JoinQuant聚宽平台如何利用API回测和查询即时持仓？

您好！关于您提到的“第二天才能看到前一天的交易操作”，这其实是回测结果页面展示机制造成的误解。在聚宽的回测详情页中，图表和持仓列表确实是按天（每日收盘后）进行结算和展示的。但是，在您的策略代码内部，持仓信息是完全即时（根据您的回测频率）更新的。

如果您使用的是分钟回测或Tick回测，在盘中的每一分钟或每一个Tick，您都可以通过 context 对象获取到最新的、即时的持仓状态。

获取即时持仓的核心API

在策略运行过程中（如 handle_data 或 run_daily 指定的盘中函数内），您可以通过 context.portfolio.positions 来获取当前的即时持仓字典。

• context.portfolio.positions：这是一个字典（dict），键（key）是标的代码（如 '000001.XSHE'），值（value）是 Position 对象，包含了该标的的详细持仓信息。

Position 对象的常用属性

当您拿到某个标的的 Position 对象后，可以查看以下即时信息：

• total_amount: 总仓位（包含挂单冻结的仓位）。
• closeable_amount: 可卖出的仓位（T+1制度下，今天买入的明天才能卖出，此字段会自动处理）。
• price: 最新行情价格。
• value: 标的当前总价值（price * total_amount * 乘数）。
• avg_cost: 当前持仓成本（买入均价）。

代码示例：如何在盘中打印即时持仓

以下是一个在分钟回测中，每分钟打印当前即时持仓的示例：

def initialize(context):
    set_benchmark('000300.XSHG')
    set_option('use_real_price', True)
    g.security = '000001.XSHE'
    
    # 每天 10:00 定时买入
    run_daily(buy_stock, time='10:00')
    # 每天 14:00 定时查看即时持仓
    run_daily(check_position, time='14:00')

def buy_stock(context):
    # 买入1000股
    order(g.security, 1000)
    log.info("10:00 下单买入 1000 股 %s" % g.security)

def check_position(context):
    # 获取当前逻辑时间
    current_time = context.current_dt
    log.info("当前时间: %s, 开始检查即时持仓..." % current_time)
    
    # 获取所有持仓
    positions = context.portfolio.positions
    
    if len(positions) > 0:
        for stock in positions:
            pos = positions[stock]
            log.info("标的: %s, 总持仓: %d, 可卖仓位: %d, 最新价: %.2f, 持仓价值: %.2f" % 
                     (stock, pos.total_amount, pos.closeable_amount, pos.price, pos.value))
    else:
        log.info("当前无持仓")

进阶技巧：如何在回测图表上看到盘中变化？

如果您希望在回测的图表上直观地看到盘中某个时刻的持仓变化，可以使用 record() 函数。record() 可以将您自定义的变量绘制在回测结果的图表中。

def handle_data(context, data):
    # 记录平安银行的即时持仓数量
    if '000001.XSHE' in context.portfolio.positions:
        amount = context.portfolio.positions['000001.XSHE'].total_amount
    else:
        amount = 0
        
    # 将持仓数量画在图表上
    record(PA_Amount=amount)

总结：聚宽平台的底层撮合引擎是实时更新账户状态的。只要您的回测频率是分钟或Tick，您在代码中通过 context.portfolio 拿到的数据就是盘中即时的，完全可以基于这些即时数据进行复杂的盘中交易逻辑编写。