ptrade策略中get_all_trades_days返回数据量过大导致运行缓慢怎么办？

在 ptrade 量化平台中，get_all_trades_days() 接口默认会返回自交易所成立（通常为1990年）以来的所有交易日数据。如果在策略中（尤其是高频执行的 handle_data 或 tick_data 中）频繁调用该接口，会产生较大的性能开销，导致策略运行缓慢。

为了解决这个问题，建议采取以下优化方案：

1. 使用 get_trade_days() 替代

如果您的策略只需要获取最近一段时间的交易日，或者特定日期范围内的交易日，强烈建议使用 get_trade_days(start_date=None, end_date=None, count=None) 接口。该接口允许您按需获取指定范围的交易日，大大减少了返回的数据量。

示例：获取最近10个交易日

def handle_data(context, data):
    # 获取回测日期往前10天的所有交易日，包含历史回测日期
    trading_days = get_trade_days(count=10)
    log.info(trading_days)

示例：获取指定日期范围的交易日

def initialize(context):
    # 获取指定范围内交易日
    trade_days = get_trade_days('2023-01-01', '2023-02-01')
    log.info(trade_days)

2. 避免在高频事件中重复调用

交易日历数据在一天内是固定的。如果您确实需要获取大量的交易日数据，请避免在 handle_data（每分钟/每天执行）或 tick_data（每3秒执行）中调用。

优化方法： 在 initialize 或 before_trading_start 中调用一次，并将其存储在全局变量 g 中，后续直接读取全局变量即可。

示例：在盘前缓存交易日数据

def before_trading_start(context, data):
    # 每天盘前获取一次，存入全局变量
    g.recent_trade_days = get_trade_days(count=30)

def handle_data(context, data):
    # 盘中直接使用缓存的数据，避免重复查询
    recent_days = g.recent_trade_days
    # 执行策略逻辑...

总结

• 按需获取：优先使用 get_trade_days(count=N) 获取所需数量的交易日。
• 缓存数据：将低频变化的数据（如交易日历）在 before_trading_start 中缓存到全局变量 g 中，避免在盘中高频查询。