miniQMT 是一个专为A股市场设计的无人值守量化交易系统,集成了自动化交易策略执行、智能持仓管理、动态止盈止损等功能。系统采用双层存储架构和线程自愈机制,可7x24小时稳定运行。

• 🛡️ 无人值守: 线程健康监控与自动重启,系统崩溃自动恢复
• 🔄 双层存储: 内存数据库 + SQLite持久化,高性能与数据安全兼顾
• 🎯 信号分离: 信号检测与执行分离,策略逻辑清晰可控
• 📈 智能止盈止损: 动态止盈策略,最大化收益同时控制风险
• 🌐 Web监控: 实时监控界面,随时掌握系统运行状态
• 🧪 模拟交易: 完整的模拟交易功能,策略验证零风险

• ✅ 自动交易执行: 支持模拟交易和实盘交易
• ✅ 动态止盈止损: 首次止盈 + 动态止盈双重保护
• ✅ 网格交易: 可选的网格交易策略
• ✅ 信号验证机制: 防止重复执行,确保交易安全

• ✅ 线程健康监控: 自动检测线程崩溃并重启
• ✅ 优雅关闭: 有序关闭各模块,避免数据丢失
• ✅ 超时保护: API调用超时保护,防止线程阻塞
• ✅ 非交易时段优化: 自动降低CPU占用(30% → <2%)

• ✅ Web实时监控: 账户信息、持仓列表实时更新
• ✅ SSE推送: Server-Sent Events实时数据推送
• ✅ 系统诊断: 内置多个诊断工具,快速定位问题

• Python: 3.8+ (推荐 3.9)
• 操作系统: Windows (QMT仅支持Windows)
• QMT客户端: 实盘交易需要安装并登录QMT

1. 克隆项目

git clone https://github.com/your-repo/miniQMT.git
cd miniQMT

2. 安装依赖

pip install pandas numpy flask flask-cors xtquant mootdx

3. 配置账户 (创建 account_config.json)

{
  "account_id": "您的交易账号",
  "account_type": "STOCK",
  "qmt_path": "C:/光大证券金阳光QMT实盘/userdata_mini"
}

4. 配置股票池 (可选,创建 stock_pool.json)

[
  "000001.SZ",
  "600036.SH",
  "000333.SZ"
]

5. 启动系统

python main.py

6. 访问Web界面

http://localhost:5000

强烈建议先使用模拟模式测试:

1. 确认 config.py 中 ENABLE_SIMULATION_MODE = True
2. 运行无人值守功能测试: python test/test_unattended_operation.py
3. 观察系统运行稳定后,再切换到实盘模式

┌─────────────────────────────────────────────────────────┐
│                    线程监控器 (60秒)                      │
│              检测线程崩溃 → 自动重启                       │
└─────────────────────────────────────────────────────────┘
                            ↓
┌──────────────┬──────────────┬──────────────┬────────────┐
│  数据更新线程  │  持仓监控线程  │  策略执行线程  │  Web服务   │
│   (60秒)     │    (3秒)     │    (5秒)     │  (持续)    │
└──────────────┴──────────────┴──────────────┴────────────┘
       ↓              ↓              ↓              ↓
┌─────────────────────────────────────────────────────────┐
│              双层存储架构                                 │
│  内存数据库 (高频更新) ←→ SQLite (持久化)                 │
└─────────────────────────────────────────────────────────┘

实盘模式:

QMT实盘账户 → 持仓同步(10秒) → 内存数据库 → 定时同步(15秒) → SQLite

模拟模式:

Web界面 → 交易执行器 → 内存数据库 (跳过QMT接口)

详细架构说明请查看 ARCHITECTURE.md

# 交易模式
ENABLE_SIMULATION_MODE = True   # True=模拟, False=实盘 ⚠️
ENABLE_AUTO_TRADING = False     # 自动交易执行开关 ⚠️

# 策略功能
ENABLE_DYNAMIC_STOP_PROFIT = True  # 止盈止损功能
ENABLE_GRID_TRADING = False        # 网格交易功能

# 系统功能
ENABLE_THREAD_MONITOR = True    # 线程健康监控（无人值守必需）⭐
DEBUG = False                   # 调试模式

# 止损
STOP_LOSS_RATIO = -0.075  # 成本价下跌7.5%触发止损

# 首次止盈
INITIAL_TAKE_PROFIT_RATIO = 0.06  # 盈利6%触发
INITIAL_TAKE_PROFIT_RATIO_PERCENTAGE = 0.6  # 卖出60%

# 动态止盈
DYNAMIC_TAKE_PROFIT = [
    (0.05, 0.96),  # 最高浮盈5%时,止盈位=最高价*96%
    (0.10, 0.93),  # 最高浮盈10%时,止盈位=最高价*93%
    (0.15, 0.90),
    (0.20, 0.87),
    (0.30, 0.85),
]

• CLAUDE.md - 开发指南(面向AI助手和开发者)
• ARCHITECTURE.md - 详细架构说明
• docs/quick_start_unattended.md - 无人值守运行指南
• docs/unattended_operation_summary.md - 线程监控详解

# 1. 无人值守功能测试（验证线程自愈机制）
python test/test_unattended_operation.py

# 2. 系统综合测试
python test/comprehensive_test.py

# 3. 止盈止损测试
python test/test_stop_loss_buy_param.py

# 4. Web数据刷新测试
python test/test_web_data_refresh.py

# 检查系统状态
python test/check_system_status.py

# 诊断QMT连接
python test/diagnose_qmt_connection.py

# 诊断系统问题
python test/diagnose_system_issues.py

A: 修改 config.py:

ENABLE_SIMULATION_MODE = False  # 切换到实盘
ENABLE_AUTO_TRADING = True      # 启用自动交易

⚠️ 注意: 确保QMT客户端已启动并登录!

A: 会的! 系统内置线程健康监控,每60秒检查一次线程状态,检测到崩溃立即重启。详见 无人值守运行文档

A: 日志文件位于 logs/qmt_trading.log,可以使用:

# 实时查看日志
tail -f logs/qmt_trading.log

# 查看最近100行
tail -n 100 logs/qmt_trading.log

A:

• 模拟交易: 不调用QMT API,使用虚拟资金,无交易时间限制
• 实盘交易: 通过QMT API执行真实订单,使用实际账户资金

A: 编辑 stock_pool.json 文件,添加股票代码(格式: 股票代码.交易所):

[
  "000001.SZ",  // 深圳交易所
  "600036.SH",  // 上海交易所
  "新增股票.SZ"
]

更多问题请查看 CLAUDE.md - 常见问题

⚠️ 重要提醒:

1. 量化交易有风险,投资需谨慎
2. 本系统仅供学习研究使用,不构成投资建议
3. 实盘交易前请充分测试策略,确保理解系统运行逻辑
4. 建议设置合理的止损比例,控制单日最大亏损
5. 定期检查系统运行状态,关注异常日志

本项目采用 MIT 许可证 - 详见 LICENSE 文件

欢迎提交 Issue 和 Pull Request!

如有问题或建议,请通过以下方式联系:

• 提交 GitHub Issue
• 邮箱: your-email@example.com