PTrade 量化策略是在本地还是云端运行？如何读取外部数据？

PTrade 云端与本地运行机制解析

许多初学者在使用 PTrade 量化平台时，经常会遇到一个典型的报错：在策略中使用 Python 的 open() 函数尝试读取本地电脑（如 C:\\data.csv）的文件时，系统提示找不到文件或路径错误。这主要是因为混淆了 PTrade 客户端的本地运行 与 量化引擎的云端部署 机制。

1. 架构揭秘：本地 UI vs 云端大脑

• 本地客户端：你安装在个人电脑上的 PTrade 软件，本质上只是一个图形用户界面（UI）。它负责展示行情、接收你的代码输入、显示日志和交易结果。
• 云端量化引擎：当你点击“运行回测”或“启动交易”时，你的策略代码会被加密传输到券商的云端 Linux 服务器上。Python 解释器、数据获取接口（如 get_history）、交易撮合引擎等，全部都在云端服务器上执行。

结论：策略代码的实际执行环境在云端，因此它无法直接访问你个人电脑硬盘上的任何文件。

2. 为什么策略文件是加密存储的？

为了保护用户的知识产权和策略安全，PTrade 将策略文件加密存储在券商的云端数据库中。这意味着你无法在本地安装目录下找到明文的策略源码文件，也无法通过外部 IDE（如 PyCharm）直接挂载运行。

3. 如何在 PTrade 中正确读取外部数据？

既然策略在云端运行，如果我们需要加载自定义的股票池、机器学习模型权重或外部因子数据，应该怎么做呢？PTrade 提供了专门的**研究环境（Research）**作为数据中转站。

步骤一：将文件上传至研究环境

1. 打开 PTrade 客户端，进入**“研究”**模块（Jupyter Notebook 环境）。
2. 在研究环境的目录中，点击 Upload 按钮，将你的本地文件（如 my_data.csv 或 model.pkl）上传到云端服务器。

步骤二：在策略中使用 get_research_path() 获取路径

上传后，文件就已经存在于云端服务器上了。在策略代码中，你需要使用 PTrade 提供的 API get_research_path() 来获取研究环境的根目录路径，然后拼接文件名进行读取。

代码示例：读取上传的 CSV 文件

import pandas as pd

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 1. 获取研究环境的根目录路径
    research_path = get_research_path()
    
    # 2. 拼接你上传的文件名
    file_path = research_path + 'my_data.csv'
    
    # 3. 使用 pandas 读取云端文件
    try:
        g.my_custom_data = pd.read_csv(file_path)
        log.info('成功读取外部数据！数据行数：%d' % len(g.my_custom_data))
    except Exception as e:
        log.error('读取文件失败，请检查文件是否已上传至研究环境。错误信息：%s' % e)

def handle_data(context, data):
    pass

4. 总结与建议

• 思维转换：写策略时，请始终把自己当成在远程 Linux 服务器上写代码，不要使用任何 Windows 本地的绝对路径（如 D:\\...）。
• 持久化存储：如果策略运行过程中需要保存状态（如仓龄、自定义变量），请将数据序列化（如使用 pickle）并保存到 get_research_path() 目录下，这样即使服务器重启，数据也不会丢失。
• 底仓导入：如果是为了回测导入初始底仓，可以直接使用 PTrade 提供的 convert_position_from_csv('Poslist.csv') 接口，前提同样是先将 CSV 文件上传至研究环境。