PTrade 策略实战：如何构建基于 VWAP 的日内交易策略？

这是一个基于 VWAP（成交量加权平均价） 的日内交易策略设计。

策略原理

VWAP（Volume Weighted Average Price）是衡量日内价格趋势的重要指标。

1. 计算公式：$\text{VWAP} = \frac{\sum(\text{价格} \times \text{成交量})}{\sum \text{成交量}} = \frac{\text{当日累计成交额}}{\text{当日累计成交量}}$
2. 核心逻辑：
   • 当 当前价格 > VWAP 时，市场被视为处于多头趋势（买方力量强），策略选择 买入。
   • 当 当前价格 < VWAP 时，市场被视为处于空头趋势（卖方力量强），策略选择 卖出。
3. 日内风控：在收盘前（如 14:55）强制平仓，确保不持仓过夜（针对 T+0 品种或模拟日内做T）。

注意事项（A股 T+1 限制）

由于中国 A 股市场实行 T+1 交易制度（当日买入的股票次日才能卖出），要在 A 股实现“日内交易”，通常有两种方法：

1. 底仓做 T：账户里预先持有该股票（底仓），当日买入后，卖出原本持有的份额；或者先卖出底仓，低位再买回。
2. 交易 T+0 品种：如 可转债 或 ETF（部分跨境/债券/黄金 ETF）。

下面的代码示例采用“底仓做 T”的逻辑编写，即在 initialize 中设置底仓，以便在回测中模拟日内买卖。

PTrade 策略代码实现

import numpy as np
import pandas as pd

def initialize(context):
    """
    初始化函数，设置股票池、全局变量和底仓
    """
    # 1. 设置要操作的标的（这里以恒生电子为例）
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 2. 设置每次交易的金额
    g.trade_value = 50000
    
    # 3. 设定日内止盈止损阈值（可选）
    # 价格偏离 VWAP 超过一定比例才操作，避免震荡磨损
    g.threshold = 0.005  # 0.5%
    
    # 4. 【关键】设置底仓以支持 T+0 回测
    # 实际交易中需要账户本身有持仓
    # 格式：[{'sid':代码, 'amount':总数量, 'enable_amount':可用数量, 'cost_basis':成本}]
    pos = {
        'sid': g.security,
        'amount': 10000,
        'enable_amount': 10000,
        'cost_basis': 40.0
    }
    set_yesterday_position([pos])
    
    # 5. 记录当日是否已经开仓的标记，避免频繁开仓
    g.has_open_position = False

def before_trading_start(context, data):
    """
    盘前处理，每天开盘前重置变量
    """
    g.has_open_position = False
    log.info("盘前准备：重置交易状态")

def handle_data(context, data):
    """
    盘中运行函数，分钟级别回测每分钟执行一次
    """
    current_dt = context.blotter.current_dt
    security = g.security
    
    # ---------------------------------------------------
    # 1. 时间控制：收盘前强制平仓 (14:55)
    # ---------------------------------------------------
    if current_dt.hour == 14 and current_dt.minute >= 55:
        position = get_position(security)
        # 如果今日有买入操作导致持仓增加，或者为了恢复到底仓数量
        # 这里简单逻辑：恢复到初始底仓 10000 股，或者清空当日买入的部分
        # 为简化演示，这里逻辑设为：如果持仓 > 0，全部卖出（针对纯日内）
        # 或者：如果是做T策略，应该在此处将持仓调整回昨仓数量
        
        # 这里演示纯日内逻辑：收盘平掉所有当日新增仓位
        # 实际底仓做T逻辑：order_target(security, 10000)
        return

    # ---------------------------------------------------
    # 2. 获取当日历史分钟数据计算 VWAP
    # ---------------------------------------------------
    # 获取当天开盘截至目前的分钟线数据
    # 240分钟是4小时交易时间的最大值，确保覆盖全天
    # include=True 表示包含当前这一分钟的数据
    his_df = get_history(240, '1m', ['money', 'volume'], security, include=True)
    
    # 过滤出今天的行（get_history可能返回昨天的数据如果刚开盘）
    today_date = current_dt.date()
    today_data = his_df[his_df.index.date == today_date]
    
    if len(today_data) == 0:
        return

    # 计算累计成交额和累计成交量
    cum_money = today_data['money'].sum()
    cum_volume = today_data['volume'].sum()
    
    if cum_volume == 0:
        return
        
    # 计算 VWAP
    vwap = cum_money / cum_volume
    
    # ---------------------------------------------------
    # 3. 获取当前价格
    # ---------------------------------------------------
    current_price = data[security]['close']
    
    # ---------------------------------------------------
    # 4. 交易逻辑
    # ---------------------------------------------------
    
    # 获取当前持仓信息
    position_info = get_position(security)
    curr_amount = position_info.amount
    enable_amount = position_info.enable_amount # 可卖数量（底仓）
    
    # 策略逻辑：
    # 如果 现价 > VWAP * (1 + 阈值) --> 看多，买入
    # 如果 现价 < VWAP * (1 - 阈值) --> 看空，卖出
    
    # 买入信号
    if current_price > vwap * (1 + g.threshold):
        # 限制：如果没有开过仓，且资金充足
        if not g.has_open_position:
            order_value(security, g.trade_value)
            g.has_open_position = True
            log.info("买入信号: 现价 %.2f > VWAP %.2f, 买入 %s" % (current_price, vwap, g.trade_value))
            
    # 卖出信号 (需要有底仓才能卖)
    elif current_price < vwap * (1 - g.threshold):
        # 限制：如果有持仓（底仓或今日买入的）
        if enable_amount > 0 and not g.has_open_position:
            # 卖出等值金额
            # 注意：order_value 卖出传入负数
            order_value(security, -g.trade_value)
            g.has_open_position = True
            log.info("卖出信号: 现价 %.2f < VWAP %.2f, 卖出 %s" % (current_price, vwap, g.trade_value))

代码关键点解析

1. VWAP 计算：

   • PTrade 的 handle_data 在分钟回测模式下，data 对象只包含当前分钟的数据。
   • 我们需要使用 get_history 获取当天从 9:30 开始到现在的所有分钟数据。
   • 通过 his_df.index.date == today_date 过滤掉可能存在的昨日数据。
   • 公式：sum(money) / sum(volume)。

2. 底仓设置 (set_yesterday_position)：

   • 这是回测中的关键。如果不设置底仓，在 T+1 的 A 股市场，你当天买入后无法卖出，策略就无法进行“日内”闭环。
   • 在实盘中，你需要确保账户里有对应的股票持仓。

3. 阈值 (g.threshold)：

   • 直接用 Price > VWAP 可能会导致在均线附近频繁开平仓（假突破）。
   • 增加一个缓冲阈值（如 0.5%），只有显著突破 VWAP 才交易，能提高胜率。

4. 收盘平仓：

   • 代码中检测时间是否到达 14:55。如果是，则停止开新仓，并应执行平仓逻辑（代码中留出了位置，需根据你是要做 T 还是纯投机来决定是卖出全部还是恢复底仓）。

常见问题 (Q&A)

Q: 这个策略可以直接用于可转债吗？
A: 可以。可转债是 T+0 交易，不需要设置底仓（set_yesterday_position）。你可以直接买入并在当天卖出。只需将 g.security 改为可转债代码（如 '113050.SS'），并去掉卖出逻辑中对 enable_amount 的检查即可。

Q: 为什么使用 get_history 而不是 get_snapshot？
A: 在 PTrade 的回测模式下，get_snapshot 是不支持的。为了保证策略既能回测又能实盘，或者为了计算当日累计数据，使用 get_history 提取分钟线并求和是计算 VWAP 最准确且兼容性最好的方法。

Q: 如何在实盘中获取更精准的 VWAP？
A: 在实盘交易模式下，可以使用 get_snapshot(security)，返回的字典中通常包含 wavg_px（加权平均价）字段，这直接就是交易所提供的官方 VWAP，比自己计算更实时。你可以用 if is_trade(): 来区分回测和实盘逻辑。