如何在 PTrade 平台用 Python 实现布林带交易策略？

这是一个基于布林带（Bollinger Bands）指标的均值回归交易策略。

策略原理

布林带由三条轨道线组成：

1. 中轨：N日移动平均线（通常为20日）。
2. 上轨：中轨 + K倍标准差（通常K=2）。
3. 下轨：中轨 - K倍标准差。

交易逻辑：

• 买入信号：当股价跌破下轨时，认为股价被低估（超卖），进行买入。
• 卖出信号：当股价突破上轨时，认为股价被高估（超买），进行卖出平仓。

PTrade 策略代码

import numpy as np
import pandas as pd

def initialize(context):
    """
    初始化函数，设置策略参数和股票池
    """
    # 设置要操作的股票，这里以恒生电子为例
    g.security = '600570.SS'
    # 设置股票池
    set_universe(g.security)
    
    # 布林带参数设置
    g.n = 20      # 计算均值的周期
    g.k = 2       # 标准差的倍数
    
    # 设置手续费（股票万三，最低5元）
    set_commission(commission_ratio=0.0003, min_commission=5.0, type='STOCK')
    # 设置滑点（0.1%）
    set_slippage(slippage=0.001)

def handle_data(context, data):
    """
    盘中运行函数，每日或每分钟执行一次
    """
    security = g.security
    
    # 获取过去 g.n 天的收盘价数据
    # include=True 表示包含当前周期的收盘价（回测模式下为当日收盘价）
    # 注意：为了计算准确的标准差，建议获取的数据长度等于周期 N
    hist_data = get_history(g.n, frequency='1d', field='close', security_list=security, include=True)
    
    # 确保数据长度足够，若不足则不进行计算
    if len(hist_data) < g.n:
        log.info("历史数据不足，跳过计算")
        return
    
    # 提取收盘价序列
    close_prices = hist_data['close']
    
    # --- 计算布林带指标 ---
    # 1. 计算中轨（N日移动平均线）
    mid_line = close_prices.mean()
    
    # 2. 计算标准差
    # ddof=1 表示样本标准差，ddof=0 表示总体标准差，通常金融计算使用样本标准差
    std_dev = close_prices.std(ddof=1)
    
    # 3. 计算上轨和下轨
    upper_band = mid_line + g.k * std_dev
    lower_band = mid_line - g.k * std_dev
    
    # 获取当前最新价格
    current_price = data[security]['close']
    
    # 获取当前持仓数量
    position = get_position(security).amount
    # 获取当前可用现金
    cash = context.portfolio.cash
    
    # --- 交易逻辑 ---
    
    # 信号1：价格跌破下轨，且当前无持仓 -> 买入
    if current_price < lower_band and position == 0:
        # 全仓买入
        order_value(security, cash)
        log.info("价格跌破下轨，买入 %s，价格：%.2f，下轨：%.2f" % (security, current_price, lower_band))
        
    # 信号2：价格突破上轨，且有持仓 -> 卖出
    elif current_price > upper_band and position > 0:
        # 清空仓位
        order_target(security, 0)
        log.info("价格突破上轨，卖出 %s，价格：%.2f，上轨：%.2f" % (security, current_price, upper_band))

代码解析

1. initialize:
   • 定义了全局变量 g.n (周期20) 和 g.k (倍数2)。
   • 使用 set_commission 和 set_slippage 设置交易成本，使回测更接近真实情况。
2. 数据获取:
   • 使用 get_history 获取过去20天的收盘价。include=True 确保计算包含当天的最新数据。
3. 指标计算:
   • 利用 pandas 的 .mean() 和 .std() 方法手动计算布林带，不依赖外部复杂的指标库，保证在PTrade环境中的兼容性。
4. 交易逻辑:
   • 买入: 当 current_price < lower_band 且空仓时，使用 order_value 全仓买入。
   • 卖出: 当 current_price > upper_band 且持有股票时，使用 order_target 将仓位调整为0（即清仓）。

Q&A

Q1: 如何修改布林带的周期参数？
A1: 在 initialize 函数中，修改 g.n = 20 中的数字即可。例如改为 g.n = 30 即为30日布林带。

Q2: 这个策略可以用于分钟级别回测吗？
A2: 可以。只需在回测设置中将频率选为“分钟”，并将 get_history 中的 frequency='1d' 改为 frequency='1m' (或其他分钟周期如 '5m', '30m')。

Q3: 为什么使用 get_history 而不是 talib 库？
A3: 虽然PTrade支持部分三方库，但直接使用 get_history 配合 pandas 计算逻辑更加透明，且不依赖外部库的版本，代码移植性和稳定性更高。

Q4: 策略中的 include=True 是什么意思？
A4: 在 get_history 中，include=True 表示获取的数据包含当前正在进行的这一根K线的数据。对于日线策略，这意味着使用当天的收盘价（回测时）或最新价（实盘时）来参与均线计算，这对于捕捉即时信号很重要。