PTrade 技术指标开发：使用 get_MACD 实现金叉死叉交易策略

在 PTrade 量化交易平台中，开发者可以直接使用内置的技术指标计算函数 get_MACD 来快速获取异同移动平均线指标的数据，避免自行编写平滑移动平均逻辑。本文将详细介绍 get_MACD 接口的使用方法，并提供一个完整的 MACD 金叉死叉交易策略实现。

1. get_MACD 接口说明

接口定义

get_MACD(close, short=12, long=26, m=9)

参数说明

• close：收盘价的时间序列数据，要求为 numpy.ndarray 类型。
• short：快线（短周期），整型，默认值为 12。
• long：慢线（长周期），整型，默认值为 26。
• m：Signal 线（移动平均周期），整型，默认值为 9。

返回值

返回三个 numpy.ndarray 类型的时间序列：

1. macdDIF_data：DIF 线（快线与慢线的差值）
2. macdDEA_data：DEA 线（DIF 的移动平均线/Signal 线）
3. macd_data：MACD 柱状图数值

2. MACD 金叉死叉交易逻辑

• 买入信号（金叉）：当上一个周期 DIF 小于等于 DEA，且当前周期 DIF 向上突破 DEA（DIF > DEA）时，执行全仓买入。
• 卖出信号（死叉）：当上一个周期 DIF 大于等于 DEA，且当前周期 DIF 向下突破 DEA（DIF < DEA）且当前持有持仓时，执行清仓卖出。

3. PTrade 策略源码实现

import numpy as np

def initialize(context):
    # 设置标的股票
    g.security = '600570.SS'  # 恒生电子
    set_universe(g.security)
    
    # MACD 参数配置
    g.short = 12
    g.long = 26
    g.m = 9

def handle_data(context, data):
    security = g.security
    
    # 获取过去100个交易日的收盘价数据（以numpy数组形式返回）
    history_df = get_history(100, frequency='1d', field='close', security_list=security)
    if history_df is None or history_df.empty:
        return
        
    close_data = history_df['close'].values
    
    # 调用 PTrade 内置 get_MACD 函数计算指标
    macdDIF_data, macdDEA_data, macd_data = get_MACD(close_data, g.short, g.long, g.m)
    
    # 获取前一周期和当前周期的 DIF 与 DEA
    prev_dif = macdDIF_data[-2]
    prev_dea = macdDEA_data[-2]
    curr_dif = macdDIF_data[-1]
    curr_dea = macdDEA_data[-1]
    
    # 获取可用现金及持仓
    cash = context.portfolio.cash
    position = get_position(security)
    
    # 判断金叉：前一周期 DIF <= DEA 且 当前周期 DIF > DEA
    if prev_dif <= prev_dea and curr_dif > curr_dea:
        if cash > 0:
            order_value(security, cash)
            log.info("触发 MACD 金叉买入信号，股票代码: %s" % security)
            
    # 判断死叉：前一周期 DIF >= DEA 且 当前周期 DIF < DEA
    elif prev_dif >= prev_dea and curr_dif < curr_dea:
        if position.amount > 0:
            order_target(security, 0)
            log.info("触发 MACD 死叉卖出信号，股票代码: %s" % security)

4. 开发注意事项

1. 数据长度要求：计算 MACD 需要足够的历史 K 线数据以保证指标的收敛与准确性，建议 get_history 获取的数量不低于 100 根。
2. 数据类型转换：get_MACD 接收的 close 参数必须为 numpy.ndarray 类型，使用 get_history 获取 DataFrame 后需调用 .values 提取数组。
3. 下单价格精度：在真实交易环境中，股票交易价格精度为 2 位小数，若使用限价单委托（如 limit_price），需对价格进行适当的舍入处理。