关键结论：初学者的平台选择应由研究市场、数据权限、操作系统、隐私要求和工程能力共同决定，不存在无条件适用的唯一首选。
核心结论： 先用 QMT 并非不合适，但不能把它当成无条件适用的唯一入门路线。对低频初学者，更可靠的顺序是先确定研究市场和数据证据，再选择学习成本最低且边界清楚的工具。
决策条件
| 当前条件 | 更合适的起点 | 原因 |
|---|---|---|
| 希望快速学习 Python、Pandas、Notebook 和回测流程，且内容可进入已审查的在线环境 | Ricequant 或 SuperMind | 官方页面提供 Notebook、平台数据和回测入口，环境准备较少 |
| 已有稳定 QMT 环境，并已确认版本与行情权限 | QMT 投研端或券商版加本地 Python | 适合在现有客户端内学习指标、数据和回测，但权限差异必须先核对 |
| 研究重点是 IF、IH、IC、IM 的真实合约与主连规则 | TqSdk | 官方文档直接列出中金所合约、主连规则、行情字段和回测入口 |
| 已经掌握基础研究流程，需要外部数据、多接口或长期自主扩展 | vn.py | 支持事件驱动扩展和多类 Gateway，更适合作为第二阶段工程路线 |
初学阶段应优先掌握什么
无论选择哪个平台，第一阶段都应固定研究问题和证据流程：
- 用一句话说明可证伪的研究假设；
- 明确数据时间范围、可得时间和缺失处理；
- 分离信号、仓位、风险和执行假设；
- 记录手续费、滑点、保证金及成交规则；
- 区分训练、验证、样本外和 Walk-forward；
- 检查未来数据、过度调参和结果稳定性；
- 使用第二数据源或第二引擎解释差异。
渐进路线
第一阶段：通用 Python 与低频研究方法
↓
第二阶段：QMT 或第二平台交叉验证
↓
第三阶段：真实月份、换月和期货事件研究
↓
第四阶段：组合风险、模拟和实盘系统
不应因为未来可能实盘，就在第一阶段同时建设完整交易系统。在线研究平台是否适合保存敏感策略，应依据平台条款、权限和个人威胁模型另行评估，不能仅凭“云端”或“本地”标签下结论。
已核验的一手资料
- 迅投研新手指南
- 迅投数据服务权限与版本差异
- Ricequant 投资研究
- Ricequant 回测说明
- SuperMind 量化投研平台
- TqSdk 合约、行情和历史数据
- TqSdk 策略程序回测
- vn.py 官方平台说明
适用边界
本条针对暂不连接实盘的低频量化初学者。表格是基于官方功能说明形成的条件化建议，不是质量排名，也不替代试用。数据权限、费用、操作系统支持、服务条款和可用客户端都可能变化，需要在实际采用前重新核验。
**参考与来源状态：**已于 2026-08-24 核对上列官方页面，各平台的研究、数据、回测与扩展定位有一手依据，状态为 verified。工具选择顺序属于工程建议，不是官方结论。
修订记录
- 2026-08-24：由私有整理稿建立，来源状态为
unverified。 - 2026-08-24：用官方功能资料重构条件化选择表，移除无法独立核验的平台主张；完成首次发布准备审查，当时未进入公开清单。
- 2026-08-24：完成发布前官方来源时效复核，从私有公开候选提升为正式公开条目；平台自报信息仍按自报口径保留，不视为独立审计结论。
KNOWLEDGE RELATIONS
研究关系
前置知识2
相关内容2
此内容取代0
暂无已建立的此内容取代
取代此内容0
暂无已建立的取代此内容