DeepSeek+QMT量化交易选股策略实战

用大模型写量化选股脚本，到底解决什么实际问题

很多做基本面研究或盯盘的上班族，平时都有自己的一套选股逻辑，比如只看特定行业、剔除高风险标的、或者按总市值框定范围。痛点在于：靠人工逐只翻行情软件效率太低，而从头学 Python 写量化框架又门槛太高。这门 QMT 量化选股课的核心场景，就是教你把“大模型写代码”和“QMT 券商终端跑策略”结合起来。它不教你预测涨跌，而是解决“怎么把脑子里的筛选条件，变成机器能自动跑的代码”。学完之后，你能独立写出一段脚本，让终端自动拉取 A 股全市场代码、抓取个股总市值、判断行业归属，最终按你的条件过滤出目标股票池。

适合什么基础，以及建议先看哪几块

这门资料适合有基本股票常识但编程底子薄弱的转行者或上班族。你不需要手写过交易策略，但得能在电脑上装好 QMT 终端并顺利登录。建议拿到资料后，不要按顺序从头看，而是先跳到“使用大模型分析需求”和“封装获取总市值的方法”这两块。前者演示怎么把模糊的选股想法拆解成大模型能听懂的结构化指令，这是整个工作流的地基；后者讲的是怎么把大模型生成的零散代码，整理成能反复调用的函数。看懂这两步，你就能明白大模型在这里扮演的是“代码翻译器”角色，而不是直接替你做交易决策。之后再回头看具体的行业判断、市值筛选模块，思路会清晰很多。

资料怎么配合练习才能真正上手

看视频时务必开两个屏幕，一边播一边在自己的 QMT 里跑代码。课程里演示了从获取全市场代码到判断银行股属性的完整链路，你在练习时不要照抄演示标的，可以换成别的行业去测试大模型生成的判断逻辑是否准确。比如课程演示了剔除银行股或筛选银行股的代码版本，你完全可以自己提需求，让大模型帮你写一段筛选非钢铁股的脚本，看看能不能顺利跑通。遇到报错直接把错误信息贴回对话框让模型修改。把这套流程走通后，你拿到的就不只是几个现成的选股公式，而是一套“提需求-生成代码-终端验证-封装复用”的独立工作方法。以后市场风格变了，或者你想加新的过滤条件，自己改几行指令就能让程序自动更新股票池。