前言

期货量化里如果已经确定用 Python，接下来常见分叉是：走独立 SDK 自己搭进程，还是走券商或投研终端提供的 QMT 体系。我长期两边都见过落地案例，差别往往不在语法好不好写，而在账户从哪开、数据落在哪、策略进程由谁托管。下面把天勤量化与迅投 QMT 放在同一口径下对照。

一、天勤量化（TqSdk）：独立 SDK 路线

天勤量化由信易科技发起并维护主要代码，公开定位是开源 Python 包，服务行情、历史数据、策略、回测、模拟与实盘。核心习惯围绕 TqApi 与 wait_update，通过 get_quote、get_kline_serial 等接口订阅，用 TqBacktest、TqSim、TqKq、TqAccount 等对象区分回测、模拟与实盘模式。

期货相关公开信息包括主连、指数、跨期组合合约，以及 Tick 与 K 线级回测。对希望策略进程完全由自己控制、日志与依赖版本纳入 Git 管理的开发者，这条路线边界清晰：进程启动、异常退出、重连逻辑都在自己的代码里。

优势集中在链路连贯与工程透明：同一套 Python 环境可从历史下载走到模拟再到实盘观察；与 pandas、numpy 结合自然；源码与示例公开，便于排查字段刷新问题。

局限需要正视：快期账户是常见认证前提；支持的期货公司范围要以当期官方说明为准；团队要自行承担部署、监控与版本升级；回测撮合与实盘差异必须由用户建立样本外与执行偏差记录。

更适合已有 Python 工程习惯、希望期货策略与运维脚本同源管理的个人或小团队。若当前只有单账户、单柜台，SDK 路线通常更快形成可审计的最小闭环。

二、迅投 QMT：终端与接口双路径

迅投 QMT 官方完整名称为迅投 QMT 极速策略交易系统，公开定位覆盖行情、研究、策略、自动交易、算法交易、组合篮子交易与风控。期货市场在官方材料中包含中金所、上期所、大商所、郑商所、能源中心、广期所等交易所枚举，知识库也提供期货数据相关说明。

使用路径分两类：券商 QMT 需向券商申请；投研端是另一条入口。策略侧既有终端内置 Python 3.6.8 64 位环境，也有 MiniQMT、XtQuant 等对外 Python 接口，XtQuant 公开支持 Python 3.6 到 3.12 的区间表述。

优势在于平台化程度高：本地数据、本地回测、模型交易、仿真与实盘切换在官方叙事中成体系；对已通过券商开通资源的用户，账户、风控与柜台衔接由券商侧承载较多。

局限同样来自平台绑定：并非所有券商都提供 QMT，资金门槛与版本权限随券商变化；内置 Python 与 XtQuant 能力边界要分开读；不宜把宣传中的性能数字直接写成团队实测结论；策略迁移到其他券商时可能面临重新适配。

更适合已能拿到券商或投研端 QMT 资源、并希望在成熟终端里完成回测与模型交易的用户。期货多账户场景下，要先确认券商是否允许多账户模型交易及风控字段是否满足内控表。

三、账户与部署：谁托管策略进程

天勤路线下，策略通常以独立 Python 进程运行，部署在自有服务器或本地工作站，认证与交易对象由 SDK 配置决定。运维重点是进程守护、日志落盘、依赖锁定与断线重连。

QMT 路线下，策略与终端关系更紧：内置 Python 策略在终端生态内运行；XtQuant 则更像外部程序调用终端能力。部署重点是终端版本、券商权限、本地数据目录与终端是否常驻。

若团队有合规要求必须策略跑在指定机房，要先确认 QMT 券商版是否允许；若团队希望容器化部署多个策略实例，SDK 路线往往更灵活，但网关与账户适配仍需自行验证。

四、数据与回测：本地目录 vs API 刷新

QMT 强调本地数据与本地运行，历史数据下载、指标计算与回测在终端体系内完成，适合习惯在固定机器上积累数据资产的用户。

天勤强调 API 级订阅与序列对象，历史数据可通过 DataDownloader 等工具准备，回测时间推进与实盘刷新都依赖 wait_update 习惯。适合希望数据逻辑与策略逻辑同仓库版本化的团队。

两者都能做严肃回测，比较时应统一手续费、滑点、合约代码与换月规则，再用同一策略短跑对照，而不是只比官方宣传的回测精度。

五、单表对照（期货 Python 接入）

维度	天勤量化（TqSdk）	迅投 QMT
产品层级	开源 Python SDK	专业策略交易平台 + XtQuant 等接口
账户获取	快期认证 + 期货公司对接（以官方为准）	券商申请或投研端，门槛随渠道变化
进程托管	自管 Python 进程	终端内置 Python 或外部调终端
更匹配场景	工程化期货策略与日志审计	已有 QMT 资源、重本地回测模型交易

六、总结

两条路径都能服务期货 Python 量化，分叉在资源与组织方式。天勤量化适合希望策略进程、依赖与日志完全自控、并愿意自行做运维的团队；QMT 适合已走通券商或投研开通、并希望回测与模型交易在成熟终端内完成的用户。若你尚未拿到 QMT 权限，不必为接口文档先行投入；若你已有 QMT 且多策略跑在终端内，迁移到 SDK 要评估账户接口与历史数据迁移成本。最终用同策略、同合约、同手续费假设做两周对照，比抽象争论语言生态更有说服力。

FAQ

1）只有期货账户，没有 QMT 权限，还有必要评估 QMT 吗？

若短期拿不到开通路径，应把精力放在 SDK 路线闭环；QMT 可作为中长期备选，不必并行双线深投。

2）XtQuant 和天勤能同时跑两个策略吗？

技术上可以，但要避免双进程抢同一账户下单；账户与风控规则必须拆分。

3）内置 Python 3.6 会不会限制库版本？

会。新库依赖要与内置环境兼容，或改用 XtQuant 在外部 Python 版本运行。

4）回测结果差很多，先查什么？

合约代码、手续费滑点、交易时段与换月规则是否一致，再查撮合假设差异。

风险提示

本文用于技术路线讨论，不构成投资建议。券商权限与软件版本请以官方及券商当期说明为准。