PTrade 技术指标开发：自定义 EXPMA 指标策略实现指南

指数平均数指标（EXPMA）是一种兼具趋势跟踪与平滑特性的动量指标。在 PTrade 平台中，我们可以通过自定义 Python 函数计算 EXPMA 指标，并结合 handle_data 盘中事件构建量化交易策略。

1. EXPMA 指标计算原理

EXPMA 的计算公式如下：

• 初始值：第一天的 EXPMA 值通常取当日收盘价。
• 后续递推公式：
  $$\text{EXPMA}{today} = \alpha \times \text{Price}{today} + (1 - \alpha) \times \text{EXPMA}_{yesterday}$$
  其中，平滑系数 $\alpha = \frac{2}{N + 1}$，$N$ 为设定的周期数。

2. 策略逻辑设计

本策略采用快慢 EXPMA 双线交叉策略：

1. 短期 EXPMA（如 12 日）：对价格变化响应迅速。
2. 长期 EXPMA（如 26 日）：反应趋势平缓。
3. 买入信号：当快线由下向上穿过慢线（金叉），且当前无持仓时全仓买入。
4. 卖出信号：当快线由上向下穿过慢线（死叉），且持仓大于 0 时清仓卖出。

3. PTrade 策略完整源码

# 指数平滑计算函数
def calc_expma(price_array, period):
    alpha = 2.0 / (period + 1)
    expma = price_array[0]
    for p in price_array[1:]:
        expma = alpha * p + (1 - alpha) * expma
    return expma

def initialize(context):
    # 设置标的股票（以恒生电子为例）
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 设置指标参数
    g.short_period = 12
    g.long_period = 26

def handle_data(context, data):
    security = g.security
    
    # 获取足够周期的历史收盘价数据
    df = get_history(100, '1d', 'close', security, fq=None, include=False)
    if df is None or len(df) < g.long_period:
        return
    
    close_prices = df['close'].values
    
    # 计算当前与前一交易日的快慢 EXPMA 值
    short_expma = calc_expma(close_prices, g.short_period)
    long_expma = calc_expma(close_prices, g.long_period)
    
    prev_short_expma = calc_expma(close_prices[:-1], g.short_period)
    prev_long_expma = calc_expma(close_prices[:-1], g.long_period)
    
    # 获取当前持仓与可用资金
    pos = get_position(security)
    current_amount = pos.amount if pos else 0
    cash = context.portfolio.cash
    
    # 金叉买入
    if prev_short_expma <= prev_long_expma and short_expma > long_expma:
        if cash > 0:
            order_value(security, cash)
            log.info("EXPMA 金叉，买入 %s" % security)
            
    # 死叉卖出
    elif prev_short_expma >= prev_long_expma and short_expma < long_expma:
        if current_amount > 0:
            order_target(security, 0)
            log.info("EXPMA 死叉，卖出 %s" % security)

4. 关键注意事项

1. 数据准备：调用 get_history 时，count 参数需保证大于最大周期数（例如 26），以确保指数平滑递推计算的准确性。
2. 复权设置：回测时建议在 get_history 中设置 fq='pre'（前复权），避免因除权除息导致价格跳空进而产生错误的交易信号。
3. 实盘价格精度：股票限价单委托时需注意保留 2 位小数，ETF/可转债等品种需保留 3 位小数。