ptrade交易工具，我的实战经历（2）

稍微系统来聊一下可编程量化交易，目前，可能跟我们没多大关系，但了解一下，扩展一下基金量化投资的视野，相对于鸡汤来说，应该更有营养
三、ptrade框架

这是ptrade工具的灵魂，刚开始学习需要了解，后续更应该多多体会，温故而知新。
多看几眼这张图，牢记心中。

ptrade量化引擎以事件触发为基础，通过初始化事件（initialize）、盘前事件（before_trading_start）、盘中事件（handle_data）、盘后事件（after_trading_end）来完成每个交易日的策略任务。
initialize和handle_data是一个允许运行策略的最基础结构，是必选项，before_trading_start和after_trading_end是可以按需运行的。
handle_data仅满足日线和分钟级别的盘中处理。
除了以上的一些事件以外，ptrade也支持通过定时任务来运行策略逻辑，可以通过run_daily接口实现，这些玄乎的，可以先不管。
走起来，再跑步前进。
明白了以上框架，交易算法直接放到对应的模块就行。
示例
# 策略初始化 def initialize(context): #g为全局变量 g.security = &#39;600570.SS&#39; set_universe(g.security) http://log.info(&#39;初始化完成&#39;) def before_trading_start(context, data): http://log.info(g.security) http://log.info(&#39;盘前执行完成&#39;) # 盘中执行 def handle_data(context, data): order(&#39;600570.SS&#39;,100) http://log.info(&#39;盘中执行完成&#39;) #盘后执行 def after_trading_end(context, data): http://log.info(g.security) http://log.info(&#39;盘后执行完成&#39;)
点击回测，按顺序显示文字，可以验证框图中的流程。
简单吧，再进一步学习点接口函数，就可以上场了。
四、ptrade工具菜单

ptrade框架清楚了，要干活，得先了解一下ptrade工具的界面、菜单及功能，以便知道油盐酱醋的位置。
点击左边的“量化”，ptrade的菜单就出来了，总共四个模块，下面分别介绍。

菜单1、研究

第一个菜单叫“研究”，研究了半天，就是一个文件浏览器，不知道要研究个啥。
后面才知道，这个还挺有用的，值得研究。
在量化交易算法中，少不了有些参数、交易记录要存盘，要是全部放在内存，说没了就没了。
这些要存盘的数据，就是放在“研究”目录下的，可以在这里查看、打开、修改。

get_research_path – 获取研究路径
get_research_path()
接口说明
该接口用于获取研究根目录路径，该路径为&#39;/home/fly/notebook/&#39;。
示例
def initialize(context): g.security = &#34;600570.SS&#34; set_universe(g.security) path = get_research_path() def handle_data(context, data): pass
菜单2、回测

回测，熟悉基中宝的朋友再熟悉不过了，就是用历史价格走势，来验证一下算法的正确性、有效性。
首先是正确性，比如算法里面希望跌三个点买，回测看看是否确实如此。
其次，检验一下收益如果，高大上一点的，可以看看专业指标，如：阿尔法收益、贝塔收益、夏普比率、信息比率。
简单粗暴的话，直接看收益率就行。
回测中，还可以显示日K线，有买卖标识，不过不能看当天的分时交易图，有点不直观，我现在的做法是，同步查看同花顺，按照成交时间对照着看，检查买卖点是否符合预期。

回测时，有几个核心参数：
开始日期、结束日期，这个好理解。
基准：选择一只参照的股票、基金、或指数，选择本身也行，以便回测完成后，统计前面提到的那些牛X的指标。
周期：这个很重要，选择每日，每天执行一次“盘中算法”；选择每分钟，每分钟执行一次“盘中算法”。
最后，点击“回测”，底下就显示运行状态啦。

菜单3、交易

量化交易算法写好后，比如，我的第一个举世无双的“黄金网格”策略，回测能达到预期效果，真刀实枪的话，就需要点击“交易”。
操作很简单，先学会新增、停止、删除就够用了。

重点说一下“新增交易”：
交易名称，随便写，自己能记住就行。
策略方案，选择回测里面的策略。
点击“确定”，交易策略就开始加载、执行。

量化交易策略当天运行的状态，可以实时查看，只能查看当天的，历史日期我测试了一下，没有。

菜单4、帮助

PTrade框架搞清楚了的话，要实现自己的想法，剩下的就是代码拼凑，不会的，看“帮助”。
比如，要想实现交易下单，必须先知道下单函数是哪个，那就找 order 函数。

还有示例，赶紧拿来跑一下：
def initialize(context): g.security = [&#39;600570.SS&#39;, &#39;000001.SZ&#39;] set_universe(g.security) def handle_data(context, data): #以系统最新价委托，买入100股 order(&#39;000001.SZ&#39;, 100)
当然，从最近的经历看，也不能全依赖帮助文档，文档偶有错误、或模糊不清，见惯不怪。
最好有交流，过来人踩过的坑，一句话便豁然开朗。
五、案例学习 - 极简网格

工具是拿来用的，而不是显摆炫酷的。
最近的行情有点让人窒息，涨一天、跌一天，刚好要做ptrade策略案例，突然想到“极简网格”。

策略思路是这样的：
1、底部买入底仓
底部可以人为制作，但最好选择横盘区间，并通过网格下限来控制。
2、涨一点卖，如涨0.8%卖一格
3、跌一点买，如跌0.5%买一格

添加图片注释，不超过 140 字（可选）
思路就这么简单，比如：
首次买入底仓5份，网格下限留一格的空间，总共6格，每格0.8%，则整个网格空间为4.8%，在这个区间来回网格。
【实现代码】
刚好可以小试牛刀，上代码。
本代码仅供学习交流，请勿直接使用。
&#39;&#39;&#39; 策略名称：极简网格量化交易运行周期:分钟策略思想： 1、底部买入底仓 2、涨一点卖，如涨0.8%卖一格 3、跌一点买，如跌0.5%买一格注意事项：学习交流，请勿直接使用 &#39;&#39;&#39; # 导入函数库 import talib as tl import pandas as pd import numpy as np # 初始化此策略 def initialize(context): # 参数设置，运行前必须人为修改 g.security = &#34;512880.SS&#34; #设置股票、基金代码 set_universe(g.security) g.upGridRate = 0.8/100 #上涨n%卖出一格 g.downGridRate = 0.5/100 #下跌n%买入一格 g.oneGridAmount = 1000 #每格委托的股数 g.firstBuyGrids = 3 #首次买入份数，买入资金 = 份数 * 每格股数 * 当前价格 # 以下参数不用人为修改 g.first_buy_flag = 1 #首次运行标志，1 - 首次启动 g.plan_completed = False #计划是否完成，卖完就完成 log.info(&#39;初始化完成&#39; + g.security) #盘前处理 9:30以前 def before_trading_start(context, data): log.info(&#39;啥事也不用做，盘前处理完成&#39;) #盘后处理 15:00以后 def after_trading_end(context, data): log.info(&#39;啥事也不用做，盘后处理完成&#39;) #盘中处理 9:30~11:30 13:00~15:00 def handle_data(context, data): if g.plan_completed: log.info(&#39;计划完成啦，哥哥！&#39;) return # 获取当前价格 curPrice = data[g.security].price log.info(&#39;当前价：&#39; + str(curPrice)) #首次自动买入持仓 if g.first_buy_flag == 1: # 首次买入股数 g.firstBuyAmount = g.oneGridAmount * g.firstBuyGrids order(g.security, g.firstBuyAmount) #下单买入 log.info(&#39;首次买入股数：&#39; + str(g.firstBuyAmount)) g.basePrice = curPrice #下次对比的基准价格 g.downPrice = curPrice * (1 - g.downGridRate * 1) #下限价格向下预留一格 g.plan_position_amount = g.firstBuyAmount g.first_buy_flag = 0 if curPrice < g.downPrice: log.info(&#39;价格低于网格下限，不买了，气死你^~^&#39;) return # 计算增长率 curGainRate = (curPrice - g.basePrice)/g.basePrice log.info(&#39;当前增长率：&#39; + str(round(curGainRate*100,2)) +&#39;%&#39;) # 增长大于上涨粒度，卖出一份 if curGainRate >= g.upGridRate: order(g.security, - g.oneGridAmount) #下单卖出一份 log.info(&#39;卖出数量：&#39; + str(g.oneGridAmount) + &#39;/&#39; + str(g.plan_position_amount)) g.basePrice = curPrice g.plan_position_amount = g.plan_position_amount - g.oneGridAmount if g.plan_position_amount <= 0: #持仓全部卖出，则计划完成 g.plan_completed = True log.info(&#39;卖完了，数数去&#39;) # 跌幅大于下跌幅度，买入一份 if curGainRate < -g.downGridRate: order(g.security, g.oneGridAmount) #下单买入一份 log.info(&#39;买入数量：&#39; + str(g.oneGridAmount)) g.basePrice = curPrice g.plan_position_amount = g.plan_position_amount + g.oneGridAmount
【回测效果】
不废话了，直接看回测图，主要感受一下有哪些东西。

代码写得明白吗？
若能完成以下思考题，那就ok了。
问：策略中，默认使用的是#证券ETF# 512880，怎么修改成自己的股票或基金代码？
问：策略中，网格上涨幅度是 0.8%，怎么修改成0.9%？
问：策略中，下限价格向下预留一格，怎么改成下限价格向下预留二格？
六、黄金网格策略思想

实战中正在跑这个策略，效果有点小激动。
黄金分割回调线、反弹线，核心思想很简单，以前有专门介绍，基中宝里面的智能网格已有实现《智能网格参数及攻略2.0》。

这次在ptrade里面实现，主要有以下几个地方不同：
1、实时性更强些
ptrade最快的频率可以3秒扫描一次行情，我选择了一分钟，对于应对型策略，感觉足够了；
2、可以自动交易
对于目标大一点的计划，如定盈计划的目标收益是10%，收益偏差1%，并且还可能有失有得，完全可以不拘泥于小节，按基中宝的提示下单就行。
但如果目标收益就是1%，这个时候精准就重要了，总不能说误差1%了吧，所以，这时候自动交易是必要的，它可以捕捉当前实时价格交易。
3、回落、反弹百分比自动调节
粒度设置很细，这个容易做到，华宝智投里面也可以。
以下是在华宝智投里面的实战，设置下跌1%、反弹0.5%买入，仔细观察交易点，对于很坚决的下跌，这个设置很好；对于大跌一下，然后阴跌，就很容易上当，导致中途没必要的买入。

所以，才有了在ptrade里面实现黄金分割反弹值的想法，以实现：
先张小嘴，小鱼来了吃小鱼，大鱼来了张大嘴，大小通吃。

4、增加了横盘判断功能
跌破网格下限，探底横盘时自动开启下一道防线，如下图游戏ETF，进入第三道防线后，已平稳收割四个月，让第一道、第二道防线馋的摩拳擦掌。
当然，如果一上来就进入第三道防线，那是最理想的，所以，高频黄金网格，要尽量寻找跌无可跌的品种进行布局。

横盘预警功能，在基中宝里面也在同步开发了，供大家做时机预警，也可以回测，期望达到一目了然的效果。

这么说来，ptrade里面的黄金网格，可以秒杀基中宝里面的网格计划吗？
当然不行。它们是互补关系，ptrade自动量化交易，适合于做小区域精细化耕耘，最好选择震荡幅度小的品种，如红利ETF；而基中宝里面的网格交易，则大气得多，适应范围广，行业ETF也能轻松应对。
七、ptrade量化交易工具使用体会

1、ptrade自身也在不断完善中，在需求、功能的碰撞中不断升级，希望它尽快越来越好
2、目前使用的人很少，现在加入的小伙伴，都是开始吃螃蟹的人，相信以后会越来越多，直到有一天突然爆发
3、量化有预测型、应对型两种模式
预测型消耗资源大、编写复杂，甚至还经常用到多线程，ptrade平台很吃力，出错的概率也大；
应对型策略，是行情出现以后的应对实现，我们现在的策略大多是属于这种。
至于效果孰优孰劣，没有真切的对比，暂时不敢妄言。
最后，看谁有参加培训的需求，培训中可以详细讲解代码，聊聊量化代码的利与弊，让我们有点价值，Call me！
聪明人，少讲空话，多做计划，
基中宝一定记得微信关注呀，
投资交流，不构成投资建议！