简介
PTrade，由恒生电子开发的量化软件。
在右上角的"帮助-帮助文档"处，可以查看除量化之外的文档。
在量化模块的帮助处，可以查看和量化相关的文档。
在工具模块中，有一些预设的策略。
但是，需要注意的是，在工具模块中的策略，运行在本地；在量化中的策略，运行在券商的云端。
这也是PTrade和QMT的区别之一，PTrade和QMT都是面向股票场景的量化投资平台。
- PTrade中的策略是运行在券商的云端服务器。
- QMT中的策略是运行在本地终端。
策略
结构
在PTrade中，有且仅有一种结构，如图所示。
initialize，只会在策略启动的时候，被执行一次。
例如，日启动策略，会在启动的时候运行initialize；之后即使在日，也不会再执行initialize。before_trading_start，每个交易日都会被执行。
例如，日启动策略，日会执行before_trading_start，日会再次执行before_trading_start。- 盘中相关的方法：
handle_data、tick_data，按照其固定的周期运行。on_order_response和on_trade_response两个函数，不受其运行周期控制，是回调函数，被回调(触发)，就会运行。run_interval和run_daily是定时器函数run_interval可以指定间隔秒(最快3秒)运行，也可以作为盘中函数。run_daily在进行开盘集合竞价的时候会用到。
initialize和handle_data是两个必须有的函数，其他可选。
如果我们不需要在这两个函数中执行任何操作，可以采取如下的方式1
2def handle_data(context, data):
pass
handle_data
通过data获取行情
handle_data方法有两个入参，context和data。我们可以在handle_data方法中，直接读取data中的数据，这样获取数据会更快。
data，字典(dict)，key是标的代码，value是当时的SecurityUnitData对象，存放当前周期的数据。data中的数据都是没有复权的数据。
示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 15:29:09 开始运行回测, 策略名称: 测试 |
关于data的歧义
在官方文档中，关于data有如下的论述。
“为了加速，data中的数据只包含股票池中所订阅标的的信息，可使用data[security]的方式来获取当前周期对应的标的信息；”
根据这个理解，只有在set_universe中的股票才能获取。
在下例中，我没有进行set_universe，却可以获取恒生电子(在g.security中)和浦发银行(不在g.security中)。
实际上，应该是：
为了加速，data中的数据只包含股票池中所订阅标的的信息。
若想获取股票池外的股票信息可以使用data[security]的方式来获取。
我们可以验证一下，确实如此。直接打印data，内容是BarDict(600570.SS)，600570.SS是我们通过set_universe订阅过的。
handle_data被调用的时间
在有些资料中，说日线级别中的handle_data：在回测中，是每天15:00执行；但是在交易中，需要第二天执行。
实际上，关于该部分，在官方文档中有如下的论述：
在交易环境中，取决于券商实际配置时间，默认是14:50。
如果不清楚券商配置的时间，或者想自定义日线策略的交易时间。可以直接采用分钟级别的，每分钟调用一次handle_data。
然后在handle_data内部做逻辑判断，判断时间。有三种思路：
- 用一个全局变量记录
handle_data的被调用的次数，当该值等于某个设定的值，说明到了预定的时间，然后执行后续逻辑。
这种方法需要注意，策略盘中启动的话，记录可能不准确。 - 计算K线的长度，如果K线的长度等于某个设定的值，说明到了预定的时间，然后执行后续逻辑。
关于K线长度的计算，可以参考本文最后的"一阳穿三线(案例)"。 - 或者直接通过代码获取当前时间，进行判断。
PTrade的策略是运行在券商的服务器，通过代码获取当前时间，获取的是券商服务器的本地时间。这种情况需要注意，券商服务器的本地时间需要和交易所的时间同步。
handle_data中的data的内容
有些资料会说，handle_data中的data，在回测环境是一分钟的K线，在交易环境是行情快照。
我发现实际不是。
如图，是在交易环境中，我们看到有最高价、最低价这些。
即，在交易环境中也是K线。
特别的，我们可以看到，时间是没有"+8"的。
tick_data(交易)
tick_data，仅交易模块可用。
注意：
- 该函数中的data和handle_data函数中的data是不一样的，不要搞混了。
- 当调用
set_parameters()并设置tick_data_no_l2="1"时，参数data中将不包含逐笔委托、逐笔成交字段。当券商有l2行情、并且我们不需要时，配置该参数可提升data取速。
关于set_parameters()的用法，可以参考官方文档的介绍，一般放在initialize中执行。
关于如何获取买一价、买二价等，参考官方文档。
其中一个重要的函数是eval，关于eval，可以参考《基于Python的后端开发入门：1.基础语法》的"数据类型转换"部分。
有些资料说，在该函数中，只可以调用order_tick。实际上该部分已经修改了。
回测
添加策略
点击如图所示处的+，添加策略，在弹框处输入策略名称和业务类型。
与在QMT中一样，新添加的策略会有一些预设的代码。
功能介绍
- 在
①处，可以选择回测的时间范围、初始资金、业绩基准、回测周期等。 - 点击
②的回测，进行回测。 - 在
③处，可以查看日志。 - 在
④可以查看回测结果，从上到下，包括：- 收益、基准收益、Alpha比率等
- 收益率曲线
- 每日盈亏
- 当日买卖
- 点击
⑤处，可以查看回测详情。
点击回测详情后，分别可以查看汇总记录和某一天的记录，点击左侧选择具体看哪一天。
性能分析
在回测期间，可以勾线"性能分析"。
然后在"回测详情"中，勾选Tab页，可以看到每个函数包括每个语句的运行时间。
交易
新增交易
点击新增，即可新增交易，然后在弹窗的下拉框，选择回测中的策略。
确认后，交易会立即开始运行。
交易频率
- 日级别
如果回测中的策略是日级别的，那么基于其新增的交易，也会是日级别的。 - 分钟级别
如果回测中的策略是分钟级别的，那么基于其新增的交易，也会是分钟级别的。 - tick级别
对于tick级别策略，基于tick_data或者run_interval实现，不用在意页面显示的策略是日线或者分钟。
需要注意的是，对于日线级别的，在回测和交易中，handle_data被调用的时间是不一样的，这可能会导致我们的策略在回测和交易上，存在一些逻辑差异。
具体可以参考上文关于handle_data的讨论。
数据
股票池
全市场股票池
get_Ashares，获取指定日期A股代码列表。
按指数获取股票池
get_index_stocks
get_index_stocks，获取指数成分股。
关于尾缀的歧义
根据官方文档的说法，尾缀必须是.SS。
该部分存在表述不清。
我们可以用创业板指(399006)试一下，发现不是这样的。
特别的，对于沪深300，我们会发现只支持上交所的沪深300指数。
总之，建议，对于该部分，进行足够的验证和测试。
按行业获取股票池
get_industry_stocks，获取行业成份股。
行情数据
handle_data和tick_data
在上文我们讨论过handle_data和tick_data，这两个方法都自带入参data，data中就是行情数据。
除了上述两种方法，这里再讨论三种方法：
- get_history
- get_price
- get_snapshot
get_history
get_history，获取历史行情。
需要注意的是：
- 入数
fq，数据复权选项，支持包括：pre(前复权)、post(后复权)、dypre(动态前复权)和None(不复权)。
dypre(动态前复权)，是站在回测日的当天，以回测日之前的除权因子，进行前复权，不考虑回测日之后的除权因子。
相比pre(前复权)，dypre(动态前复权)更贴合真实交易场景。 - 入参
is_dict，返回是否是字典(dict)格式，True(是)，False(不是)；
返回为字典格式取数速度相对较快； - 针对停牌场景，没有跳过停牌的日期，无论对单只股票还是多只股票进行调用，时间轴均为二级市场交易日日历，停牌时使用停牌前的数据填充，成交量为0，日K线可使用成交量为0的逻辑进行停牌日过滤。
- 数据返回内容可以包括当前周期的数据，基于
include字段。
获取单支股票，is_dict=True，每日周期，回测，示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 10:48:16 开始运行回测, 策略名称: 测试 |
获取多只股票，is_dict=True，每日周期，回测，示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 10:53:39 开始运行回测, 策略名称: 测试 |
根据PTrade官方文档的介绍，is_dict=True，在取数的时候会更快，本文讨论的也都是is_dict=True的情况。关于is_dict=False，可以参考官方文档。
get_price
使用方法
get_price，获取历史数据。
需要注意的是：
start_date与count必须且只能选择输入一个，不能同时输入或者同时都不输入。
count只在某些频率下有效，具体参考官方文档。
有某些频率，不支持start_date和end_date组合的入参，只支持end_date和count组合的入参形式，具体参考官方文档。- 针对停牌场景，没有跳过停牌的日期，无论对单只股票还是多只股票进行调用，时间轴均为二级市场交易日日历，停牌时使用停牌前的数据填充，成交量为0，日K线可使用成交量为0的逻辑进行停牌日过滤。
- 数据返回内容不包括当天数据。
security的参数为字符串
security的参数为字符串，示例代码：
1 | get_price(security='600570.SS',start_date='20170201',end_date='20170213',frequency='1d') |
运行结果：
1 | open close high low volume price money preclose high_limit low_limit unlimited |
security的参数为列表
security的参数为列表，示例代码：
1 | get_price(security=['600570.SS'],start_date='20170201',end_date='20170213',frequency='1d') |
运行结果：
1 | Out[12]: |
在解析时，注意iters为行情字段('open'、'close'等)，示例代码：
1 | p = get_price(security=['600570.SS'],start_date='20170201',end_date='20170213',frequency='1d') |
运行结果：
1 | 600570.SS |
如果需要将items索引由行情字段转换成股票代码，可以通过swapaxes方法转换。示例代码：
1 | p = p.swapaxes("minor_axis", "items") |
关于Panel的更多，可以参考《用Python分析数据的方法和技巧：3.pandas》的"Panel"部分。
不包含当天的
例如，我们在20230803这一天，获取这一天的分钟数据。示例代码：
1 | df = get_price(security='600570.SS',start_date='20230803',end_date='20230803',frequency='1m') |
运行结果：
1 | (0, 7) |
get_snapshot
get_snapshot，取行情快照，仅在交易模块可用。
get_snapshot通常和run_interval配合；run_interval的作用是按设定周期定时运行；这样可以定时获取行情快照。
关于get_snapshot和run_interval的具体使用方法，参考官方文档。
一个需要注意的点：
财报数据
get_fundamentals
通过get_fundamentals，可以获取财报数据。
需要注意的是：
- 该接口可能存在因网络拥堵等原因导致应答失败的情况，如果返回数据结果为空请多次尝试，策略中请增加保护机制。
- 该接口有流量限制，具体参考官方文档。
- 入参中有一个字段
report_types，财报类型。
如果为年份查询模式(start_year/end_year)，不输入report_types返回当年可查询到的全部类型财报。
如果为日期查询模式(date)，不输入report_types返回距离指定日期最近( 不含指定日期 )一份财报(str)。
例子
日期查询模式
日期查询模式(date)，不输入report_types返回距离指定日期最近( 不含指定日期 )一份财报(str)。示例代码：
1 | df = get_fundamentals('600000.SS','balance_statement',date='20211231') |
运行结果：
1 | (1, 115) |
年份查询模式
年份查询模式(start_year/end_year参数模式)，返回数据类型为pandas.Panel类型，索引为股票代码。不输入report_types返回当年可查询到的全部类型财报。示例代码：
1 | p = get_fundamentals('600000.SS', 'balance_statement', start_year='2021', end_year='2021') |
运行结果：
1 | account_receivable accounts_payable advance_insurance advance_payment advance_receipts bill_receivable biological_assets bonds_payable borrowing_capital borrowing_from_centralbank bought_sellback_assets capital_reserve_fund cash_equivalents client_deposit client_provi commission_payable company_type compensation_payable constru_in_process construction_materials deferred_tax_assets deferred_tax_liability deposit deposit_in_interbank deposit_of_interbank deposits_received derivative_assets derivative_liability development_expenditure dividend_payable dividend_receivable estimate_liability fixed_assets fixed_assets_liquidation fixed_deposit foreign_currency_report_conv_diff good_will hold_for_sale_assets hold_to_maturity_investments impawned_loan independence_account_assets independence_liability insurance_receivables insurer_deposit_investment insurer_impawn_loan intangible_assets interest_payable interest_receivable inventories investment_property lend_capital life_insurance_reserve loan_and_advance long_defer_income long_deferred_expense long_salaries_pay longterm_account_payable longterm_equity_invest longterm_loan longterm_receivable_account lt_health_insurance_lr minority_interests non_current_asset_in_one_year non_current_liability_in_one_year notes_payable oil_gas_assets ordinary_risk_reserve_fund other_assets other_composite_income other_current_assets other_current_liability other_equityinstruments other_liability other_non_current_assets other_non_current_liability other_payable other_receivable outstanding_claim_reserve paidin_capital policy_dividend_payable proxy_secu_proceeds publ_date r_metal receivable_claims_r receivable_life_r receivable_lt_health_r receivable_subrogation_fee receivable_unearned_r refundable_capital_deposit refundable_deposit reinsurance_payables reinsurance_receivables retained_profit salaries_payable se_without_mi seat_costs secu_abbr settlement_provi shortterm_loan sold_buyback_secu_proceeds specific_account_payable specific_reserves sub_issue_secu_proceeds surplus_reserve_fund taxs_payable total_current_assets total_current_liability total_non_current_assets total_non_current_liability total_shareholder_equity trading_assets trading_liability treasury_stock unearned_premium_reserve |
publ_date
特别的，我们可以看看publ_date这个字段。示例代码：
1 | p = get_fundamentals('600000.SS', 'balance_statement', start_year='2021', end_year='2021') |
运行结果：
1 | end_date |
我们看到，publ_date的数据，一般晚于财报的日期。
这个在回测过程中，需要特别注意。在回测中，获取的财报数据，一定要根据publ_date进行一次筛选，否则会导致"数据泄漏"，回测结果不准确。
账户信息
账户信息通过context上下文对象获取，在官方文档，首字母是大写的，实际应该小写。
context对象的内容很多，具体可以参考官方文档。
示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 14:59:34 开始运行回测, 策略名称: 测试 |
持仓信息
通过get_position()可以获取一个position类(持仓类)的对象。
关于get_position()方法和position类(持仓类)的对象，都可以参考官方文档。
示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 15:03:51 开始运行回测, 策略名称: 测试 |
下单
指定数量买卖
order，按指定数量买卖。
注意：
- 如果是卖出的话，
amount填负数。 - 回测场景下，
amount有最小下单数量校验；交易场景接口不做amount校验，直接报柜台。 - 交易场景如果
limit_price字段不入参，系统会默认用行情快照数据最新价报单，如果行情快照获取失败会导致委托失败，系统会在日志中增加提醒。
指定持仓数量买卖
order_target，指定持仓数量买卖。
该接口用于买卖股票，直到持有的股票最终数量达到指定的amount
需要注意的是，在交易中谨慎使用该接口，因为容易导致重复下单。具体原因如下：
- 柜台返回持仓数据体现当日变化(由柜台配置决定)：交易场景中持仓信息同步有时滞，一般在6秒左右，假如在这6秒之内连续下单两笔或更多order_target委托，由于持仓数量不会瞬时更新，会造成重复下单。
- 柜台返回持仓数据体现当日变化(由柜台配置决定)：第一笔委托未完全成交，如果不对第一笔做撤单再次order_target相同的委托目标数量，引擎不会计算包括在途的总委托数量，也会造成重复下单。
- 柜台返回持仓数据不体现当日变化(由柜台配置决定)：这种情况下持仓数量只会一天同步一次，必然会造成重复下单。
所以，如果需要在交易场景使用该接口，首先要确定券商柜台的配置，是否实时更新持仓情况，其次需要增加订单和持仓同步的管理，来配合order_target使用。
指定金额买卖
order_value，指定金额买卖。
指定持仓市值买卖
order_target_value，指定持仓市值买卖。
注意！该函数同样存在可能造成重复下单，原因也相同。建议在交易中谨慎使用该接口。
order_market
order_market，按市价进行委托。
关于order_market的具体用法，可以参考官方文档。
关于什么是市价委托，可以参考《金融产品与金融市场：A股的交易规则》的"申报方式"部分，需要注意市价委托的适用时间范围。
order_tick
order_tick，tick行情触发买卖。
能且仅能在tick_data中使用。
获取订单
get_open_orders，获取未完成订单。1
get_open_orders(security=None)
get_order，获取指定订单。1
get_order(order_id)
get_orders，获取全部订单(策略内所有订单)。1
get_orders(security=None)
get_all_orders，获取账户当日所有订单(包含非本交易的订单记录)。1
get_all_orders(security=None)
撤单
cancel_order，撤单。
在PTrade中，订单状态有：'0'(未报)、'1'(待报)、'2'(已报)、'3'(已报待撤)、'4'(部成待撤)、'5'(部撤)、'6'(已撤)、'7'(部成)、'8'(已成)、'9'(废单)、'+'(已受理)、'-'(已确认)、'V'(已确认)。
其中，可以进行撤单的订单状态有：'2'(已报)、'7'(部成)。
委托下单时间
在QMT和TqSdk中，有所谓的"K线走完(Bar结束)下单"和"立即下单"。
这个在PTrade中不存在，会直接报到柜台。
工作经验
全局对象
在使用全局对象的时候，一定要记住，前面要加g.。
获取股票池
在上文，我们讨论过：
initialize，只会在策略启动的时候，被执行一次。before_trading_start，每天都会被执行。
所以我们获取股票池(获取全市场股票、获取没有停牌的股票、获取指数的成分股)等，尤其是我们的策略需要跨日运行的话，应该在before_trading_start方法中获取股票池，而不是initialize方法中获取股票池。
财报数据的获取(回测)
该部分在上文有过讨论。
在回测中，我们获取的财报数据，一定要根据publ_date进行一次筛选，否则可能会导致获取的回测数据不准确。
通过上下文对象context的blotter.current_dt，可以获取当前回测的时间。
不一定五档都有
不一定五档的价格都有，可能会只有买一和卖一，其他档位都没有。这时候我们获取其他档位的价格会报错。
可以先做一个判断。
因为异常数据缺失
在tick_data()中，不排除因为异常，导致获取不到最新价(last_px)。
可以参考如下的方式，进行判断。
1 | last_px = snapshot['last_px'] |
控制调用顺序
一般情况下，都是先运行initialize和before_trading_start，然后再运行handle_data等。
但是，如果我们是盘中新开的交易、或者交易在盘中重启等情况。可能会存在先运行了handle_data、再运行before_trading_start。
所以，需要我们人为的强制调用顺序。
可以利用全局的变量，记录运行状态。后者运行的前提条件必须是前者已经运行。示例代码：
1 | def initialize(context): |
做持久化
什么是持久化
持久化，这个是数据库中的术语，是指将数据从内存持久化到磁盘。
在这里的持久化，指的是将交易期间的一些状态，保存至本地。
为什么需要持久化
因为策略可能会中断，因为券商重启PTrade、或者因为我们自己重启策略等各种原因。
如何实现持久化
- 可以利用
pickle。
关于pickle，可以参考《基于Python的后端开发入门：3.拷贝、类型注解、闭包和一些常用的包》的pickle部分。 - 可以利用
SQLite。
争议(回测期间持仓修改时间)
在有些资料中会说，回测期间，不要用持仓做成交判断，因为持仓数据在下一个回测周期才会被修改。我发现这个BUG，应该已经被修复了。
回测周期选分钟。示例代码：
1 | def initialize(context): |
运行结果：
1 | 2023-08-02 16:33:58 开始运行回测, 策略名称: 测试 |
我们看到，在09:31:00，执行order(security='600000.SS', amount=100)之后，其持仓数据就已经修改了。
集合竞价打板(案例)
思路
集合竞价的时间是9:15至9:25，而handle_data需要在9:30分才会被执行。
思路是利用run_daily这个方法。
run_daily
run_daily，按日周期处理。
关于该函数的更多用法，可以参考官方文档，这里论述一个注意点。
入参time，指定周期运行具体触发运行时间点：
- 交易场景可设置范围：。
- 回测场景可设置范围：
- 当回测周期为分钟时，time的取值指定在与之间。
- 当回测周期为日时，无论设定值是多少都只会在执行。
实现代码
1 | def initialize(context): |
一阳穿三线(案例)
策略思路
一阳穿三线，是一种形态。指的是一根阳线，从开盘到收盘，突破了3根不同周期的均线。
实现代码
1 | import pandas as pd |
解释说明：
get_K_count：获取当前K线数。replace：保留两位小数，filter_limitup_stock：剔除涨停。
本博客所有文章版权为文章作者所有，未经书面许可，任何机构和个人不得以任何形式转载、摘编或复制。
评论区