使用 SAR 指标进行自动交易

SAR（Stop and Reverse，抛物线转向指标）是一种非常经典的趋势跟踪指标。它通过在价格图表上绘制一系列点来指示潜在的趋势反转位置。

在 PTrade 中，虽然系统自带的 API 文档中没有直接提供 get_SAR 函数，但 PTrade 支持 TA-Lib 库，我们可以直接调用 talib.SAR 来计算该指标。

策略逻辑

1. 买入信号：当股价收盘价 上穿 SAR 指标值时（即股价 > SAR），认为趋势转多，执行买入。
2. 卖出信号：当股价收盘价 下穿 SAR 指标值时（即股价 < SAR），认为趋势转空，执行卖出（清仓）。
3. 参数设置：通常 SAR 的加速因子（Acceleration Factor）初始值为 0.02，最大值为 0.2。

PTrade 策略代码实现

以下是一个完整的单只股票 SAR 策略示例。代码兼容 Python 3.5 环境。

import talib
import numpy as np

def initialize(context):
    """
    初始化函数，设置股票池和全局变量
    """
    # 设定要交易的股票，这里以恒生电子为例
    g.security = '600570.SS'
    # 设置股票池
    set_universe(g.security)
    # 设置滑点（可选）
    set_slippage(0.002)

def handle_data(context, data):
    """
    盘中运行函数，每个周期（如每日）运行一次
    """
    security = g.security
    
    # 1. 获取历史数据
    # SAR 计算需要 High (最高价) 和 Low (最低价)
    # 获取过去 100 天的数据以确保指标计算稳定
    history_data = get_history(100, frequency='1d', field=['high', 'low', 'close'], security_list=security, fq='pre')
    
    if history_data is None or len(history_data) < 50:
        log.info("历史数据不足，跳过计算")
        return

    # 提取 numpy 数组，talib 需要这种格式
    high_prices = history_data['high'].values
    low_prices = history_data['low'].values
    close_prices = history_data['close'].values
    
    # 2. 计算 SAR 指标
    # acceleration: 加速因子，默认 0.02
    # maximum: 加速因子最大值，默认 0.2
    try:
        sar_values = talib.SAR(high_prices, low_prices, acceleration=0.02, maximum=0.2)
    except Exception as e:
        log.error("SAR 计算出错: %s" % e)
        return

    # 获取最新的 SAR 值和收盘价
    current_sar = sar_values[-1]
    current_close = close_prices[-1]
    
    # 获取当前持仓
    position = get_position(security).amount
    cash = context.portfolio.cash
    
    # 3. 交易逻辑
    # 情况 A: 股价在 SAR 之上 (看多) 且 空仓 -> 买入
    if current_close > current_sar and position == 0:
        # 全仓买入
        order_value(security, cash)
        log.info("买入信号触发: 收盘价 %.2f > SAR %.2f" % (current_close, current_sar))
        
    # 情况 B: 股价在 SAR 之下 (看空) 且 持仓 -> 卖出
    elif current_close < current_sar and position > 0:
        # 清仓卖出
        order_target(security, 0)
        log.info("卖出信号触发: 收盘价 %.2f < SAR %.2f" % (current_close, current_sar))

代码解析与注意事项

1. 引入 TA-Lib：
   代码开头使用了 import talib。PTrade 环境内置了 TA-Lib 库，这是计算复杂技术指标的标准方式。
2. 数据获取 (get_history)：
   SAR 指标不仅需要收盘价，还需要最高价 (High) 和 最低价 (Low)。我们在 get_history 的 field 参数中指定了 ['high', 'low', 'close']。
3. 数据长度：
   SAR 是一个具有“记忆性”的递归指标，计算初期的数据可能不稳定。因此，建议获取较长的历史数据（如代码中的 100 根 K 线），以确保最新的 SAR 值是准确收敛的。
4. 复权处理：
   在 get_history 中使用了 fq='pre'（前复权）。在涉及价格突破的策略中，使用复权价格可以避免因分红派息导致的价格缺口误触止损。
5. Python 版本兼容性：
   代码中使用了 % 格式化字符串（如 "%.2f" % value），而不是 f-string，这是为了确保在 PTrade 可能使用的 Python 3.5 环境中也能正常运行。

Q&A: 常见问题解答

Q1: 为什么 PTrade 文档里找不到 get_SAR 函数？
A1: PTrade 的原生 API 主要提供基础数据获取（如 get_history）和部分常用指标（如 get_MACD）。对于像 SAR、布林带等其他指标，PTrade 预装了 talib 第三方库，用户应通过 talib 进行计算。

Q2: SAR 指标适合震荡市吗？
A2: 不适合。SAR 是典型的趋势跟踪指标。在单边趋势行情（大涨或大跌）中表现优异，但在横盘震荡整理期间，价格会频繁穿过 SAR 曲线，导致频繁的买卖磨损（反复止损）。建议结合 ADX（平均趋向指标）来判断当前是否处于趋势中。

Q3: 如何调整 SAR 的灵敏度？
A3: 可以通过调整 talib.SAR 函数中的 acceleration（加速因子）参数。

• 增大该值（例如 0.03）：SAR 曲线会更紧贴价格，反应更灵敏，但假信号增多。
• 减小该值（例如 0.01）：SAR 曲线离价格更远，更能容忍回调，但反转信号会滞后。

Q4: 回测时 SAR 计算结果为什么前几个值是 NaN？
A4: 这是正常的。TA-Lib 计算 SAR 时，前几个周期用于初始化趋势方向和极值，因此输出结果的前几项通常为 NaN。我们在取值时取 sar_values[-1]（最新值）即可，前面的 NaN 不影响最新值的计算。