ptrade 策略刚成交但 get_position 查不到持仓？持仓数据延迟的解决方案

问题分析：为什么 get_position 会有延迟？

在 ptrade 交易环境中，策略刚成交一笔订单后，立即调用 get_position 查询持仓，往往无法获取到最新的持仓数据。这是正常现象，主要原因如下：

根据 ptrade 官方 API 文档说明，交易场景中持仓信息同步存在时滞，一般在 6 秒左右。这是因为量化引擎的持仓数据需要从券商柜台系统进行同步，而柜台数据的更新和推送存在物理延迟。甚至在某些柜台配置下，持仓数据可能不体现当日变化（一天只同步一次）。

潜在风险

这种延迟最容易导致的问题是重复下单。如果您的策略使用了 order_target（指定目标数量买卖）或 order_target_value（指定持仓市值买卖），在第一笔委托刚成交但持仓未更新的这 6 秒内，策略再次运行并判断持仓未达标，就会再次发出相同的委托，从而造成严重的重复买入或卖出。

解决方案

为了解决持仓延迟带来的问题，建议采用以下几种方案：

方案一：使用主推事件，在本地维护“虚拟持仓”（推荐）

不要完全依赖 get_position 的实时性。您可以使用 ptrade 提供的交易主推事件 on_trade_response，在订单成交时第一时间捕获数据，并在全局变量 g 中自行维护一个实时的持仓记录。

代码示例：

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    # 初始化本地维护的持仓量
    g.local_position = 0 
    # 标记是否已经初始化过本地持仓
    g.pos_initialized = False

def before_trading_start(context, data):
    # 每天盘前同步一次真实的柜台持仓作为基准
    pos = get_position(g.security)
    if pos:
        g.local_position = pos.amount
    else:
        g.local_position = 0
    g.pos_initialized = True

def on_trade_response(context, trade_list):
    # 捕获成交主推，实时更新本地持仓
    for trade in trade_list:
        if trade['stock_code'] == g.security and trade['status'] == '8': # '8'表示已成
            if trade['entrust_bs'] == '1': # 买入
                g.local_position += trade['business_amount']
            elif trade['entrust_bs'] == '2': # 卖出
                g.local_position -= trade['business_amount']
            log.info(f"实时成交！当前本地维护持仓更新为: {g.local_position}")

def handle_data(context, data):
    if not g.pos_initialized:
        return
        
    # 使用本地维护的持仓进行逻辑判断，而不是 get_position()
    if g.local_position < 1000:
        order(g.security, 100)
        # 注意：为了防止在途订单（已报未成）导致的重复下单，
        # 实际严谨的策略还需要结合 get_open_orders() 或 on_order_response 维护在途数量。

方案二：慎用 order_target 系列接口，改用增量下单

尽量避免使用 order_target 和 order_target_value。这两个接口强依赖于当前持仓的绝对准确性。建议改用 order（按数量买卖）或 order_value（按金额买卖）这种增量下单接口。通过策略逻辑计算出需要买卖的差额，然后直接下达差额订单。

方案三：增加状态锁或时间间隔

如果策略逻辑比较简单，可以在下单后设置一个全局标志位（如 g.is_ordering = True），在接下来的几个 handle_data 周期内（或使用 time.sleep，但不推荐在主线程长 sleep）跳过逻辑执行，等待 6-10 秒让柜台持仓同步完成后，再解锁标志位。

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    g.last_order_time = None

def handle_data(context, data):
    current_time = context.blotter.current_dt
    
    # 如果距离上次下单不足 10 秒，跳过本次判断，等待持仓同步
    if g.last_order_time and (current_time - g.last_order_time).total_seconds() < 10:
        return
        
    pos = get_position(g.security)
    if pos and pos.amount < 1000:
        order(g.security, 100)
        g.last_order_time = current_time # 记录下单时间

总结

量化交易中，柜台数据的延迟是客观存在的。优秀的量化策略应当具备订单与持仓的本地状态管理能力，通过 on_order_response 和 on_trade_response 结合 get_open_orders()，构建一个闭环的订单状态机，才能彻底解决延迟带来的重复下单问题。