QMT vs Ptrade 速度对比 （一） 历史行情获取速度

众所周知（狗头），QMT是在你本地电脑运行的，包括行情获取，计算指标，选股选债，下单都在你的本地电脑执行。行情数据通过网络去券商服务器或者迅投（QMT）服务器获取，拿到数据在你的本地电脑处理，比如计算涨速，量比，然后再使用下单接口把下单指令通过网络提交到券商柜台，券商柜台接到QMT的委托指令后，再提交给交易所。

Ptrade（恒生电子）则是在券商部署的服务器上执行，你*载下**的Ptrade在你的本地电脑，只是负责写代码，把代码部署到券商服务器，然后在券商服务器执行你的策略，当然你的代码在券商服务器运行时是被加密的。行情获取，计算指标，下单委托都在券商机房内部执行，属于云策略的类型，策略部署好了，就不需要开着本地电脑观察它的状态。对比环境均为同一个券商下的QMT和Ptrade，均为生产环境的实盘版本。

历史行情数据获取

目标：获取2022年到昨天的沪深300所有股票的日线收盘价数据。

QMT

获取行情数据 使用这个函数：ContextInfo.get_market_data()

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

把代码复制到QMT里面，然后切换到模型交易，在中间切换到实盘模式，就会运行上面代码。

注意，这里需要第一次运行上面的代码来计算时间，因为QMT会有个cache缓存机制，它会把曾经跑过的历史数据自动*载下**下来，保存到你的电脑硬盘里，从而加快QMT后续的读取速度，同样的数据没有必要每次再去网络上拉。

大部分情况下网络IO都会是任何一个量化交易系统最大的性能瓶颈。

运行得到下面的结果：

添加图片注释，不超过 140 字（可选）

上面运行时间是22秒。不要惊讶哦，首次获取历史行情数据都是挺慢的。如果你的电脑网速够快，或者但在阿里云，腾讯云之类的云服务上跑，获取历史行情速度会有所提高。

在你运行了上面的代码之后，QMT会在某个时刻，在后台把数据*载下**到本地QMT安装目录下。

添加图片注释，不超过 140 字（可选）

文件按照股票代码作为文件名存储。当然里面不是txt格式，而是QMT做了相应的封装的。上面按照修改日期排序，4月11日多了很多新的DAT数据文件，显然是刚刚生成的。

QMT在获取历史行情数据后，会有个触发器，在后台一次性保存大量的文件，所以QMT会在某一个瞬间，界面会出现卡顿，甚至无响应，而看任务管理器会看到内存飙升甚至爆满100%，有些新人菜鸟就认为QMT太占内存，太垃圾的结论，这也是片面的。实际上在数据完备的情况下，QMT需要的内存4GB就够的了。如果你经常会有扫描全市场股票代码历史数据的话，内存还是尽量选大一点的。如果无法避免内存突然飙升，可以每次把获取行情的股票代码列表减少，细分多几批获取，用时间换空间。

当然 QMT也提供了一个*载下**历史数据的一个菜单入口，用于在图形界面下手动*载下**历史行情，从而加速历史行情读取速度。

添加图片注释，不超过 140 字（可选）

等数据*载下**完成后，

第二次跑上面的同一个代码，运行时间明显快了。

添加图片注释，不超过 140 字（可选）

但用时还是要7.9秒，反复测试几次，获取时间依然是在6-8秒之间波动。 因为程序读取历史行情数据的一个个独立的文件，所以这里硬盘的性能因素对获取行情影响还是很大的。

笔者感觉7.9秒这个速度还是很慢的，换了台性能好一点的的windows机子，*载下**了历史数据后再跑了一次：

但用时依然在6秒左右。

所以个人是不推荐大家在tick策略里面，在盘中去获取历史数据的，这个动作应该在盘前就应该完成，把数据保存到内存列表或者dataframe变量中，盘中用的时候去取就可以了。 当然低频策略就无所谓啦。

Ptrade

操作上ptrade相对而言更加简洁，容易上手。

它的API设计和它对应的API文档更加规范，可读性更好。

直接把代码复制到量化->策略，新建策略，然后在交易里面添加策略，直接启动策略。代码设置定时运行，在启动策略后的一分钟后运行。

添加图片注释，不超过 140 字（可选）

同样获取沪深300的日线数据，2022年1月到2023年4月10日。

添加图片注释，不超过 140 字（可选）

添加图片注释，不超过 140 字（可选）

上面的结果显示，Ptrade获取同样的历史数据耗时只有700毫秒，0.7秒左右。测试多几次，获取时间基本每次都比较平稳，在0.6-0.8秒之间。（下面打印的306不是沪深300的个数，而是获取到的日期的天数，它返回的结构虽然都是panel，但和QMT的轴有点不同）

如果有想无门槛尝试QMT和ptrade可以留言哦！