A股散户 · 量化程序化交易 学习路径（避坑版）

目标不是研究因子，而是：程序化执行 · 扩大选股面 · 剥离情绪

适用对象：3 个月 A 股经验 · 有 Python 意愿的个人散户  |  编制日期：2026-09-26  |  有效窗口：2026Q3–2026Q4
🎬 已为每个学习阶段挂上配套视频：8 条 B站 直链（逐条实测可访问 + 标题已核对） + 搜索兜底链接 + YouTube 频道清单

一句话结论

先看这四块，剩下都是展开。

路径顺序（别跳步）

Python 生存语法 → 开权限 + 上模拟盘（并行跑）→ 零代码网格/条件单 → QMT 改示例策略 → miniQMT 写 30 行脚本 → 模拟盘满 1–2 个月 → 小资金实盘。不要等 Python 学完才去开权限，那是最常见的时间浪费。

工具主选

PTrade 做执行（云端、电脑关机也跑）+ miniQMT 做自由度（本地 Python）。研究阶段用聚宽 / 掘金免费版练手。别一上来碰 vn.py 或自己写回测框架。

权限硬门槛（2026 现状）

10 万资产（近 20 交易日日均）+ 风险测评 C4/C5 + 走客户经理白名单渠道。APP 自助开户基本没有量化入口，自己点不出来。模拟盘几乎零门槛。

最该先纠正的认知

量化权限 ≠ 赚钱能力；程序化 ≠ T+0（普通股仍 T+1）；高频已经跟你无关了——2026-07-31 交易所局域网行情通道正式关闭，速度特权被收回，散户交易环境反而在变好。

第一步：先拆掉 4 个错误前提

这 4 条不纠正，后面全是白费时间。

误区 1：「量化就是高频、拼速度」

监管 2025-07-07 起施行的《程序化交易管理实施细则》已明确：单个账户每秒申报+撤单 ≥300 笔，或单日 ≥2 万笔，即认定为高频，要额外报备并差异化收费。这是机构战场。散户在毫秒级上没有任何胜算，也完全不需要。

正解：你做的是「低频规则化执行」——日线/分钟线级别的网格、轮动、条件单，靠纪律不靠速度。

误区 2：「开通量化权限 = 有了赚钱机器」

QMT / PTrade 只是下单通道，本身不含任何策略。券商免费给你工具是为了拿佣金和 AUM，工具能否赚钱取决于你的策略和风控。

正解：权限要在第 0 周就去办（审核 1–3 个工作日 + 验资期），但把它当成「水管」，不是「水源」。

误区 3：「程序化交易能 T+0 / 有专属通道」

A 股普通股票仍然 T+1，量化不改变交易规则。任何声称「量化专用 T+0 特权」的都是销售话术。真正的 T+0 品种是 可转债、ETF（部分）、国债逆回购。

正解：想做日内高频进出，把标的换成可转债 / ETF，这才是散户可行的日内战场。

误区 4：「回测年化 80%，实盘能拿一半」

回测是理想环境：无滑点、无流动性约束、无盘口冲击、无报撤流速限制。散户回测收益打折到三分之一甚至归零极为常见。

正解：手续费和滑点按实盘 1.5–2 倍填进回测；先看最大回撤和夏普，别被年化晃晕。

第二步：工具选型（一张表定下来）

不同券商、不同营业部政策差异极大，开户前必须逐条问清客户经理。

工具本质编程门槛实盘能力对你这人的定位
PTrade
首选执行端		 恒生云端量化终端 极低（零代码模板） 强，策略在服务器跑，关电脑也不停 主力执行工具。网格、条件单、跟踪止盈开箱即用，最适合上班族 + 不想写代码的新手
miniQMT
进阶主用		 QMT 的轻量模式 + xtquant 库 中（要会 Python） 强，本地进程运行，可对接 VS Code / PyCharm 自由度上限最高的散户方案。写自己的选股 + 下单逻辑，这是你要的「扩大选股面」的落点
QMT 标准版 迅投全功能终端 中 极强（Tick 回测、算法拆单、两融、期权） 先别急着上。门槛常 30–50 万，且内置 Python 有库白名单。用它的历史回测 + 自带示例策略学习即可
聚宽 JoinQuant 云端研究平台 中 弱（实盘接入薄弱，多为「策略实验室」） 免费研究田：日线数据 + 回测 + 社区策略参考。研究完把代码迁到 miniQMT 做实盘
掘金量化 一体化量化平台 中低 中（支持主流柜台） 免费版内置数据 + 回测效率高 + 12 套策略模板，新手练逻辑的第二块免费田
backtrader 开源回测框架 中 无（只管回测） 想让回测更严谨时再学。第 4 阶段再碰，不要第一天就装
vn.py（VeighNa） 开源全品种框架 高 强但重（运维成本高） 现阶段跳过。功能太全反而绕晕新手，装环境 + 排错会吃掉你第一个月一半时间

来源：叩富网《怎么学量化交易软件?以QMT和PTrade为例》（2026）、CSDN《期货量化软件选型指南》（2026）、迅投知识库、VeighNa 官网。

▶ 工具对比 · 配套视频

第三步：12 周学习路径（每阶段有验收标准）

每天 1–2 小时。核心原则：先跑通，再理解，最后优化——不要从零写大段代码。

0

开权限 + 上模拟盘（并行启动，别等学完 Python）

第 0 周 · 约 3–5 天（含券商审核）
做什么
① 找客户经理走白名单，APP 业务办理 → 权限开通 → 勾 QMT（含 Mini）和 PTrade；② 风险测评升到 C4；③ 签《程序化交易风险揭示书》+ 填报备问卷；④ 同时申请免费量化仿真测试账号。
避坑
安装包只从券商邮件里的定制版下载，网上第三方安装包无实盘权限且有盗号木马风险。QMT 装非 C 盘纯英文路径（如 D:\QMT），关杀软防火墙，首次用管理员启动让它下完依赖。
验收
拿到模拟盘账号，能登录、能看到行情刷新。
▶ 配套视频教程
✓ 关键动作：验资期 20 个交易日是纯等待时间，这段时间正好用来学 Python —— 两件事并行，别串行。
1

Python 生存级语法 + pandas

第 1–3 周 · 每天 1 小时
学什么
列表 / 字典 / 元组、if-else、for 循环、函数、异常处理；pandas（重点，量化里的超级 Excel）+ numpy；读写 CSV。仅此而已。
不学什么
❌ 类与继承、装饰器、多线程、机器学习、深度学习框架。这些对你不产生任何边际收益，是最大的时间黑洞。
验收
能用 pandas 读一个 CSV 行情文件，算出 5 日 / 20 日均线，并把某天的金叉信号打印出来。
▶ 配套视频教程
2

PTrade 零代码破冰：网格 + 条件单

第 2–4 周 · 与阶段 1 重叠
做什么
PTrade 量化 → 交易 → 新建策略 → 选「网格交易」模板，标的选 ETF 或可转债，设上下限 / 格距 / 每格仓位 → 开仿真。再挂上「智能条件单」（突破 / 回踩 / 定时）。
看什么
仿真跑两周，只看三个数：净值、最大回撤、成交分布。不要看年化。
验收
能说清你的网格在什么行情下会失效（单边趋势里网格一定亏，这是它的天敌）。
▶ 配套视频教程
✓ 这一阶段的隐藏价值：你已经开始「离开情绪化交易」了 —— 而且一行 Python 都没写。
3

QMT 改示例策略 + 弄懂回测陷阱

第 4–6 周
做什么
打开 QMT 内置「双均线交叉」Python 示例 → 把 5/20 改成 10/30 或加布林带过滤器 → 跑 Tick / 分钟回测，手续费滑点按实盘 1.5 倍填。理解 handlebar 逐根 K 线调用的机制、以及下单是异步的。
同步学
回测三坑专项：未来函数、幸存者偏差、过拟合（识别方法见下节避坑清单）。
验收
能解释为什么你调参数调出来的「最佳值」很可能在未来失效；能说出「参数平原」和「参数尖峰」的区别。
▶ 配套视频教程
  • B站《全 100 集》Python 量化交易零基础教程　本阶段首选。目录里直接有：3-1 双均线交易策略实战（金叉死叉/买卖点可视化/均线调参）→ 4-1 回测收益率指标解读 → 4-3 最大回撤区间 → 4-4 夏普比率的作用 → 4-5 阿尔法与贝塔概述。跟你的验收标准一条一条对得上
  • B站《QMT入门指南》　合集含《如何获取高频交易数据？Python+QMT 实战获取分钟线及 Tick 数据》—— 回测取数这一步用得上
  • B站《全 748 集》Python 量化交易教程　直接跳到《策略回测实现》那一节：回测流程、MACD 策略、风险指标（Alpha / 索提诺 / 基准波动）。合集太长，只挑这一节看，别从头啃
  • 搜索直达B站搜「量化 回测 过拟合 未来函数」　「未来函数 / 幸存者偏差 / 过拟合」这三坑的专项讲解，中文视频质量参差，建议配合上面官方文档一起看
  • YouTube搜「Serious Backtester」 · 「Algorithmic Trading (Anders)」　英文圈讲回测严谨性最扎实的两个频道，专讲幸存者偏差、前视偏差、交易成本该怎么填
4

miniQMT + xtquant：写你自己的 30 行脚本

第 6–9 周 · 能力跃升点
环境
登录 QMT 时勾「独立交易」，然后在 VS Code 里 pip install xtquant，接通你自己的 Python 环境。这就是你要的「扩大选股数量」的落点。
做什么
第一步 download_history_data() 下载历史数据；然后用 xtdata 取行情 → pandas 算条件 → 你的选股函数筛出 20–50 只候选 → 按仓位规则下单。目标：一个只做「开盘价突破前高下单」的 30 行脚本，仿真跑通。
验收
脚本能在 50 只票上跑通筛选，输出候选清单 + 委托日志，且日志与仿真成交对得上。
▶ 配套视频教程
  • B站UP 主空间 · 「合集·量化」（2026 年 3–4 月新更）　本阶段最对口的视频，而且是最新的。空间内直接有：《miniQMT 量化全流程实战｜本地回测+模拟交易+实盘接入（保姆级教程）》《miniQMT 量化实战教程｜本地多策略实时交易系统搭建（全流程）》《用 conda 配置本地量化运行环境》《告别聚宽！我用 Tushare 做了个本地量化接口库》
  • B站miniQMT 实操系列合集　按需点播：MiniQMT 下买单 / 下卖单 / 撤单 → 查看持仓 → 下载全市场分钟级数据 → 获取股票数据 → 获取行业数据与板块成分股 → 获取全市场财务数据 → 使用注意点（ContextInfo 坑点）。基本就是一本 xtquant 的视频版 API 手册
  • 搜索直达B站搜「miniQMT xtquant 实战」 · 「QMT 下载历史数据」　这个关键词下的视频更新最勤，环境配置和报错排查看最新的一批
  • 官方XtQuant 开发教程（迅投官方）　视频讲思路，函数签名和参数一律以这个为准
✓ 到这一步你才真正进入量化。前面 6 周都是在为这 3 周铺路。
5

模拟盘满 1–2 个月 → 小资金实盘

第 9–12 周及以后
铁律
模拟盘连续跑 1–2 个月（至少 20 个交易日），覆盖一次震荡和一次单边行情。先仿真后实盘，不把全部资金塞一个自动策略，单日亏损线写进代码并熔断。
实盘起步
单策略 + 单标的 + 总仓位 ≤10%，每天晨间看一次日志和委托明细。连续 3 个月回撤可控，再逐步加仓。
验收
实盘表现与回测的偏离幅度在你能解释的范围内；否则先停下来查原因，别加仓。
▶ 配套视频教程

各阶段建议投入

下方为规划示意值（非实测数据），用于帮你分配精力，实际按个人节奏调整。

第四步：你的三块「试验田」（模拟盘在哪）

模拟盘不是一个，是三个，各管一件事。

① 学习田 · 零门槛

聚宽 / 掘金 / BigQuant 云端环境
  • 优势：不用装任何客户端，网页里写代码、跑回测，数据现成，社区有大量公开策略可抄
  • 用途：练逻辑、试信号、验证想法
  • 限制：有运行时长和资源限制，策略要搬迁到本地才能实盘

② 执行田 · 券商仿真

QMT 仿真模式 / PTrade 独立测试客户端
  • QMT：模拟盘集成度高，开通终端后在客户端内直接启用，系统自动分配模拟资金
  • PTrade：实盘客户端本身不能回测，必须用专门的测试版客户端登录模拟盘，测试账户与实盘账户数据不互通
  • 用途：验证委托、撤单、风控拦截、成交回报的真实行为
  • 门槛：通常无硬性资金要求，但必须是该券商的客户

③ 回归田 · 本地回测

QMT 内置回测 / backtrader
  • 用途：策略改一版就跑一次，看参数敏感性和样本外表现
  • 关键：回测 ≠ 模拟盘。回测验证「逻辑有没有优势」，模拟盘验证「工程有没有 bug」
  • 提醒：不要把它和实盘混为一谈，三者是三件不同的事

第五步：避坑清单（分三类）

左边是让你亏钱的，中间是让你白费时间的，右边是让你违规/被骗的。

💰 亏钱坑

  1. 过拟合：参数从 5 试到 20 挑最好的那个。解药：参数数量 ≤3、强制样本外验证、选「参数平原」不选「尖峰」。— 回测最漂亮的那一刻，往往就是最危险的那一刻。
  2. 未来函数：在 14:50 用了当天全天最高价做买入条件，或用财报发布日之后的数据。解药：每个时间点只能用该时点及之前的数据；一个自检法——把序列随机打乱后策略还很赚钱，说明有未来函数。
  3. 幸存者偏差：回测只用了现在还在交易的票，退市和 ST 的亏损没算进去。解药：用含退市股的全量历史数据 / 指数成分股调整数据。
  4. 成本设成 0：手续费滑点按默认值甚至 0 填。解药：按实盘 1.5–2 倍填；加成本后收益断崖式下跌，说明策略实盘必亏。
  5. 样本太集中：策略只在 2020–2024 的低波动区间有效，环境一变就废。解药：在最近一段未见过的窗口上做样本外验证。

⏳ 时间刺客

  1. 去研究因子 / 机器学习。你自己说了不要学术化——那 ML、因子挖掘、深度学习就全部不是你的必修课，是选修里的选修。
  2. 从零自己写回测框架。要处理数据存储、撮合逻辑、手续费模拟、性能优化。很可能花 3 个月造的轮子，比 backtrader 一下午跑的还差。
  3. 第一天就装 vn.py。功能太重，环境配置和排错会吞掉你第一个月一半时间。
  4. 等 Python 全学完再开权限。验资 20 个交易日是纯等待期，本该与学习并行。
  5. 追「免费 Tick 数据」。宣传免费的数据往往是日线级，分钟级付费，Tick 级按年收费。日线足够做趋势和轮动，别为数据纠结。
  6. 直接搬 GitHub 开源策略上实盘。第三方代码必须逐行通读校验逻辑后才能用。

🚫 合规 & 工程坑

  1. 「付费代开量化权限」全是骗局。不存在花钱买接口这种事，权限必须本人账户达标 + 券商报备。
  2. 下载网络第三方安装包。无实盘权限，且有盗号木马风险。只认券商发给你的定制版。
  3. 用第三方程序绕过券商系统下单。不合规，技术上也很危险。
  4. 安装路径含中文或装在 C 盘。会引发各种报错，装 D:\QMT 这类纯英文路径。
  5. 以为电脑可以随便关。QMT 本地运行，休眠 / 关机 / 断网策略直接停。要 7×24 跑得上 Windows 云服务器；嫌麻烦就用 PTrade 云端托管。
  6. 同一根 K 线里反复下单。K 线周期执行过滤没做，会造成仓位失控。这是新手最典型的实盘事故。
  7. QMT 内置 Python 有库白名单。不是所有第三方库都能 import，需要外部环境时用 miniQMT 模式。
  8. MiniQMT 与标准版接口不完全互通。代码迁移需要适配，别以为复制粘贴就能跑。
  9. 高频异常委托触发风控。交易所实时监控报撤单，异常会限制你的程序化权限。

第六步：适合散户的 4 类实盘策略（从易到难）

全部是「执行型」策略，没有任何因子研究成分。

策略在哪个工具做为什么适合你A 股约束 / 天敌
① 智能条件单
第 1 周就能用		 PTrade / 券商 APP 盘后算好条件，晚上挂好买单 + 止损单 + 止盈单，白天不用盯盘。零代码 多数场景已经够用，不必为了「自动化」三个字去搭 24 小时服务器
② ETF / 可转债网格 PTrade 零代码模板 震荡市自动高抛低吸，把「管不住手」这件事交给程序。可转债 T+0，日内可反复做 单边趋势里必然跑输甚至亏损；标的流动性差会滑点吃掉利润
③ 可转债「价格+溢价率」双阈值轮动 miniQMT 规则清晰、可完全程序化，适合作为你第一个自己写的选股 + 调仓策略 需要处理流动性、强赎风险、停牌；轮动频率高，手续费是隐形大头
④ 趋势过滤选股（双均线 / 突破） miniQMT + 本地回测 直接解决你的核心诉求：把选股面从 3 只扩到 50 只，用统一规则批量筛，去掉情绪 震荡市假信号多，需要过滤器；A 股 T+1 意味着当日买入不能卖出
▶ 策略实操 · 配套视频

第七步：资源清单（官方优先，全部免费）

官方文档（第一优先级）

QMT 没有出版实体教材，迅投知识库就是最权威资料

客户端右上角【帮助】也能直接调出内置开发手册，报错优先查这里。QMT 客户端安装包只能从开通权限的券商获取，网络第三方安装包不要使用。

视频 & 社区（排错用）

按关键词搜，重点看这几类内容
  • B 站关键词：QMT 入门、MiniQMT xtquant 实战 → 重点看环境配置、模拟盘调试、委托报撤逻辑
  • CSDN / 量化博客 → 重点看「回测与实盘差异」「委托异步处理」「柜台流速限制」
  • VeighNa 量化社区：vnpy.com（论坛有大量公开策略代码，可参考思路）

书籍（建立思维，不教 API）

  • 《打开量化投资的黑箱》— 通俗讲清整套流程、回测陷阱、滑点、策略失效，公式少，新手最友好，建议第一本读它
  • 《Quantitative Trading》（Ernest Chan）— 个人投资者实盘落地，讲回测坑点、风控、小资金实盘，最对口 A 股个人程序化交易者
  • 《量化交易之路：用 Python 做股票量化分析》— A 股案例多，覆盖 Python 基础与回测逻辑
  • 《利用 Python 进行数据分析》— 工具书，pandas 数据清洗必备

书籍不会讲 QMT 专属 API，函数以迅投知识库为准。

数据源（免费起步）

  • AkShare / efinance — 免费 Python 数据接口，A 股日线、财务、龙虎榜齐全，练手足够
  • Tushare — 社区版有积分门槛，质量更高，跑顺之后再升级
  • 聚宽 / 掘金内置数据 — 云端直接调用，免配置
  • QMT 自带历史数据下载 — 回测取数首选，复权与停牌处理已内置

提醒：免费数据多为日线级，分钟级和 Tick 级通常付费，按需升级别提前投入。

第八步：视频教程索引总表

上面每个阶段都挂了视频，这里做一张总表方便你回头查。直链已逐条核对可访问。

⚠️ 链接保鲜说明（务必看一眼）
下表 B站 直链在 2026-09-26 当天全部实测返回 200、标题已核对，但 B站 视频会下架、改名、被搬运，半年后部分链接可能失效。失效时请用「搜索关键词」列重新找 —— 按最多播放排序取前几个，反而能拿到当年的最新版本。
另外说句实话：所有 BV 直链都标了它的真实标题，你可以先看标题对不对得上再点。YouTube 直链本次未能逐条核验（网络限制），所以只给频道名 + 搜索直达，不受失效影响。
还有一个判断标准：凡是标题里写「7 天搞定量化」「学不会我退出 IT 界」「全 700 集」的，都是营销号批量搬运的合集。可以拿来看基础语法和 API 用法，但不要信里面任何策略结论。
学习单元B站直链（已核对）搜索直达关键词
阶段 0
开权限 + 模拟盘		 《QMT入门指南》
模拟端使用合集		 QMT 模拟盘
QMT入门
阶段 1
Python + pandas		 《全400集》前10集
聚宽推荐 69 集课程		 Python pandas 金融数据分析
阶段 2
PTrade 零代码		 内含《ptrade 和 qmt 对比》
Ptrade 之家（报错 FAQ）		 PTrade 网格交易
PTrade 条件单
阶段 3
回测 + 风险指标		 《全100集》双均线/回撤/夏普
《全748集》策略回测实现节		 量化 回测 过拟合 未来函数
阶段 4
miniQMT + xtquant		 UP主空间（2026-03 全流程实战）
miniQMT 实操系列合集		 miniQMT xtquant 实战
QMT 下载历史数据
阶段 5
模拟盘 → 实盘		 「回测+模拟+实盘接入」全链路
ContextInfo 坑点 / IO 权限		 QMT 模拟盘
工具选型 ptrade vs qmt 系统比较 聚宽 量化 教程
策略实操
网格 / 双均线 / 可转债轮动		 双均线策略实战 可转债 轮动 量化
双均线策略 Python 量化

YouTube 频道清单（按用途分组）

中文资料讲 QMT/PTrade 更细，英文频道在「回测严谨性」和「风险管理思维」上明显更强 —— 这两块恰好是中文内容最缺的。

① 回测严谨性 / 研究卫生 最该看

专讲你会犯的错：未来函数、幸存者偏差、成本假设
  • Serious Backtester —— 回测方法论深挖，教你怎么不被自己的回测骗
  • Algorithmic Trading (Anders) —— 少见的研究卫生视角：必须处理幸存者偏差、前视偏差、交易成本
  • Quantified Strategies —— 每条视频完整展示一个策略的回测，方法论透明，适合学「怎么评估别人的回测」

② Python 落地（想法 → 回测 → 系统）

代码能直接抄，讲的是工程而不是玄学
  • Part Time Larry —— Python 市场数据、可视化、API 集成，零基础友好
  • Algovibes —— 专做「拆穿热门策略」类回测，适合练压力和怀疑精神
  • QuantProgram —— 向量化回测框架搭建、多因子评估、绩效分析
  • Quantreo —— 机器学习与量化的交叉（看看就好，别现在动手）
  • The Python Quants —— Yves Hilpisch，Python 金融方向最系统的作者之一

③ 平台官方 & 系统化交易流程

④ 中文频道 & 访谈

说明：以上为频道名，点击为 YouTube 站内搜索直达（不依赖单条视频存活）。本环境访问 YouTube 受限，未逐条核验频道直链，请自行确认后订阅。

看视频的正确姿势（三条）

① 只看操作，不信结论

  • 视频教的是「按钮在哪、函数怎么调」—— 这部分可信度高
  • 视频给的「这个策略年化 80%」—— 一律当娱乐
  • 任何没讲清楚手续费、滑点、样本外的回测，直接划走

② 倍速 + 只挑对应小节

  • 几百集的合集从第 1 集看到第 300 集是纯浪费。按目录跳，只看你当前阶段要用的那几节
  • 1.5–2 倍速看，卡住的段落才回到 1 倍
  • 看完立刻在模拟盘里复现一遍，不复现等于没看

③ 视频 + 官方文档，缺一不可

  • 视频讲思路，函数签名、参数、返回值一律以迅投官方文档为准
  • UP 主用的 QMT 版本可能和你的不一样，报错先查官方文档再听视频
  • 中文视频质量参差，讲错的地方不少 —— 保持怀疑

学习优先级一句话版

先做（第 0–4 周）：开权限 + 上模拟盘 · Python 生存语法 · PTrade 零代码网格 / 条件单
再做（第 4–9 周）：QMT 改示例策略 · 回测三坑专项 · miniQMT + xtquant 写 30 行脚本
后做（第 9 周起）：模拟盘满 1–2 个月 · 小资金实盘 · 加风控熔断
不做：机器学习 · 自建回测框架 · vn.py 全框架 · 因子挖掘 · 追付费 Tick 数据

你 3 个月手动交易的经验不是白积累的 —— 它最大的价值是让你知道「自己会在什么情况下情绪失控」。写程序时，把这些场景直接写成硬性规则和熔断线，这就是你相对纯技术背景新手的唯一优势。

免责声明：以上内容基于公开数据和量化分析，仅供参考，不构成投资建议。市场有风险，投资需谨慎。任何投资决策应结合个人风险承受能力、资金状况和投资目标独立判断，必要时咨询持牌专业机构。过往表现不预示未来收益。

数据来源与时效说明：开通门槛、券商政策、监管条款等信息来自叩富网（2026-05 / 2026-09）、中国证监会官网、央视网财经（2026-07-30）、华夏时报（2026）、搜狐财经（2026）等公开报道，均为非一手来源，具体以各券商最新政策及交易所正式文件为准，需在开户前与客户经理逐条核实。