现在我们从2014年至2024年的全A成交额与月度M2比率的变化趋势以及股债收益差的数值变化来看市场结构。

首先，全A成交额与月度M2比率这条蓝色线显示了市场成交额相对于货币供应量（M2）的变化情况。这个比率反映了市场的活跃度和流动性状况。

其次，股债收益差这条红色线则显示了股票市场相对于债券市场的相对吸引力。股债收益差是通过计算沪深300指数的市盈率倒数与中国10年期国债收益率之差得出的。这个差值越大，通常意味着股票市场相对于债券市场更具吸引力，反之则可能意味着股票市场相对高估。

从图片中我们可以看到，在2024年12月6日这一天，股债收益差为5.86%。这个数字相对于图表中的其他时间点来说是一个相对较高的数值，要判断现在市场是低估还是高估，我们需要将这个数值与历史上的平均水平或其他参考标准进行比较。

从图上可以看到5.86%的股债收益差在历史上属于较高的水平，那么这可能意味着相对于债券市场，股票市场目前具有较高的吸引力，从而可能暗示市场被低估。

这张图反应了从2014年至2024年全A股市值与年化GDP比率的变化情况。对比美国市值与GDP的比高达280%，显然中国A股市值处于整体中偏低估的程度。这代表了当对于美国，中国未来可期，未来仍有较大的提升空间。

很多人都听过量化——用计算机和AI代替人工，对盘面的变化进行更加快速的应对和更科学的处理。

跟大家强调一下，这个量化交易不仅仅是大家想象的高频交易，而且是一套把自己的投资思维经过科学的方法推演、形成可被计算机高效执行的策略的方法论。

简单来说，就是通过历史数据分析，总结出投资规律，建立策略模型，找到优秀投资策略之后，让计算机来执行交易策略，提升获利空间。

那么如何运用现有工具通达信与QMT自动化结合起来使用呢，自动化交易预警系统为我们提供了一个高效、安全且成本较低的量化交易解决策略。

通达信预警QMT下单

account_id = '55003152' # 账号ID

mini_qmt_path = r'D:\国金QMT交易端模拟\userdata_mini' # mini_qmt 路径

file_path = r'D:\new_tdx\sign.txt' # 预警文件路径

interval = 1 # 轮询时间(秒)

buy_sign = '股债收益低估买入条件选股' # 买入信号

sell_sign = '股债收益高估卖出条件选股' # 卖出信号

def buy_sizer(row, xt_trader):

'''买入数量'''

return 100

def sell_sizer(row, position, xt_trader):

'''卖出数量'''

return 100 # position.can_use_volume

该系统在通达信软件中设置监控目标池和预警条件，比如设置特定行业的股票池，并设定价格或交易量触发条件。当自定义条件被触发时，通达信会立即发出预警。

想象一下，当我们还在为繁琐的市场数据而头疼时，系统已经为我们精准筛选出符合我们投资策略的股票池，并在第一时间发出预警。而这一切，都无需我们亲自盯盘，QMT将根据我们的预设条件，自动完成下单操作，让我们轻松享受知行合一的乐趣。

但手动操作可能无法及时响应所有预警，这时QMT自动交易的作用就显现出来了。QMT可以与通达信紧密绑定，自动读取触发的预警条件，并根据预先设定的参数（如账户信息、买卖方向、成交价格等）完成下单操作。这种自动化交易方式不仅响应迅速，而且能够同时监控多个标的，实现不同条件下的分开触发和单独买卖。

不仅如此，该系统还具备高度的安全性和稳定性，确保我们的交易过程畅通无阻。在这个人工智能的投资新时代，让我们用科技的力量开启逆天改命之旅。

风险提示：本指标公式仅作为学习交流，切勿商用，不构成任何投资建议。

更多精彩内容

更多精彩内容，请看李津大局观星主倾囊相授多年心得秘笈，汲取百家精华，洞悉经济趋势，精准全球资产配置。