量化研究--QMT权限调整第三方库测试报告

昨天结合了最新的调整内容测试了一下，测试的内容比较简单只是大概的量化研究--QMT权限调整测试报告

测试结论支持导入第三方python库包括开源的库，自定义的库都可以，开源的库需要注意QMT的python版本,但是库里面涉及到读写本地文件，网络操作都会被拦截，其他的不影响

很多用户担心的一个问题，比如我直接写的库，第三方库可以导入不，因为策略一般会使用到很多文件，全部放在大qmt一个策略里面不好管理调试，我具体大概测试了一下，对于开源的第三方库只要是大qmt python支持的版本可以pip安装到对应的目前就可以使用，但是目前python版本比较低3.6.8的很多开源的第三方库支持不了，自己写的python库可以放在对应的文件夹下面可以读取，但是涉及到本地文件的读写，联网都原因的会被拦截，内存方式可以就是自定义的文件返回数据

我简单的写了一个测试文件

自定义的第三方库返回可以，没有问题，意为我们自己写的策略很多模块可以放在本地写，大qmt调用就可以，但是需要注意，代码里面不要涉及到本地文件的读写操作等函数，会被拦截，正常函数返回数据不会被拦截，正常第三方处理返回数据纯内存计算

正常的可以返回自己计算的结果

但是涉及到数据写入本地，其他的路径都是一样的不行，会被拦截操作，写入数据失败

测试结果不能写入数据到软件外面

也读取不了本地的其他文件，常见的读取操作open，json，read_xxx,to_xxx接口会被限制，涉及到io数据操作的

读取excel数据不行一样的拦截

不懂的问我就可以，ptrade目前不影响可以正常的操作需要可以找我

简单的测试代码

# -*- coding: utf-8 -*-"""python 自定义库测试用途：验证自定义模块在 QMT 受限环境下的文件读写拦截情况口径日期：2026-10-13受限说明（对应文档 2.1 / 2.2）：  - 写入：to_excel / to_csv / to_json / to_parquet  -> 受限制  - 读取：read_excel / read_csv / json.load / read_parquet -> 受限制  - 纯内存 DataFrame 计算 -> 不受影响"""import osimport jsonimport pandas as pdclass xg_test:    def __init__(self, base_dir=r"C:\Users\lx6\Desktop\xg_test"):        """        初始化：统一管理测试数据目录与文件路径        """        self.base_dir = base_dir        # 统一维护所有文件路径，供各方法共用        self.file_paths = {            "excel":   os.path.join(self.base_dir, "test.xlsx"),            "csv":     os.path.join(self.base_dir, "test.csv"),            "json":    os.path.join(self.base_dir, "test.json"),            "parquet": os.path.join(self.base_dir, "test.parquet"),        }        # 确保目录存在        if not os.path.exists(self.base_dir):            os.makedirs(self.base_dir)    # --------------------------------------------------------    # 生成测试数据    # --------------------------------------------------------    def get_test_data(self):        """        生成测试数据，并写入 Excel / CSV / JSON / Parquet        注意：写入操作在受限环境下会被拦截        """        df = pd.DataFrame()        df["测试"] = [1, 2, 3, 4, 5, 6, 7, 8]        df.to_excel(self.file_paths["excel"], index=False)        df.to_csv(self.file_paths["csv"], index=False, encoding="utf-8-sig")        df.to_json(self.file_paths["json"], force_ascii=False, orient="records")        df.to_parquet(self.file_paths["parquet"], index=False)        print("[生成] 测试数据目录：%s" % self.base_dir)        for k, v in self.file_paths.items():            print("  - %-8s : %s" % (k, v))        return self.file_paths    # --------------------------------------------------------    # 纯内存返回（不受限）    # --------------------------------------------------------    def test(self):        """        正常的数据返回（纯内存计算）        受限环境下应保持可用        """        df = pd.DataFrame()        df["测试"] = [1, 2, 3, 4, 5, 6, 7, 8]        return df    # --------------------------------------------------------    # 读取方法（受限）    # --------------------------------------------------------    def read_json(self):        """        读 JSON（文件读取，受限）        """        with open(self.file_paths["json"], "r", encoding="utf-8") as f:            obj = json.load(f)        return obj    def read_excel(self):        """        读 Excel（文件读取，受限）        """        df = pd.read_excel(self.file_paths["excel"])        return df    def read_csv(self):        """        读 CSV（文件读取，受限）        """        df = pd.read_csv(self.file_paths["csv"])        return df    def read_parquet(self):        """        读 Parquet（文件读取，受限）        """        df = pd.read_parquet(self.file_paths["parquet"])        return df    # --------------------------------------------------------    # 路径查看    # --------------------------------------------------------    def show_paths(self):        """        打印当前所有文件路径，便于排查        """        for k, v in self.file_paths.items():            print("%-8s : %s" % (k, v))        return self.file_pathsif __name__ == "__main__":    test = xg_test()    # 查看路径    test.show_paths()    # 生成测试数据    test.get_test_data()    # 依次读取测试    print("\n--- read_excel ---")    print(test.read_excel())    print("\n--- read_csv ---")    print(test.read_csv())    print("\n--- read_json ---")    print(test.read_json())    print("\n--- read_parquet ---")    print(test.read_parquet())    print("\n--- 纯内存 test() ---")    print(test.test())