如何在 PTrade 策略中集成宏观经济指标，构建市场状态过滤器？

在PTrade策略中加入基于宏观指标（通常使用大盘指数如沪深300、上证指数作为宏观代理）的市场风险开关，是一种非常有效的风控手段。这通常被称为“大盘择时”或“红绿灯机制”。

其核心逻辑是：在每日开盘前或盘中，计算大盘指数的指标（如均线、RSI、MACD等），如果大盘走势恶化，则停止买入或清仓。

以下是具体的实现步骤和完整的代码示例。

实现思路

1. 选择宏观标的：通常选择 000300.SS (沪深300) 或 000001.SS (上证指数) 代表市场整体环境。
2. 定义风险指标：例如，当大盘指数跌破20日均线时，视为高风险（Risk On）；站上20日均线时，视为低风险（Risk Off）。
3. 设置全局开关：在 g 全局对象中设置一个变量（如 g.market_risk_on）。
4. 交易逻辑控制：
   • 在 handle_data 中，如果风险开关开启（高风险），则禁止开仓，并可选择是否清仓。
   • 如果风险开关关闭（低风险），则执行正常的选股和买入逻辑。

完整策略代码示例

以下代码展示了一个完整的策略：当沪深300指数跌破20日均线时，触发风控开关，清空持仓并停止买入；反之则正常交易（示例中简单买入恒生电子）。

def initialize(context):
    """
    初始化函数
    """
    # 1. 设定要操作的股票（策略标的）
    g.security = '600570.SS' 
    set_universe(g.security)
    
    # 2. 设定宏观参考指标（这里使用沪深300指数）
    g.macro_index = '000300.SS'
    
    # 3. 定义风险开关标识 (True表示有风险/禁止买入，False表示安全/允许交易)
    g.is_risk_mode = False
    
    # 4. 设定均线周期
    g.ma_window = 20
    
    log.info("策略初始化完成，宏观风控标的：%s" % g.macro_index)

def before_trading_start(context, data):
    """
    盘前处理：计算宏观指标，更新风控开关状态
    """
    # 获取大盘指数的历史数据（取过去 N+1 天，以确保能算出 N 日均线）
    # 注意：get_history 返回的是 DataFrame
    hist_data = get_history(g.ma_window + 5, '1d', 'close', g.macro_index, fq=None, include=False)
    
    if len(hist_data) < g.ma_window:
        log.warning("历史数据不足，无法计算大盘均线，默认无风险")
        g.is_risk_mode = False
        return

    # 计算大盘的 N 日均线
    # 使用切片取最近的 N 天数据计算均值
    close_prices = hist_data['close'].values
    ma_value = close_prices[-g.ma_window:].mean()
    
    # 获取大盘昨日收盘价
    current_index_price = close_prices[-1]
    
    # --- 核心风控逻辑 ---
    # 如果 大盘价格 < 均线，判定为市场风险高
    if current_index_price < ma_value:
        g.is_risk_mode = True
        log.info("【风控触发】大盘指数(%.2f) 低于 %d日均线(%.2f)，今日暂停买入并执行清仓。" % (current_index_price, g.ma_window, ma_value))
    else:
        g.is_risk_mode = False
        log.info("【市场安全】大盘指数(%.2f) 高于 %d日均线(%.2f)，策略正常运行。" % (current_index_price, g.ma_window, ma_value))

def handle_data(context, data):
    """
    盘中交易逻辑
    """
    # 1. 检查风控开关
    if g.is_risk_mode:
        # --- 高风险模式下的操作 ---
        
        # 遍历当前所有持仓
        positions = context.portfolio.positions
        for stock in positions:
            # 如果有持仓，全部卖出 (清仓)
            if positions[stock].amount > 0:
                order_target(stock, 0)
                log.info("风控模式：卖出清仓 %s" % stock)
        
        # 直接返回，不执行后续的买入逻辑
        return

    # 2. --- 正常交易模式下的操作 (示例逻辑) ---
    
    # 获取标的股票
    target_stock = g.security
    
    # 简单的示例策略：如果没持仓就买入
    if get_position(target_stock).amount == 0:
        # 全仓买入
        order_value(target_stock, context.portfolio.cash)
        log.info("市场环境安全，买入标的：%s" % target_stock)

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

代码详解

1. initialize:

   • 定义了 g.macro_index 为沪深300指数。
   • 初始化 g.is_risk_mode 变量，用于在不同函数间传递风控状态。

2. before_trading_start:

   • 为什么在这里计算？ 盘前计算效率最高，且大盘的日线级别趋势在开盘前就已经确定（基于昨日收盘价）。
   • 使用 get_history 获取大盘指数的收盘价序列。
   • 计算移动平均线（MA），并与最新价格对比。
   • 更新 g.is_risk_mode 的状态。

3. handle_data:

   • 优先级最高：进入函数的第一步就是检查 if g.is_risk_mode:。
   • 清仓逻辑：如果处于风险模式，循环遍历 context.portfolio.positions，使用 order_target(stock, 0) 卖出所有持仓。
   • 阻断逻辑：清仓后使用 return 语句，强制结束当次 handle_data 的执行，防止后续的买入代码被执行。

进阶扩展：其他宏观指标

除了简单的均线，您还可以使用其他指标来定义“宏观风险”：

1. 大盘成交量萎缩：

   # 获取成交量数据
   vol = get_history(10, '1d', 'volume', g.macro_index)['volume']
   # 如果今日成交量小于过去10天均量的80%，视为流动性风险
   if vol[-1] < vol.mean() * 0.8:
       g.is_risk_mode = True
   

2. RSI 指标过热/过冷：

   # 使用内置 get_RSI 函数
   # 注意：get_RSI 需要传入 close 数组
   close_data = get_history(30, '1d', 'close', g.macro_index)['close'].values
   rsi_val = get_RSI(close_data, n=14)[-1]
   
   # 如果 RSI < 30 (超卖) 或 RSI > 80 (超买风险)，可触发特定风控
   if rsi_val < 30: 
       # 熊市不抄底逻辑
       g.is_risk_mode = True
   

3. 多指数共振：
   同时判断上证指数(000001.SS)和创业板指(399006.SZ)，只有当两者同时处于均线之上时才交易，否则空仓。

常见问题 (Q&A)

Q: 为什么使用 000300.SS 而不是具体的宏观经济数据（如GDP）？
A: PTrade 是量化交易终端，主要提供高频和低频的行情数据。GDP、CPI 等宏观经济数据通常更新频率低（月度/季度），且在 API 中不直接作为标准行情提供。使用大盘指数（Index）的技术形态是衡量市场情绪最直接、最实时的“宏观”代理指标。

Q: 可以在盘中实时监控大盘风险吗？
A: 可以。将 before_trading_start 中的计算逻辑移动到 handle_data 中，并将频率设置为分钟级回测。但要注意，分钟级别的频繁止损可能会造成较高的交易成本（“左右挨打”），通常建议大盘风控以日线级别为准。

Q: 这种风控会影响回测速度吗？
A: 几乎不会。计算一个指数的均线是非常快速的数学运算，相比于策略本身的逻辑，其开销可以忽略不计。