聚宽落幕，QMT接棒：一个量化交易者的平台迁移实战

1. 聚宽落幕背后的技术迁移挑战去年年底聚宽与一创终止合作的消息在量化圈里炸开了锅。作为一个从2017年就开始用聚宽的老用户我清楚地记得那天晚上在调试策略时突然弹出的公告弹窗。当时第一反应是我的几十个实盘策略怎么办那些依赖聚宽API的自动化交易系统要怎么迁移聚宽最让人怀念的是它的策略开发友好性。比如用run_daily()就能轻松实现每日定时执行get_price()接口获取历史数据也足够稳定。但现实很残酷——当平台方宣布停止服务时这些便利都变成了技术债务。我统计过光是基础功能迁移就涉及以下模块行情数据获取日线/分钟线/Tick交易订单管理委托/成交查询策略调度系统定时任务触发风险控制模块仓位监控最头疼的是定时任务迁移。聚宽的run_weekly()可以精确指定每周几执行但QMT的run_time()需要自己写时间判断逻辑。我最后用了个土办法在策略开头加日期判断配合标志位控制执行次数。2. QMT平台的技术适配实战第一次打开QMT的API文档时我对着密密麻麻的参数列表发了半小时呆。和聚宽相比QMT更像是个半成品——功能都有但需要自己组装。这里分享几个关键适配点2.1 数据库桥接方案聚宽可以直接在策略里写MySQL操作但QMT对数据库连接有严格限制。我的解决方案是在服务器部署Redis作为缓存层用Python脚本定时同步聚宽数据库到RedisQMT通过HTTP API获取数据具体实现时要注意数据格式转换。聚宽的股票代码是000001.XSHE格式QMT需要000001.SZ。我写了这样的转换函数def convert_jqcode(code): code code.replace(.XSHE, .SZ) code code.replace(.XSHG, .SH) return code2.2 订单管理系统的重构聚宽的订单状态是自动更新的但QMT需要主动查询。我设计了一个状态机来跟踪订单生命周期已报OrderStatus1部分成交OrderStatus2全部成交OrderStatus3已撤单OrderStatus4每天开盘前会用delete_data()清空前一天的订单记录防止数据污染def clear_orders(): conn pymysql.connect(hostDB_HOST, userDB_USER, passwordDB_PWD, databaseDB_NAME) with conn.cursor() as cursor: cursor.execute(TRUNCATE TABLE orders) conn.close()3. 关键问题排查与性能优化迁移过程中最耗时的不是写新代码而是解决那些意想不到的边界情况。这里记录几个典型案例3.1 行情数据延迟问题QMT的实时行情比聚宽慢2-3秒这对高频策略是致命的。通过抓包分析发现问题出在数据压缩传输环节。最终解决方案是改用UDP协议接收行情本地缓存最新50个Tick增加数据校验机制优化前后对比指标优化前优化后延迟2300ms380ms丢包率1.2%0.05%3.2 定时任务可靠性提升QMT的run_time()在系统负载高时会丢失触发。我借鉴了Linux的cron设计思路每个任务记录最后执行时间主循环每秒检查任务队列超时任务立即补偿执行核心代码如下class TaskManager: def __init__(self): self.tasks [] def add_task(self, func, interval): self.tasks.append({ func: func, interval: interval, last_run: 0 }) def run(self): while True: now time.time() for task in self.tasks: if now - task[last_run] task[interval]: task[func]() task[last_run] now time.sleep(1)4. 迁移后的系统架构设计现在我的量化系统已经稳定运行了半年多整体架构分为三个层次4.1 数据层使用InfluxDB存储Tick数据MySQL存放订单和账户信息Redis缓存实时行情4.2 策略层策略容器隔离运行消息队列解耦策略间通信统一的异常处理框架4.3 执行层QMT作为最终执行终端风控模块前置过滤指令交易日志全链路追踪最让我满意的是动态加载机制在不重启QMT的情况下可以通过HTTP接口热更新策略参数。这得益于Python的importlib模块def reload_strategy(strategy_name): module importlib.import_module(fstrategies.{strategy_name}) importlib.reload(module) return module.Strategy()迁移过程中最大的体会是量化交易系统不能过度依赖某个平台。现在我的代码里所有平台相关操作都封装成了适配器模式下次再换平台时只需要实现新的适配器接口就行。