问题描述
解决方案
将回测表现良好的策略迁移至PTrade实盘环境是一个关键步骤。回测环境是理想化的（无滑点、无延迟、数据完美），而实盘环境充满了不确定性。
以下是您在上线实盘前必须注意的问题及需要修改的代码清单。
一、 代码清理与环境区分
回测中常用的设置函数在实盘中是无效甚至有害的。您应当使用 is_trade() 函数来区分回测和实盘逻辑。
需要修改的地方：
- 移除或隔离回测专用API：
set_commission（设置佣金）、set_slippage（设置滑点）、set_volume_ratio（成交比例）等函数仅在回测有效。实盘中，费率由券商决定，滑点由市场决定。 - 资金账号检查：建议在实盘中增加账号检查，防止误操作其他账号。
def initialize(context):
# 设置股票池等通用逻辑
g.security = '600570.SS'
set_universe(g.security)
# --- 仅在回测模式下执行的设置 ---
if not is_trade():
set_commission(commission_ratio=0.0003, min_commission=5.0)
set_slippage(slippage=0.0)
set_volume_ratio(volume_ratio=0.25)
# --- 仅在实盘模式下执行的设置 ---
if is_trade():
# 可以在这里检查登录的账号是否正确
user_name = get_user_name()
if user_name != "您的资金账号":
log.error("账号不匹配，策略停止运行")
# 可以抛出异常终止策略
# raise Exception("Account Mismatch")
二、 数据获取方式的调整
回测通常使用 data[security]['close'] 或 get_history 获取价格，但在实盘中，为了获取最新的毫秒级数据，建议使用 get_snapshot（行情快照）。
注意：get_snapshot 不支持回测，必须用 is_trade() 隔开。
def handle_data(context, data):
current_price = 0
if is_trade():
# 实盘：使用快照获取最新tick价格，更实时
snapshot = get_snapshot(g.security)
if snapshot:
current_price = snapshot[g.security]['last_px']
else:
# 回测：使用bar数据
current_price = data[g.security]['close']
log.info("当前价格: %s" % current_price)
# 后续交易逻辑...
三、 变量持久化（至关重要）
问题：实盘服务器可能会在盘中重启，或者策略因异常中断后重启。一旦重启，initialize 会重新运行，内存中的全局变量 g 会被重置，导致策略丢失之前的状态（如“持仓天数”、“最高价记录”等）。
解决方案：使用 pickle 模块将关键变量保存到磁盘。
import pickle
import os
def initialize(context):
g.security = '600570.SS'
set_universe(g.security)
# 定义需要持久化的变量名
g.hold_days = 0
# 实盘启动时尝试恢复数据
if is_trade():
recover_data()
def handle_data(context, data):
# 策略逻辑...
g.hold_days += 1
# 每次关键数据变化后，保存数据
if is_trade():
save_data()
# --- 持久化辅助函数 ---
def save_data():
# 获取研究目录路径
path = get_research_path() + 'strategy_state.pkl'
# 将需要保存的变量放入字典
state = {'hold_days': g.hold_days}
try:
with open(path, 'wb') as f:
pickle.dump(state, f)
except Exception as e:
log.error("数据保存失败: %s" % e)
def recover_data():
path = get_research_path() + 'strategy_state.pkl'
if not os.path.exists(path):
return
try:
with open(path, 'rb') as f:
state = pickle.load(f)
# 恢复变量
if 'hold_days' in state:
g.hold_days = state['hold_days']
log.info("数据恢复成功: %s" % state)
except Exception as e:
log.error("数据恢复失败: %s" % e)
四、 交易与风控细节
-
避免市价单（Market Order）：
- 回测中市价单通常按收盘价或开盘价成交。
- 实盘中，流动性不足时市价单可能导致成交价严重偏离。
- 建议：使用限价单
order(..., limit_price=...)，或者使用带有保护限价的市价委托order_market（科创板/创业板必须注意价格笼子）。
-
防止重复下单：
- 实盘中，网络延迟可能导致订单状态更新滞后。如果策略逻辑是“检测到无持仓则买入”，在订单已发出但未成交（在途）的几秒内，策略可能会重复发出买单。
- 建议：检查
get_open_orders()（未完成订单）。
def handle_data(context, data): # 检查是否有未完成的订单 open_orders = get_open_orders(g.security) if open_orders: log.info("存在未完成订单，跳过本次信号") return # 获取当前持仓 position = get_position(g.security) # 只有在无持仓且无未完成订单时才买入 if position.amount == 0: order(g.security, 100) -
涨跌停处理：
- 回测通常会自动处理涨跌停无法成交的情况。
- 实盘中，如果在涨停价买入或跌停价卖出，订单会一直挂在交易所。
- 建议：使用
check_limit(security)检查涨跌停状态，避免无效报单。
-
异常捕获：
- 实盘中可能出现网络超时、接口报错等偶发问题。
- 建议：使用
try...except包裹核心逻辑，防止策略直接崩溃停止。
def handle_data(context, data): try: # 核心策略逻辑 pass except Exception as e: log.error("策略运行异常: %s" % e) # 可选：发送邮件通知 # if is_trade(): # set_email_info(...)
五、 PTrade 特有参数设置
在 initialize 中，针对实盘环境，建议设置以下参数以避免服务器重启带来的副作用：
def initialize(context):
# ... 其他初始化代码 ...
if is_trade():
# not_restart_trade="1": 交易时间段若服务器重启，不自动重新拉起本交易（防止重复执行初始化逻辑导致状态重置）
# server_restart_not_do_before="1": 服务器重启导致重拉交易时，不重复执行before_trading_start
set_parameters(not_restart_trade="1", server_restart_not_do_before="1")
六、 总结清单
在点击“开始交易”之前，请核对以下清单：
- [ ] API隔离：是否移除了
set_commission等回测专用函数？ - [ ] 数据源：是否在实盘中使用了
get_snapshot获取最新价格？ - [ ] 持久化：是否实现了
pickle保存和恢复g变量，以应对服务器重启？ - [ ] 防抖动：是否处理了未完成订单（Open Orders），防止重复下单？
- [ ] 价格保护：下单价格是否合理？是否处理了涨跌停？
- [ ] 容错：是否加入了
try...except异常捕获？ - [ ] 参数设置：是否配置了
not_restart_trade？
Q&A: 常见问题解答
Q: 为什么我的实盘策略在9:30之前就报错了？
A: 实盘中 before_trading_start 可能会在9:00左右运行。如果在该函数中调用了需要开盘后才有的数据（如实时行情），可能会报错。建议在 before_trading_start 中只做静态数据初始化，或加上时间判断。
Q: 回测收益很高，实盘为什么不成交？
A: 常见原因包括：1. 价格设置不合理（如买单价格低于卖一价）；2. 股票处于涨跌停状态；3. 委托数量不满足最小交易单位（如不足100股）；4. 资金不足（回测可能未严格计算滑点和费率）。
Q: 如何在盘中查看策略的运行日志？
A: 在PTrade客户端的“交易”界面，找到运行中的策略，点击“日志”选项卡。建议在代码中多使用 log.info() 打印关键变量（如信号触发时的价格、持仓量），便于排查问题。
Q: get_snapshot 和 data 里的数据有什么区别？
A: data (在 handle_data 中) 通常是基于Bar（分钟线）的数据，或者是推送过来的切片数据。get_snapshot 是主动向柜台/行情服务器请求当前的最新快照。在实盘高频或对价格敏感的策略中，get_snapshot 的时效性通常更好。