撤。

而ETF日，周净增轮动+动量+板块温度计+评分因子，可以做到超高的收益率。

使用ptrade进行回测。

使用ptrade进行实盘。

TBC

ptrade计算EMA指标，对比同花顺

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2220 次浏览 • 2025-09-01 23:04 • 来自相关话题

同花顺 EMA 与标准 EMA 的核心区别

初始值计算：

标准 EMA：以周期内的第一个 SMA（简单移动平均）作为初始值
同花顺 EMA：直接以第一根 K 线的收盘价作为初始 EMA 值

计算逻辑：
两者在后续递推计算上一致，均使用公式：
plaintext
EMA(今日) = (2/(周期+1)) × 收盘价(今日) + (1-2/(周期+1)) × EMA(昨日)

实际影响：
由于初始值不同，在计算初期（小于周期长度的 K 线数量时），两种方法结果差异较大；随着数据增多，差异会逐渐缩小。

使用时只需将你的收盘价数据整理成 pandas Series 格式，调用该函数即可得到与同花顺软件完全一致的 EMA 计算结果，便于策略回测和指标对比。

import pandas as pd

def tonghuashun_ema(close_series, period):
"""
按照同花顺的算法计算EMA指标

参数:
close_series: pd.Series，包含收盘价数据，索引为日期
period: int，EMA周期（如5、10、50等）

返回:
pd.Series，计算得到的EMA指标序列
"""
if len(close_series) < 1:
return pd.Series(dtype='float64')

# 平滑系数
alpha = 2 / (period + 1)

# 初始化EMA序列
ema = pd.Series(index=close_series.index, dtype='float64')

# 同花顺特色：第一根EMA值等于当日收盘价
ema.iloc[0] = close_series.iloc[0]

# 从第二根开始使用递推公式计算
for i in range(1, len(close_series)):
ema.iloc[i] = alpha * close_series.iloc[i] + (1 - alpha) * ema.iloc[i-1]

return ema

# 示例：计算同花顺EMA(12)和EMA(26)（常用的MACD组件）
if __name__ == "__main__":
import numpy as np

# 生成模拟数据（50个交易日收盘价）
dates = pd.date_range(start='2023-01-01', periods=50)
np.random.seed(42) # 固定随机种子，保证结果可复现
close_prices = np.cumsum(np.random.randn(50)) + 100 # 模拟价格波动
close_series = pd.Series(close_prices, index=dates, name='close')

# 计算同花顺EMA(12)和EMA(26)
ema12 = tonghuashun_ema(close_series, 12)
ema26 = tonghuashun_ema(close_series, 26)

# 合并结果并显示
result = pd.DataFrame({
'收盘价': close_series,
'EMA12(同花顺)': ema12,
'EMA26(同花顺)': ema26
})

print("同花顺EMA指标计算结果（前10行）：")
print(result.head(10))
print("\n同花顺EMA指标计算结果（最后10行）：")
print(result.tail(10))

然后直接把上面代码贴入ptrade，封装成函数，传入日线数据即可使用。
查看全部

同花顺 EMA 与标准 EMA 的核心区别

初始值计算：

标准 EMA：以周期内的第一个 SMA（简单移动平均）作为初始值
同花顺 EMA：直接以第一根 K 线的收盘价作为初始 EMA 值

计算逻辑：
两者在后续递推计算上一致，均使用公式：
plaintext
EMA(今日) = (2/(周期+1)) × 收盘价(今日) + (1-2/(周期+1)) × EMA(昨日)

实际影响：
由于初始值不同，在计算初期（小于周期长度的 K 线数量时），两种方法结果差异较大；随着数据增多，差异会逐渐缩小。

使用时只需将你的收盘价数据整理成 pandas Series 格式，调用该函数即可得到与同花顺软件完全一致的 EMA 计算结果，便于策略回测和指标对比。

import pandas as pd



def tonghuashun_ema(close_series, period):

    """

    按照同花顺的算法计算EMA指标

    

    参数:

    close_series: pd.Series，包含收盘价数据，索引为日期

    period: int，EMA周期（如5、10、50等）

    

    返回:

    pd.Series，计算得到的EMA指标序列

    """

    if len(close_series) < 1:

        return pd.Series(dtype='float64')

    

    # 平滑系数

    alpha = 2 / (period + 1)

    

    # 初始化EMA序列

    ema = pd.Series(index=close_series.index, dtype='float64')

    

    # 同花顺特色：第一根EMA值等于当日收盘价

    ema.iloc[0] = close_series.iloc[0]

    

    # 从第二根开始使用递推公式计算

    for i in range(1, len(close_series)):

        ema.iloc[i] = alpha * close_series.iloc[i] + (1 - alpha) * ema.iloc[i-1]

    

    return ema



# 示例：计算同花顺EMA(12)和EMA(26)（常用的MACD组件）

if __name__ == "__main__":

    import numpy as np

    

    # 生成模拟数据（50个交易日收盘价）

    dates = pd.date_range(start='2023-01-01', periods=50)

    np.random.seed(42)  # 固定随机种子，保证结果可复现

    close_prices = np.cumsum(np.random.randn(50)) + 100  # 模拟价格波动

    close_series = pd.Series(close_prices, index=dates, name='close')

    

    # 计算同花顺EMA(12)和EMA(26)

    ema12 = tonghuashun_ema(close_series, 12)

    ema26 = tonghuashun_ema(close_series, 26)

    

    # 合并结果并显示

    result = pd.DataFrame({

        '收盘价': close_series,

        'EMA12(同花顺)': ema12,

        'EMA26(同花顺)': ema26

    })

    

    print("同花顺EMA指标计算结果（前10行）：")

    print(result.head(10))

    print("\n同花顺EMA指标计算结果（最后10行）：")

    print(result.tail(10))

然后直接把上面代码贴入ptrade，封装成函数，传入日线数据即可使用。

申万宏源 Ptrade / QMT/miniQMT 免5 开通

QMT • 李魔佛发表了文章 • 0 个评论 • 2610 次浏览 • 2025-08-07 19:01 • 来自相关话题

费率非常低，万0.854，免5 ！
支持QMT，miniQMT和Ptrade。

量化功能应有尽有，是目前为止为数不多的有miniQMT的免5券商。

费率低，ETF，可转债均为万0.5

线上开户，需要的朋友可以扫码联系开通。
查看全部

费率非常低，万0.854，免5 ！
支持QMT，miniQMT和Ptrade。

量化功能应有尽有，是目前为止为数不多的有miniQMT的免5券商。

费率低，ETF，可转债均为万0.5

线上开户，需要的朋友可以扫码联系开通。

ptrade获取集合竞价数据

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2334 次浏览 • 2025-08-07 18:48 • 来自相关话题

新版的ptrade已经可以获取集合竞价的数据：
date = '20250806'
stocks = ['300333.SZ']
data = get_trend_data(date=date, stocks=stocks)

# 返回数据
{'300333.SZ': {'time_stamp': 202508060930,
'hq_px': 14.1,
'wavg_px': 14.1,
'business_amount': 40300,
'business_balance': 568230,
'amount': 0}}
在实盘，回测，研究里面就能够使用

公众号：可转债量化分析

星球
查看全部

新版的ptrade已经可以获取集合竞价的数据：

date = '20250806'

stocks = ['300333.SZ']

data = get_trend_data(date=date, stocks=stocks)



# 返回数据

{'300333.SZ': {'time_stamp': 202508060930,

  'hq_px': 14.1,

  'wavg_px': 14.1,

  'business_amount': 40300,

  'business_balance': 568230,

  'amount': 0}}

在实盘，回测，研究里面就能够使用

公众号：可转债量化分析

星球

ptrade不同券商数据质量之 ETF数据质量残次不齐

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2410 次浏览 • 2025-07-23 18:28 • 来自相关话题

其实用的函数是

etf_list = get_etf_list()

然后在不同的券商上运行。

国盛得到的数据：2025-07-23 16:07:15 - INFO - 公众号：可转债量化分析 ---- start ----
2025-07-23 16:08:00 - INFO - start func
2025-07-23 16:08:00 - INFO - 公众号：可转债量化分析
2025-07-23 16:08:00 - INFO - 660
得到的ETF数据有660只。

同样的代码，放到国金的ptrade上运行，得到 2025-07-23 15:45:10 - INFO - 当前服务器配置为：交易时间段服务器重启后，执行拉起本交易操作
2025-07-23 15:45:12 - INFO - 公众号：可转债量化分析 ---- start ----
2025-07-23 15:46:00 - INFO - start func
2025-07-23 15:46:00 - INFO - 公众号：可转债量化分析
2025-07-23 15:46:00 - INFO - 1043有1000只的ETF。

然后把日志导出到本地，用python求解一下不同的数据

(py11) D:\github\stock_strategy\api_validation>python etf-compare.py
516330.SS
561320.SS
159265.SZ
560980.SS
159813.SZ
159859.SZ
561700.SS
511620.SS
159898.SZ
159969.SZ
512380.SS
159972.SZ
159857.SZ
516300.SS
588200.SS
510180.SS
517520.SS
515680.SS
159618.SZ
159827.SZ
561980.SS
511820.SS
515150.SS
159701.SZ
159743.SZ
159623.SZ
159991.SZ
510660.SS
159681.SZ
159845.SZ
515890.SS
515850.SS
515300.SS
159510.SZ
511920.SS
159805.SZ
159610.SZ
159929.SZ
517170.SS
530800.SS
510630.SS
159535.SZ
561790.SS
159842.SZ
510150.SS
560580.SS
517800.SS
515790.SS
159806.SZ
516530.SS
159873.SZ
159207.SZ
515320.SS
516750.SS
159635.SZ
515290.SS
515030.SS
561130.SS
588150.SS
560680.SS
560280.SS
561570.SS
515760.SS
515900.SS
511090.SS
159643.SZ
588040.SS
159968.SZ
512520.SS
159322.SZ
516520.SS
159841.SZ
159359.SZ
515160.SS
511260.SS
516710.SS
159698.SZ
588230.SS
159786.SZ
562900.SS
159309.SZ
159358.SZ
563800.SS
159677.SZ
159551.SZ
517850.SS
159899.SZ
159862.SZ
159961.SZ
159779.SZ
515580.SS
159836.SZ
510060.SS
515010.SS
159355.SZ
560700.SS
159885.SZ
517880.SS
159864.SZ
159640.SZ
510270.SS
560150.SS
515750.SS
159003.SZ
159748.SZ
515330.SS
159730.SZ
159994.SZ
516290.SS
516080.SS
560510.SS
159005.SZ
159306.SZ
159378.SZ
512960.SS
159680.SZ
159847.SZ
159310.SZ
159587.SZ
588400.SS
515770.SS
159393.SZ
159657.SZ
516220.SS
159575.SZ
560350.SS
159997.SZ
515110.SS
159713.SZ
159880.SZ
159576.SZ
159520.SZ
562360.SS
588930.SS
518660.SS
159669.SZ
159206.SZ
159621.SZ
159928.SZ
159731.SZ
516050.SS
562390.SS
159831.SZ
516510.SS
159913.SZ
159633.SZ
511190.SS
512670.SS
516780.SS
517110.SS
159820.SZ
159690.SZ
159881.SZ
561230.SS
510010.SS
159992.SZ
159666.SZ
159725.SZ
159870.SZ
511010.SS
515060.SS
560860.SS
515100.SS
159993.SZ
512820.SS
159825.SZ
511900.SS
515990.SS
159849.SZ
563330.SS
512240.SS
159974.SZ
159910.SZ
159638.SZ
512890.SS
159641.SZ
159875.SZ
159682.SZ
159796.SZ
159887.SZ
159620.SZ
510880.SS
159225.SZ
159720.SZ
510410.SS
159883.SZ
159931.SZ
159363.SZ
588100.SS
561200.SS
560550.SS
159791.SZ
159229.SZ
159982.SZ
159647.SZ
560610.SS
159386.SZ
159559.SZ
159630.SZ
159795.SZ
511200.SS
512510.SS
561260.SS
159589.SZ
562860.SS
560090.SS
159889.SZ
159707.SZ
588320.SS
159678.SZ
510680.SS
159863.SZ
515980.SS
159543.SZ
510100.SS
159679.SZ
512040.SS
530000.SS
511770.SS
159838.SZ
159553.SZ
159998.SZ
515080.SS
588110.SS
561990.SS
159729.SZ
515120.SS
159739.SZ
159856.SZ
159800.SZ
510020.SS
510650.SS
159909.SZ
517550.SS
515630.SS
159685.SZ
515960.SS
515380.SS
561910.SS
515860.SS
518680.SS
588250.SS
159603.SZ
159339.SZ
159778.SZ
159958.SZ
516120.SS
588090.SS
159781.SZ
562300.SS
159761.SZ
517080.SS
159617.SZ
516060.SS
588680.SS
511580.SS
159521.SZ
159770.SZ
159397.SZ
159888.SZ
159816.SZ
516880.SS
159716.SZ
516910.SS
159209.SZ
588880.SS
562800.SS
515650.SS
561590.SS
159715.SZ
159552.SZ
512280.SS
588830.SS
516790.SS
159656.SZ
588460.SS
561350.SS
511850.SS
516830.SS
515530.SS
517120.SS
159658.SZ
563360.SS
517010.SS
516630.SS
159608.SZ
159959.SZ
563300.SS
563350.SS
516650.SS
561920.SS
561310.SS
516460.SS
512680.SS
159782.SZ
515360.SS
159628.SZ
159629.SZ
560260.SS
512730.SS
588010.SS
159697.SZ
588760.SS
513890.SS
159977.SZ
516500.SS
561500.SS
512220.SS
510550.SS
159555.SZ
588300.SS
530300.SS
159649.SZ
159395.SZ
560560.SS
516950.SS
511810.SS
561330.SS
159732.SZ
511600.SS
562890.SS
516550.SS
159717.SZ
159797.SZ
159970.SZ
561900.SS
561560.SS
159890.SZ
159721.SZ
560190.SS
159366.SZ
515950.SS
511950.SS
159908.SZ
159861.SZ
159517.SZ
159975.SZ
159625.SZ
159830.SZ
510050.SS
159895.SZ
517900.SS
159652.SZ
510990.SS
159811.SZ
159852.SZ
517000.SS
159930.SZ
159840.SZ
515070.SS
511670.SS
159807.SZ
561550.SS
511980.SS
159675.SZ
159611.SZ
560880.SS
515660.SS
560530.SS
511830.SS
159766.SZ
159631.SZ
561190.SS
512150.SS
561950.SS
517360.SS
518880.SS
510850.SS
159768.SZ
159876.SZ
159398.SZ
159865.SZ
515600.SS
159360.SZ
159305.SZ
511970.SS
159671.SZ
588310.SS
516770.SS
159320.SZ
516670.SS
517100.SS
159572.SZ
159839.SZ
159627.SZ
159665.SZ
159790.SZ
563520.SS
511520.SS
511690.SS
561160.SS
159723.SZ
159216.SZ
159886.SZ
510190.SS
159798.SZ
562590.SS
159843.SZ
159867.SZ
159663.SZ
159619.SZ
516090.SS
515090.SS
560080.SS
159869.SZ
159872.SZ
159736.SZ
560900.SS
588950.SS
159855.SZ
516150.SS
516960.SS
159828.SZ
517050.SS
159851.SZ
159645.SZ
511930.SS
159935.SZ
159703.SZ
517200.SS
512020.SS
159787.SZ
588240.SS
159362.SZ
517990.SS
561960.SS
562880.SS
159971.SZ
159760.SZ
159871.SZ
513630.SS
561380.SS
不同的ETF数量: 432这400多只的ETF是在国盛上缺失的。
这数据有点惊人.....

如果要用国盛，可以用国金的把ETF列表导出到txt，然后上传到国盛，然后在程序中读取这个etf列表。
查看全部

其实用的函数是

etf_list = get_etf_list()

然后在不同的券商上运行。

国盛得到的数据：

2025-07-23 16:07:15 - INFO - 公众号：可转债量化分析 ---- start ---- 

2025-07-23 16:08:00 - INFO - start func 

2025-07-23 16:08:00 - INFO - 公众号：可转债量化分析 

2025-07-23 16:08:00 - INFO - 660

得到的ETF数据有660只。

同样的代码，放到国金的ptrade上运行，得到

2025-07-23 15:45:10 - INFO - 当前服务器配置为：交易时间段服务器重启后，执行拉起本交易操作 

2025-07-23 15:45:12 - INFO - 公众号：可转债量化分析 ---- start ---- 

2025-07-23 15:46:00 - INFO - start func 

2025-07-23 15:46:00 - INFO - 公众号：可转债量化分析 

2025-07-23 15:46:00 - INFO - 1043

有1000只的ETF。

然后把日志导出到本地，用python求解一下不同的数据





(py11) D:\github\stock_strategy\api_validation>python etf-compare.py

516330.SS

561320.SS

159265.SZ

560980.SS

159813.SZ

159859.SZ

561700.SS

511620.SS

159898.SZ

159969.SZ

512380.SS

159972.SZ

159857.SZ

516300.SS

588200.SS

510180.SS

517520.SS

515680.SS

159618.SZ

159827.SZ

561980.SS

511820.SS

515150.SS

159701.SZ

159743.SZ

159623.SZ

159991.SZ

510660.SS

159681.SZ

159845.SZ

515890.SS

515850.SS

515300.SS

159510.SZ

511920.SS

159805.SZ

159610.SZ

159929.SZ

517170.SS

530800.SS

510630.SS

159535.SZ

561790.SS

159842.SZ

510150.SS

560580.SS

517800.SS

515790.SS

159806.SZ

516530.SS

159873.SZ

159207.SZ

515320.SS

516750.SS

159635.SZ

515290.SS

515030.SS

561130.SS

588150.SS

560680.SS

560280.SS

561570.SS

515760.SS

515900.SS

511090.SS

159643.SZ

588040.SS

159968.SZ

512520.SS

159322.SZ

516520.SS

159841.SZ

159359.SZ

515160.SS

511260.SS

516710.SS

159698.SZ

588230.SS

159786.SZ

562900.SS

159309.SZ

159358.SZ

563800.SS

159677.SZ

159551.SZ

517850.SS

159899.SZ

159862.SZ

159961.SZ

159779.SZ

515580.SS

159836.SZ

510060.SS

515010.SS

159355.SZ

560700.SS

159885.SZ

517880.SS

159864.SZ

159640.SZ

510270.SS

560150.SS

515750.SS

159003.SZ

159748.SZ

515330.SS

159730.SZ

159994.SZ

516290.SS

516080.SS

560510.SS

159005.SZ

159306.SZ

159378.SZ

512960.SS

159680.SZ

159847.SZ

159310.SZ

159587.SZ

588400.SS

515770.SS

159393.SZ

159657.SZ

516220.SS

159575.SZ

560350.SS

159997.SZ

515110.SS

159713.SZ

159880.SZ

159576.SZ

159520.SZ

562360.SS

588930.SS

518660.SS

159669.SZ

159206.SZ

159621.SZ

159928.SZ

159731.SZ

516050.SS

562390.SS

159831.SZ

516510.SS

159913.SZ

159633.SZ

511190.SS

512670.SS

516780.SS

517110.SS

159820.SZ

159690.SZ

159881.SZ

561230.SS

510010.SS

159992.SZ

159666.SZ

159725.SZ

159870.SZ

511010.SS

515060.SS

560860.SS

515100.SS

159993.SZ

512820.SS

159825.SZ

511900.SS

515990.SS

159849.SZ

563330.SS

512240.SS

159974.SZ

159910.SZ

159638.SZ

512890.SS

159641.SZ

159875.SZ

159682.SZ

159796.SZ

159887.SZ

159620.SZ

510880.SS

159225.SZ

159720.SZ

510410.SS

159883.SZ

159931.SZ

159363.SZ

588100.SS

561200.SS

560550.SS

159791.SZ

159229.SZ

159982.SZ

159647.SZ

560610.SS

159386.SZ

159559.SZ

159630.SZ

159795.SZ

511200.SS

512510.SS

561260.SS

159589.SZ

562860.SS

560090.SS

159889.SZ

159707.SZ

588320.SS

159678.SZ

510680.SS

159863.SZ

515980.SS

159543.SZ

510100.SS

159679.SZ

512040.SS

530000.SS

511770.SS

159838.SZ

159553.SZ

159998.SZ

515080.SS

588110.SS

561990.SS

159729.SZ

515120.SS

159739.SZ

159856.SZ

159800.SZ

510020.SS

510650.SS

159909.SZ

517550.SS

515630.SS

159685.SZ

515960.SS

515380.SS

561910.SS

515860.SS

518680.SS

588250.SS

159603.SZ

159339.SZ

159778.SZ

159958.SZ

516120.SS

588090.SS

159781.SZ

562300.SS

159761.SZ

517080.SS

159617.SZ

516060.SS

588680.SS

511580.SS

159521.SZ

159770.SZ

159397.SZ

159888.SZ

159816.SZ

516880.SS

159716.SZ

516910.SS

159209.SZ

588880.SS

562800.SS

515650.SS

561590.SS

159715.SZ

159552.SZ

512280.SS

588830.SS

516790.SS

159656.SZ

588460.SS

561350.SS

511850.SS

516830.SS

515530.SS

517120.SS

159658.SZ

563360.SS

517010.SS

516630.SS

159608.SZ

159959.SZ

563300.SS

563350.SS

516650.SS

561920.SS

561310.SS

516460.SS

512680.SS

159782.SZ

515360.SS

159628.SZ

159629.SZ

560260.SS

512730.SS

588010.SS

159697.SZ

588760.SS

513890.SS

159977.SZ

516500.SS

561500.SS

512220.SS

510550.SS

159555.SZ

588300.SS

530300.SS

159649.SZ

159395.SZ

560560.SS

516950.SS

511810.SS

561330.SS

159732.SZ

511600.SS

562890.SS

516550.SS

159717.SZ

159797.SZ

159970.SZ

561900.SS

561560.SS

159890.SZ

159721.SZ

560190.SS

159366.SZ

515950.SS

511950.SS

159908.SZ

159861.SZ

159517.SZ

159975.SZ

159625.SZ

159830.SZ

510050.SS

159895.SZ

517900.SS

159652.SZ

510990.SS

159811.SZ

159852.SZ

517000.SS

159930.SZ

159840.SZ

515070.SS

511670.SS

159807.SZ

561550.SS

511980.SS

159675.SZ

159611.SZ

560880.SS

515660.SS

560530.SS

511830.SS

159766.SZ

159631.SZ

561190.SS

512150.SS

561950.SS

517360.SS

518880.SS

510850.SS

159768.SZ

159876.SZ

159398.SZ

159865.SZ

515600.SS

159360.SZ

159305.SZ

511970.SS

159671.SZ

588310.SS

516770.SS

159320.SZ

516670.SS

517100.SS

159572.SZ

159839.SZ

159627.SZ

159665.SZ

159790.SZ

563520.SS

511520.SS

511690.SS

561160.SS

159723.SZ

159216.SZ

159886.SZ

510190.SS

159798.SZ

562590.SS

159843.SZ

159867.SZ

159663.SZ

159619.SZ

516090.SS

515090.SS

560080.SS

159869.SZ

159872.SZ

159736.SZ

560900.SS

588950.SS

159855.SZ

516150.SS

516960.SS

159828.SZ

517050.SS

159851.SZ

159645.SZ

511930.SS

159935.SZ

159703.SZ

517200.SS

512020.SS

159787.SZ

588240.SS

159362.SZ

517990.SS

561960.SS

562880.SS

159971.SZ

159760.SZ

159871.SZ

513630.SS

561380.SS

不同的ETF数量: 432

这400多只的ETF是在国盛上缺失的。
这数据有点惊人.....

如果要用国盛，可以用国金的把ETF列表导出到txt，然后上传到国盛，然后在程序中读取这个etf列表。

长江证券 ptrade 免五开通门槛

Ptrade • 李魔佛发表了文章 • 0 个评论 • 3154 次浏览 • 2025-07-22 16:57 • 来自相关话题

长江证券支持ptrade量化交易，同时也可以免5, 股票0.1元起收。

软件描述：长江证券PTrade交易终端是由恒生电子股份有限公司开发，为服务投资者专业化个性化交易需求而打造的交易终端
功能介绍：
1. 操作便捷：支持闪电下单、一键撤补、一键清仓、批量撤单、全键盘交易等功能
2. 功能丰富：提供策略交易、拐点交易、网格交易、抢单交易、追涨停、盘口扫单、可转债套利、ETF套利、篮子交易等交易工具
3. 量化交易：支持策略单交易，提供完整的策略平台，支持客户做策略研究、策略编写、策略回测和实盘交易
4. 极速交易：支持通过华锐ATP极速柜台、快速交易通道交易
MD5码：16ab7feba617b254c1607320ce69a780

版本：PTrade1.0-Client-V202308-15-000

文件大小：215.2M

文件名：PTrade1.0-Client-V202308-15-000_CY.zip

有2个版本，一个是长江证券ptrade交易终端（极速版），这个可以在上面编写python策略；

一个是Ptrade交易终端（简版），这个只提供了基础的量化工具，比如套利，网格，日内回转交易。不支持python编程功能。所以注意不要开错了哦。

下载链接：
https://downcq.95579.com/jcj/zg/PTrade1.0-Client-V202308-15-000_CY.zip

长期更新站点：
https://ptradeapi.com/

需要开通的朋友可以关注公众号联系：查看全部

长江证券支持ptrade量化交易，同时也可以免5, 股票0.1元起收。

软件描述：长江证券PTrade交易终端是由恒生电子股份有限公司开发，为服务投资者专业化个性化交易需求而打造的交易终端
功能介绍：
1. 操作便捷：支持闪电下单、一键撤补、一键清仓、批量撤单、全键盘交易等功能
2. 功能丰富：提供策略交易、拐点交易、网格交易、抢单交易、追涨停、盘口扫单、可转债套利、ETF套利、篮子交易等交易工具
3. 量化交易：支持策略单交易，提供完整的策略平台，支持客户做策略研究、策略编写、策略回测和实盘交易
4. 极速交易：支持通过华锐ATP极速柜台、快速交易通道交易
MD5码：16ab7feba617b254c1607320ce69a780

版本：PTrade1.0-Client-V202308-15-000

文件大小：215.2M

文件名：PTrade1.0-Client-V202308-15-000_CY.zip

有2个版本，一个是长江证券ptrade交易终端（极速版），这个可以在上面编写python策略；

一个是Ptrade交易终端（简版），这个只提供了基础的量化工具，比如套利，网格，日内回转交易。不支持python编程功能。所以注意不要开错了哦。

下载链接：
https://downcq.95579.com/jcj/zg/PTrade1.0-Client-V202308-15-000_CY.zip

长期更新站点：
https://ptradeapi.com/

需要开通的朋友可以关注公众号联系：

聚宽小市值策略代码转Ptrade实盘代码

Ptrade • 李魔佛发表了文章 • 0 个评论 • 4572 次浏览 • 2025-07-05 22:35 • 来自相关话题

最近好几个策略需要转换的。

Mark一下，写完之后分享一下。

聚宽的也不是完全的按照市值，也会根据换手率，涨停，跌停来判断是否卖出。

聚宽源码（部分）
#导入函数库
from jqdata import *
from jqfactor import *
import numpy as np
import pandas as pd
from datetime import time, datetime, timedelta

#初始化函数
def initialize(context):
# 策略参数配置
g.signal = ''
# 开启防未来函数
set_option('avoid_future_data', True)
# 设定基准
set_benchmark('000300.XSHG')
# 交易设置
set_option('use_real_price', True)
set_slippage(FixedSlippage(3/10000))
set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=2.5/10000, close_commission=2.5/10000, close_today_commission=0, min_commission=5), type='stock')
# 日志设置
log.set_level('order', 'error')
log.set_level('system', 'error')
log.set_level('strategy', 'debug')

# 策略控制参数
g.no_trading_today_signal = False # 是否为可交易日
g.pass_april = True # 是否四月空仓
g.run_stoploss = True # 是否进行止损
g.HV_control = False # 是否进行放量控制
g.HV_duration = 120 # 放量判断周期
g.HV_ratio = 0.9 # 放量判断比例
g.no_trading_hold_signal = False # 是否持有非交易期股票

# 持仓管理参数
g.hold_list = [] # 当前持仓的全部股票
g.yesterday_HL_list = [] # 记录持仓中昨日涨停的股票
g.target_list = [] # 目标买入列表
g.not_buy_again = [] # 不再买入的股票列表

# 交易参数
g.stock_num = 3 # 持仓数量
g.up_price = 100 # 最高买入价格
g.reason_to_sell = '' # 卖出原因
g.stoploss_strategy = 3 # 止损策略：1为止损线止损，2为市场趋势止损，3为联合策略
g.stoploss_limit = 0.91 # 个股止损线
g.stoploss_market = 0.95 # 市场趋势止损参数
g.no_trading_buy = ['600036.XSHG', '518880.XSHG', '600900.XSHG'] # 空仓月份持有

# 设置交易运行时间
run_daily(prepare_stock_list, '9:05')
run_weekly(weekly_adjustment, 2, '10:30')
run_daily(sell_stocks, time='10:00') # 止损函数
run_daily(trade_afternoon, time='14:25') # 检查持仓中的涨停股是否需要卖出
run_daily(trade_afternoon, time='14:55') # 检查持仓中的涨停股是否需要卖出
run_daily(close_account, '14:50')

转换后的Ptrade实盘源码(部分)

def before_trading_start(context, data):
log.info('================= 盘前运行开始：{} '.format(str(context.blotter.current_dt)))
g.__portfolio = PositionManager()
g.order_set = set()
# g.__lock = threading.Lock()

def remove_st_stock(all_stock_list):
st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)
st_list = []
for k, v in st_dict.items():
if v:
st_list.append(k)
return st_list

def remove_halt_stock(all_stock_list):
halt_dict = get_stock_status(all_stock_list, query_type='HALT', query_date=None)
halt_list = []
for k, v in halt_dict.items():
if v:
halt_list.append(k)
return halt_list

def all_codes_in_market():
all_stock_set = set(get_Ashares(date=None))
for ignore_code in IGNORE_MARKET:
market = MARKET_DICT.get(ignore_code)
if market == '科创板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))
if market == '创业板':
all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))

return all_stock_set
待续查看全部

最近好几个策略需要转换的。

Mark一下，写完之后分享一下。

聚宽的也不是完全的按照市值，也会根据换手率，涨停，跌停来判断是否卖出。

聚宽源码（部分）

#导入函数库

from jqdata import *

from jqfactor import *

import numpy as np

import pandas as pd

from datetime import time, datetime, timedelta



#初始化函数 

def initialize(context):

    # 策略参数配置

    g.signal = ''

    # 开启防未来函数

    set_option('avoid_future_data', True)

    # 设定基准

    set_benchmark('000300.XSHG')

    # 交易设置

    set_option('use_real_price', True)

    set_slippage(FixedSlippage(3/10000))

    set_order_cost(OrderCost(open_tax=0, close_tax=0.001, open_commission=2.5/10000, close_commission=2.5/10000, close_today_commission=0, min_commission=5), type='stock')

    # 日志设置

    log.set_level('order', 'error')

    log.set_level('system', 'error')

    log.set_level('strategy', 'debug')

    

    # 策略控制参数

    g.no_trading_today_signal = False  # 是否为可交易日

    g.pass_april = True  # 是否四月空仓

    g.run_stoploss = True  # 是否进行止损

    g.HV_control = False  # 是否进行放量控制

    g.HV_duration = 120  # 放量判断周期

    g.HV_ratio = 0.9  # 放量判断比例

    g.no_trading_hold_signal = False  # 是否持有非交易期股票

    

    # 持仓管理参数

    g.hold_list = []  # 当前持仓的全部股票    

    g.yesterday_HL_list = []  # 记录持仓中昨日涨停的股票

    g.target_list = []  # 目标买入列表

    g.not_buy_again = []  # 不再买入的股票列表

    

    # 交易参数

    g.stock_num = 3  # 持仓数量

    g.up_price = 100  # 最高买入价格

    g.reason_to_sell = ''  # 卖出原因

    g.stoploss_strategy = 3  # 止损策略：1为止损线止损，2为市场趋势止损，3为联合策略

    g.stoploss_limit = 0.91  # 个股止损线

    g.stoploss_market = 0.95  # 市场趋势止损参数

    g.no_trading_buy = ['600036.XSHG', '518880.XSHG', '600900.XSHG']  # 空仓月份持有 

    

    # 设置交易运行时间

    run_daily(prepare_stock_list, '9:05')

    run_weekly(weekly_adjustment, 2, '10:30')

    run_daily(sell_stocks, time='10:00')  # 止损函数

    run_daily(trade_afternoon, time='14:25')  # 检查持仓中的涨停股是否需要卖出

    run_daily(trade_afternoon, time='14:55')  # 检查持仓中的涨停股是否需要卖出

    run_daily(close_account, '14:50')

转换后的Ptrade实盘源码(部分)

def before_trading_start(context, data):

    log.info('================= 盘前运行开始：{} '.format(str(context.blotter.current_dt)))

    g.__portfolio = PositionManager()

    g.order_set = set()

    # g.__lock = threading.Lock()





def remove_st_stock(all_stock_list):

    st_dict = get_stock_status(all_stock_list, query_type='ST', query_date=None)

    st_list = []

    for k, v in st_dict.items():

        if v:

            st_list.append(k)

    return st_list





def remove_halt_stock(all_stock_list):

    halt_dict = get_stock_status(all_stock_list, query_type='HALT', query_date=None)

    halt_list = []

    for k, v in halt_dict.items():

        if v:

            halt_list.append(k)

    return halt_list





def all_codes_in_market():

    all_stock_set = set(get_Ashares(date=None))

    for ignore_code in IGNORE_MARKET:

        market = MARKET_DICT.get(ignore_code)

        if market == '科创板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('68'), all_stock_set))

        if market == '创业板':

            all_stock_set = all_stock_set - set(filter(lambda x: x.startswith('3'), all_stock_set))



    return all_stock_set

待续

国盛Ptrade get_Ashare函数返回为空

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2099 次浏览 • 2025-07-04 12:22 • 来自相关话题

难绷。国盛感觉数据质量比较堪忧。

在实盘中，运行下面代码：
# author: 公众号：可转债量化分析
import datetime

def initialize(context):
# 初始化策略
pass

def before_trading_start(context, data):
log.info('盘前函数运行')
previous_tradeing_func(context) # 执行盘前函数

def previous_tradeing_func(context):
all_stock_set = get_Ashares(date=None)
print(all_stock_set)

def handle_data(context, data):
pass
运行结果：
2025-07-04 12:18:10 - INFO - 盘前函数运行
2025-07-04 12:18:10 - INFO - []
数据的是一个空的list.......

一个十分基础的数据。

反馈了几年，依然如是。。

还是多开几家，多对比。各有各的优势。查看全部

难绷。国盛感觉数据质量比较堪忧。

在实盘中，运行下面代码：

# author: 公众号：可转债量化分析

import datetime





def initialize(context):

    # 初始化策略

    pass



def before_trading_start(context, data):

    log.info('盘前函数运行')

    previous_tradeing_func(context)  # 执行盘前函数





def previous_tradeing_func(context):

    all_stock_set = get_Ashares(date=None)

    print(all_stock_set)



def handle_data(context, data):

    pass

运行结果：

2025-07-04 12:18:10 - INFO - 盘前函数运行

2025-07-04 12:18:10 - INFO - []

数据的是一个空的list.......

一个十分基础的数据。

反馈了几年，依然如是。。

还是多开几家，多对比。各有各的优势。

谁说ptrade代码不安全容易泄露的？

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2935 次浏览 • 2025-07-03 11:52 • 来自相关话题

以前有人说ptrade代码是部署到券商机房，怕自己的代码泄露，或者怕被券商看到了，拿去白嫖了。

实际上现在的ptrade可以对策略进行加密

可以对你的策略进行加密下载，然后把策略删除了，然后在选择上传策略。

然后策略上传之后，你是无法看到具体代码的了，只能选择启动，删除策略。

连日志里面的打印数据也不会输出。

只会显示买入卖出的信息。

大大的提高了策略的安全性。

需要开通ptrade的读者朋友，可以关注公众号联系：

低佣 - 低门槛，提供技术支持
查看全部

以前有人说ptrade代码是部署到券商机房，怕自己的代码泄露，或者怕被券商看到了，拿去白嫖了。

实际上现在的ptrade可以对策略进行加密

可以对你的策略进行加密下载，然后把策略删除了，然后在选择上传策略。

然后策略上传之后，你是无法看到具体代码的了，只能选择启动，删除策略。

连日志里面的打印数据也不会输出。

只会显示买入卖出的信息。

大大的提高了策略的安全性。

需要开通ptrade的读者朋友，可以关注公众号联系：

低佣 - 低门槛，提供技术支持

ptrade查看日志报错：远程服务器返回错误: (502) 错误的网关

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2032 次浏览 • 2025-06-30 18:59 • 来自相关话题

目前在国盛的ptrade上屡次出现的错误，因为ptrade服务器的资源已经不够了。
访问这个API的时候就已经报错。

502异常代码，是服务器端的报错。和本地无关。

有时候能够正常查询到日志，但大部分时候查询日志的时候就出现上面的502异常。

揪心，就不能买多几台服务器么.....

查看全部

目前在国盛的ptrade上屡次出现的错误，因为ptrade服务器的资源已经不够了。
访问这个API的时候就已经报错。

502异常代码，是服务器端的报错。和本地无关。

有时候能够正常查询到日志，但大部分时候查询日志的时候就出现上面的502异常。

揪心，就不能买多几台服务器么.....

Ptrade获取的L2逐笔数据和同花顺的逐笔数据对不上的原因

Ptrade • 李魔佛发表了文章 • 0 个评论 • 2361 次浏览 • 2025-06-12 16:40 • 来自相关话题

部分大单在同花顺上看不到。有点神奇。

后面有群友发现了问题。

部分大单在同花顺上看不到。有点神奇。

后面有群友发现了问题。

国泰海通支持Ptrade，万一免5

Ptrade • 李魔佛发表了文章 • 0 个评论 • 3837 次浏览 • 2025-06-06 13:33 • 来自相关话题

国泰君安和海通合并后，叫国泰海通。

支持ptrade和qmt，不过没有miniqmt。

费率做到万0.854免5，起步0.01

实盘版下载链接：
https://dl2.app.gtja.com/dzswem/softwareVersion/202504/07/PTrade1.0-Client-V202403-07-005(PTrade).zip

需要开通和调佣的，可以关注公众号联系：

查看全部

国泰君安和海通合并后，叫国泰海通。

支持ptrade和qmt，不过没有miniqmt。

费率做到万0.854免5，起步0.01

实盘版下载链接：
https://dl2.app.gtja.com/dzswem/softwareVersion/202504/07/PTrade1.0-Client-V202403-07-005(PTrade).zip

需要开通和调佣的，可以关注公众号联系：

通知设置新通知

发现