PTrade 技术分析：斐波那契回撤交易策略开发

这是一个基于 PTrade 量化交易平台的 斐波那契回撤（Fibonacci Retracement） 策略实现。

策略原理

斐波那契回撤是一种基于技术分析的策略，用于判断资产价格在趋势中的支撑位和阻力位。

1. 趋势识别：首先确定一个时间窗口内的最高价（Swing High）和最低价（Swing Low）。
2. 回撤计算：如果当前是上升趋势（最低价出现在最高价之前），我们寻找价格从高点回落的时机。
3. 买入信号：当价格回撤到关键的斐波那契水平（通常是 61.8% 或 50%）附近时，视为潜在的支撑位，执行买入。
4. 卖出/止损：当价格跌破前期最低价（趋势破坏）止损，或者价格突破前期最高价（趋势延续）止盈。

PTrade 策略代码

import numpy as np

def initialize(context):
    """
    策略初始化函数
    """
    # 1. 设置要操作的股票，这里以贵州茅台为例
    g.security = '600519.SS'
    set_universe(g.security)
    
    # 2. 设置策略参数
    g.lookback_days = 60       # 回溯窗口，用于寻找波段高低点
    g.fib_ratio = 0.618        # 斐波那契回撤比例 (黄金分割)
    g.threshold = 0.02         # 价格触及回撤位的容忍偏差范围 (2%)
    
    # 3. 设置滑点和手续费 (回测常用设置)
    set_commission(commission_ratio=0.0003, min_commission=5.0, type='STOCK')
    set_slippage(slippage=0.002)

def handle_data(context, data):
    """
    盘中运行函数，每日或每分钟调用
    """
    security = g.security
    
    # 1. 获取历史数据
    # 获取过去 N 天的最高、最低、收盘价
    # 注意：count要取够，确保能覆盖 lookback_days
    hist = get_history(g.lookback_days, '1d', ['high', 'low', 'close'], security, fq='pre', include=False)
    
    if len(hist) < g.lookback_days:
        # 数据不足时不操作
        return

    # 2. 计算波段高低点
    highs = hist['high'].values
    lows = hist['low'].values
    
    max_price = np.max(highs)       # 窗口内最高价
    min_price = np.min(lows)        # 窗口内最低价
    
    # 获取最高价和最低价出现的索引位置
    max_idx = np.argmax(highs)
    min_idx = np.argmin(lows)
    
    # 获取当前最新价格
    current_price = data[security]['close']
    
    # 获取当前持仓
    position = get_position(security)
    
    # 3. 策略逻辑：判断趋势方向
    # 如果 最低价索引 < 最高价索引，说明是上升趋势（先低后高），我们寻找回调买点
    if min_idx < max_idx:
        # 计算波段幅度
        diff = max_price - min_price
        
        # 计算斐波那契回撤支撑位 (从高点向下回撤 61.8%)
        # 公式：支撑位 = 最高价 - (波段幅度 * 0.618)
        fib_support_level = max_price - (diff * g.fib_ratio)
        
        # 计算触发买入的价格区间
        buy_upper = fib_support_level * (1 + g.threshold)
        buy_lower = fib_support_level * (1 - g.threshold)
        
        # 4. 交易信号
        # 信号1：买入
        # 如果当前空仓，且价格落入斐波那契支撑区间
        if position.amount == 0:
            if buy_lower <= current_price <= buy_upper:
                # 全仓买入
                order_value(security, context.portfolio.cash)
                log.info("上升趋势回调：价格触及0.618回撤位 %.2f，执行买入" % fib_support_level)
        
        # 信号2：止损/止盈
        elif position.amount > 0:
            # 止损：如果价格跌破了波段最低价，说明趋势反转/失效
            if current_price < min_price:
                order_target(security, 0)
                log.info("止损卖出：价格跌破波段前低 %.2f" % min_price)
            
            # 止盈：如果价格突破了波段最高价，说明趋势延续，可以选择止盈或继续持有
            # 这里演示为止盈
            elif current_price > max_price:
                order_target(security, 0)
                log.info("止盈卖出：价格突破波段前高 %.2f" % max_price)

    # 如果是下降趋势（先高后低），本策略暂不做空（A股通常只能做多），可选择空仓观望
    else:
        if position.amount > 0:
            # 如果持有仓位但趋势判定为下降（最高点在最低点之前），考虑清仓
            # 这里是一个简单的风控逻辑
            pass 

def before_trading_start(context, data):
    """
    盘前处理
    """
    pass

def after_trading_end(context, data):
    """
    盘后处理
    """
    pass

代码核心逻辑解析

1. get_history 获取数据：
   我们获取了过去 g.lookback_days（例如60天）的行情数据。这是确定“波段”的基础。

2. np.argmax 与 np.argmin：
   这两个函数用于确定最高价和最低价在时间轴上的相对位置。

   • 如果 min_idx < max_idx：意味着最低点出现在最高点之前，这是一个上升波段，我们才有理由去接回调（Buy the dip）。
   • 如果 min_idx > max_idx：意味着最高点出现在最低点之前，这是一个下降波段，此时买入风险较大，策略选择观望。

3. 回撤位计算：
   在上升趋势中，回撤位的计算公式为：
   $$ \text{Support} = \text{High} - (\text{High} - \text{Low}) \times 0.618 $$
   这意味着价格从高点回吐了上涨幅度的 61.8%。

4. 容错区间 (g.threshold)：
   价格很少会精确地打在计算出的价位上。因此我们设置了一个 threshold（如 2%），只要价格进入 支撑位 ± 2% 的区间，就触发交易。

5. 风控：

   • 止损：如果价格跌破了波段的起始最低点（min_price），说明斐波那契支撑失效，趋势可能反转，必须止损。
   • 止盈：如果价格反弹并突破了前高（max_price），说明这一波调整结束，趋势继续向上，策略选择获利了结（也可以修改代码为继续持有直到趋势破坏）。

注意事项

• Python 版本：代码兼容 Python 3.5+，未使用 f-string 等新特性，符合 PTrade 现有环境要求。
• 参数调整：g.lookback_days 决定了你是做短线（如10-20天）还是中长线（60-120天）。g.fib_ratio 可以修改为 0.5 或 0.382 以适应不同的市场强度。
• API 调用：所有数据获取和下单均使用 PTrade 标准 API（如 order_value, get_position）。

Q&A: 斐波那契策略常见问题

Q1: 为什么选择 0.618 作为回撤比例？
A1: 0.618 是数学上的“黄金分割率”。在金融市场心理学中，许多交易者认为价格在回撤 61.8% 时会有较强的支撑。当然，0.5 (50%) 和 0.382 (38.2%) 也是常用的回撤位，你可以通过修改 g.fib_ratio 来测试不同的效果。

Q2: 这个策略适合什么频率？
A2: 上述代码使用的是 1d (日线) 数据，适合日线级别的波段交易。如果你想做日内高频，需要将 get_history 的频率改为 1m 或 5m，并相应调整 g.lookback_days 的数值（例如改为 60 分钟）。

Q3: 如何避免“假突破”或“假支撑”？
A3: 单一的斐波那契指标容易出现误判。建议结合其他指标进行过滤，例如：

• 成交量：价格跌至回撤位时，成交量是否萎缩（惜售）？
• MACD/KDJ：指标是否在低位形成金叉？
• 均线：回撤位是否刚好在 60 日均线附近（双重支撑）？

Q4: 代码中的 set_universe 是必须的吗？
A4: 是的。在 PTrade 中，必须先设置股票池，后续的 handle_data 中的 data 对象才会包含该股票的实时行情数据。