ptrade 平台如何实现模拟与实盘交易的资金和持仓隔离？

在 ptrade 量化交易平台中，由于券商底层的资金和持仓通常是统一计算的，如果在一个账户中同时运行模拟策略（或多个不同的实盘子策略），直接使用 context.portfolio 获取的资金和持仓数据会发生混淆。为了实现资金和持仓的有效隔离，我们需要在策略内部构建**“虚拟子账户”，并结合持久化技术（pickle）**来管理状态。

核心解决思路

1. 放弃全局真实持仓：不再依赖 context.portfolio.cash 和 context.portfolio.positions 作为交易决策的唯一依据。
2. 构建虚拟子账户：在全局变量 g 中定义字典来记录当前策略专属的虚拟资金（g.virtual_cash）和虚拟持仓（g.virtual_positions）。
3. 利用主推事件更新状态：通过 on_trade_response（成交主推回调）来精准更新虚拟资金和持仓，确保与实际成交一致。
4. 数据持久化：使用 pickle 模块将虚拟账户数据落地保存，防止策略重启或服务器升级导致数据丢失。

Python 实现源码示例

以下是一个完整的代码框架，展示如何实现资金与持仓的隔离管理：

import pickle
import os

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 定义持久化文件路径
    g.save_path = get_research_path() + 'virtual_account.pkl'
    
    # 尝试加载历史虚拟账户数据
    if os.path.exists(g.save_path):
        try:
            with open(g.save_path, 'rb') as f:
                account_data = pickle.load(f)
                g.virtual_cash = account_data.get('cash', 100000.0) # 默认初始资金10万
                g.virtual_positions = account_data.get('positions', {})
                log.info("成功加载虚拟账户数据")
        except Exception as e:
            log.error("加载虚拟账户失败: %s" % e)
            init_virtual_account()
    else:
        init_virtual_account()

def init_virtual_account():
    # 初始化虚拟账户
    g.virtual_cash = 100000.0
    g.virtual_positions = {}
    save_virtual_account()

def save_virtual_account():
    # 保存虚拟账户数据到本地
    account_data = {
        'cash': g.virtual_cash,
        'positions': g.virtual_positions
    }
    try:
        with open(g.save_path, 'wb') as f:
            pickle.dump(account_data, f, -1)
    except Exception as e:
        log.error("保存虚拟账户失败: %s" % e)

def handle_data(context, data):
    security = g.security
    current_price = data[security]['close']
    
    # 示例买入逻辑：如果虚拟资金充足，买入100股
    cost = current_price * 100
    if g.virtual_cash >= cost:
        order(security, 100)
        log.info("触发买入委托")
        
    # 示例卖出逻辑：如果虚拟持仓中有该股票，全部卖出
    virtual_amount = g.virtual_positions.get(security, 0)
    if virtual_amount >= 100:
        order(security, -100)
        log.info("触发卖出委托")

def on_trade_response(context, trade_list):
    # 接收成交主推，精准更新虚拟账户
    for trade in trade_list:
        # 仅处理已成状态 (status == '8')
        if trade.get('status') == '8':
            stock = trade['stock_code']
            amount = trade['business_amount']
            balance = trade['business_balance']
            direction = trade['entrust_bs'] # 1-买，2-卖
            
            if direction == '1': # 买入成交
                g.virtual_cash -= balance
                g.virtual_positions[stock] = g.virtual_positions.get(stock, 0) + amount
            elif direction == '2': # 卖出成交
                g.virtual_cash += balance
                g.virtual_positions[stock] = g.virtual_positions.get(stock, 0) - amount
                if g.virtual_positions[stock] <= 0:
                    del g.virtual_positions[stock]
                    
            log.info("虚拟账户更新 -> 资金: %.2f, 持仓: %s" % (g.virtual_cash, g.virtual_positions))
            # 每次成交后持久化保存
            save_virtual_account()

注意事项与优化建议

1. 手续费扣除：上述示例中未包含手续费计算。在实际应用中，需要在 on_trade_response 中根据券商费率（如万分之三佣金+印花税等）额外扣除 g.virtual_cash 中的手续费。
2. 订单状态管理：除了成交主推，建议结合 on_order_response 监控废单或撤单情况，避免虚拟资金被长期“冻结”。
3. 多策略标识：如果在一个账户中运行多个实盘策略，可以在下单时利用 order 接口返回的 order_id，在全局维护一个 g.my_order_ids 列表。在主推回调中，只处理属于本策略的 order_id，从而实现多策略间的完美隔离。