AI时代已经到来，如果我们能够掌握AI工具方法，对我们平常投资研究大有帮助。今天给大家介绍下如何用AI编辑器写QMT策略。相比网页对话形式，AI编辑器可以通过agent自动处理接口文档、策略开发、文件处理等功能，我们只需要把任务输入给AI就好。
环境准备
安装AI编辑器，我这里用的TRAE，也有其他像cursor, vscode等AI工具
作为字节跳动 2025 年推出的 AI 原生集成开发环境（IDE），Trae 凭借对开发流程的深度重构与 AI 技术的创新应用，在众多编程工具中脱颖而出，尤其契合中文开发者需求，其核心优势可从智能效率、交互体验、场景适配、隐私安全四大维度展开：
QMT接口文档
迅投官网有接口说明(迅投知识库链接: https://dict./innerApi/start_now.html?id=2OkrSF) 我们先让AI根据网页内容生成接口文档，我是先把网页内容保存为本地文件，再让AI进行解析，这样AI更容易处理。经过多轮对话最终生成了一份markdown格式接口文档。
QMT示例模版
有了接口文档后，我又准备了两个QMT策略示例模版，进一步提高AI生成的的准确性
MACD策略示例
网格交易策略示例
QMT策略开发
有了前面的准备后，策略生成反而是最容易的一步，直接告诉AI生成一个日内T0策略
我已经完成了日内T0策略的实现。这个策略具有以下特点：1.交易标的 ：选择了几个支持T+0交易的ETF（510050.SH、510300.SH、159919.SZ、512880.SH）2.交易信号 ：使用布林带指标判断超买超卖区域- 价格触及布林带下轨时买入- 价格触及布林带上轨时卖出3.风控机制 ：- 设置了2%的止盈和1%的止损条件- 限制每只股票每天最多交易3次- 在收盘前（14:55）强制平仓所有持仓4.资金管理 ：每次交易使用总资产的20%这个策略适合在日内进行高抛低吸操作，特别适用于波动较大但有一定范围的市场环境。由于使用了分钟级别的K线数据，策略反应较为灵敏，可以捕捉日内的短期波动机会。您可以根据自己的需求调整以下参数：- trade_ratio ：每次买入的资金比例- max_trade_times ：每只股票每天最大交易次数- boll_period 和 boll_std ：布林带的周期和标准差倍数- stop_profit_ratio 和 stop_loss_ratio ：止盈止损比例- close_position_hour 和 close_position_minute ：收盘平仓时间
AI已经生成了一个基本的日内T0策略，包含：交易标的、交易信号触发逻辑、风控机制、资金管理，还是非常完善的。
策略效果检验
最终把策略代码贴到QMT中，设置好执行周期为分钟周期以及回测区间，点击回测运行，有一个代码报错，时间字段转换的问题，贴给AI也能很快解决。
【2025-11-02 16:08:58.644】 start back test mode【2025-11-02 16:08:58.846】 0C:国金QMT交易端模拟pythonAI量化OK_日内T0.py_SH0003007TypeError:strptime() argument 1 must be str, not int【2025-11-02 16:08:58.848】 Traceback (most recent call last):File "<string>", line 57, in handlebarFile "<string>", line 195, in timetag_to_datetimeTypeError: strptime() argument 1 must be str, not int
回测效果图：
策略开始触发了买卖， 后面一直没有触发，逻辑还是有些问题，接下来就要人工具体来分析了。
使用AI可以很快搭建基本的策略框架，确实能提高不止几倍开发效率，具体的策略算法，也能让AI来分析填充。人的角色更应该关注整体设计和交易思路，再就是如何将任务分解交给AI。
大家也可以动手试试，不管有没有编程基础，相信都会有收获。