PTrade 策略上线必读：从回测到实盘的 8 个关键差异与调整技巧

将回测表现良好的策略迁移至PTrade实盘环境是一个关键步骤。回测环境是理想化的（无滑点、无延迟、数据完美），而实盘环境充满了不确定性。

以下是您在上线实盘前必须注意的问题及需要修改的代码清单。

一、 代码清理与环境区分

回测中常用的设置函数在实盘中是无效甚至有害的。您应当使用 is_trade() 函数来区分回测和实盘逻辑。

需要修改的地方：

1. 移除或隔离回测专用API：set_commission（设置佣金）、set_slippage（设置滑点）、set_volume_ratio（成交比例）等函数仅在回测有效。实盘中，费率由券商决定，滑点由市场决定。
2. 资金账号检查：建议在实盘中增加账号检查，防止误操作其他账号。

def initialize(context):
    # 设置股票池等通用逻辑
    g.security = '600570.SS'
    set_universe(g.security)
    
    # --- 仅在回测模式下执行的设置 ---
    if not is_trade():
        set_commission(commission_ratio=0.0003, min_commission=5.0)
        set_slippage(slippage=0.0)
        set_volume_ratio(volume_ratio=0.25)
    
    # --- 仅在实盘模式下执行的设置 ---
    if is_trade():
        # 可以在这里检查登录的账号是否正确
        user_name = get_user_name()
        if user_name != "您的资金账号":
            log.error("账号不匹配，策略停止运行")
            # 可以抛出异常终止策略
            # raise Exception("Account Mismatch")

二、 数据获取方式的调整

回测通常使用 data[security]['close'] 或 get_history 获取价格，但在实盘中，为了获取最新的毫秒级数据，建议使用 get_snapshot（行情快照）。

注意：get_snapshot 不支持回测，必须用 is_trade() 隔开。

def handle_data(context, data):
    current_price = 0
    
    if is_trade():
        # 实盘：使用快照获取最新tick价格，更实时
        snapshot = get_snapshot(g.security)
        if snapshot:
            current_price = snapshot[g.security]['last_px']
    else:
        # 回测：使用bar数据
        current_price = data[g.security]['close']
        
    log.info("当前价格: %s" % current_price)
    # 后续交易逻辑...

三、 变量持久化（至关重要）

问题：实盘服务器可能会在盘中重启，或者策略因异常中断后重启。一旦重启，initialize 会重新运行，内存中的全局变量 g 会被重置，导致策略丢失之前的状态（如“持仓天数”、“最高价记录”等）。

解决方案：使用 pickle 模块将关键变量保存到磁盘。

import pickle
import os

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 定义需要持久化的变量名
    g.hold_days = 0
    
    # 实盘启动时尝试恢复数据
    if is_trade():
        recover_data()

def handle_data(context, data):
    # 策略逻辑...
    g.hold_days += 1
    
    # 每次关键数据变化后，保存数据
    if is_trade():
        save_data()

# --- 持久化辅助函数 ---
def save_data():
    # 获取研究目录路径
    path = get_research_path() + 'strategy_state.pkl'
    # 将需要保存的变量放入字典
    state = {'hold_days': g.hold_days}
    try:
        with open(path, 'wb') as f:
            pickle.dump(state, f)
    except Exception as e:
        log.error("数据保存失败: %s" % e)

def recover_data():
    path = get_research_path() + 'strategy_state.pkl'
    if not os.path.exists(path):
        return
    try:
        with open(path, 'rb') as f:
            state = pickle.load(f)
            # 恢复变量
            if 'hold_days' in state:
                g.hold_days = state['hold_days']
            log.info("数据恢复成功: %s" % state)
    except Exception as e:
        log.error("数据恢复失败: %s" % e)

四、 交易与风控细节

1. 避免市价单（Market Order）：

   • 回测中市价单通常按收盘价或开盘价成交。
   • 实盘中，流动性不足时市价单可能导致成交价严重偏离。
   • 建议：使用限价单 order(..., limit_price=...)，或者使用带有保护限价的市价委托 order_market（科创板/创业板必须注意价格笼子）。

2. 防止重复下单：

   • 实盘中，网络延迟可能导致订单状态更新滞后。如果策略逻辑是“检测到无持仓则买入”，在订单已发出但未成交（在途）的几秒内，策略可能会重复发出买单。
   • 建议：检查 get_open_orders()（未完成订单）。

   def handle_data(context, data):
       # 检查是否有未完成的订单
       open_orders = get_open_orders(g.security)
       if open_orders:
           log.info("存在未完成订单，跳过本次信号")
           return
   
       # 获取当前持仓
       position = get_position(g.security)
       
       # 只有在无持仓且无未完成订单时才买入
       if position.amount == 0:
           order(g.security, 100)
   

3. 涨跌停处理：

   • 回测通常会自动处理涨跌停无法成交的情况。
   • 实盘中，如果在涨停价买入或跌停价卖出，订单会一直挂在交易所。
   • 建议：使用 check_limit(security) 检查涨跌停状态，避免无效报单。

4. 异常捕获：

   • 实盘中可能出现网络超时、接口报错等偶发问题。
   • 建议：使用 try...except 包裹核心逻辑，防止策略直接崩溃停止。

   def handle_data(context, data):
       try:
           # 核心策略逻辑
           pass
       except Exception as e:
           log.error("策略运行异常: %s" % e)
           # 可选：发送邮件通知
           # if is_trade():
           #     set_email_info(...)
   

五、 PTrade 特有参数设置

在 initialize 中，针对实盘环境，建议设置以下参数以避免服务器重启带来的副作用：

def initialize(context):
    # ... 其他初始化代码 ...
    
    if is_trade():
        # not_restart_trade="1": 交易时间段若服务器重启，不自动重新拉起本交易（防止重复执行初始化逻辑导致状态重置）
        # server_restart_not_do_before="1": 服务器重启导致重拉交易时，不重复执行before_trading_start
        set_parameters(not_restart_trade="1", server_restart_not_do_before="1")

六、 总结清单

在点击“开始交易”之前，请核对以下清单：

1. [ ] API隔离：是否移除了 set_commission 等回测专用函数？
2. [ ] 数据源：是否在实盘中使用了 get_snapshot 获取最新价格？
3. [ ] 持久化：是否实现了 pickle 保存和恢复 g 变量，以应对服务器重启？
4. [ ] 防抖动：是否处理了未完成订单（Open Orders），防止重复下单？
5. [ ] 价格保护：下单价格是否合理？是否处理了涨跌停？
6. [ ] 容错：是否加入了 try...except 异常捕获？
7. [ ] 参数设置：是否配置了 not_restart_trade？

Q&A: 常见问题解答

Q: 为什么我的实盘策略在9:30之前就报错了？
A: 实盘中 before_trading_start 可能会在9:00左右运行。如果在该函数中调用了需要开盘后才有的数据（如实时行情），可能会报错。建议在 before_trading_start 中只做静态数据初始化，或加上时间判断。

Q: 回测收益很高，实盘为什么不成交？
A: 常见原因包括：1. 价格设置不合理（如买单价格低于卖一价）；2. 股票处于涨跌停状态；3. 委托数量不满足最小交易单位（如不足100股）；4. 资金不足（回测可能未严格计算滑点和费率）。

Q: 如何在盘中查看策略的运行日志？
A: 在PTrade客户端的“交易”界面，找到运行中的策略，点击“日志”选项卡。建议在代码中多使用 log.info() 打印关键变量（如信号触发时的价格、持仓量），便于排查问题。

Q: get_snapshot 和 data 里的数据有什么区别？
A: data (在 handle_data 中) 通常是基于Bar（分钟线）的数据，或者是推送过来的切片数据。get_snapshot 是主动向柜台/行情服务器请求当前的最新快照。在实盘高频或对价格敏感的策略中，get_snapshot 的时效性通常更好。