PTrade 策略开发：股票底仓 T+0 滚动套利逻辑

在 PTrade 中实现股票底仓的 T+0 滚动套利（Intraday Rolling Arbitrage），核心逻辑是利用账户中已有的持仓（底仓）来应对 A 股的 T+1 交易制度。

策略原理

1. 先卖后买（做空 T+0）：当股价上涨超过一定幅度时，卖出部分底仓股票；当股价回落时，买回相同数量的股票。赚取差价，持仓数量不变。
2. 先买后卖（做多 T+0）：当股价下跌超过一定幅度时，用现金买入股票；当股价反弹时，卖出相同数量的底仓股票（利用底仓的可卖额度）。

策略实现逻辑（网格交易法）

本示例采用动态网格交易的方式：

• 设定一个基准价格（初始为开盘价）。
• 设定网格阈值（如 1%）。
• 卖出触发：现价 > 基准价 * (1 + 阈值)，且有底仓可用 -> 卖出，并将基准价更新为现价。
• 买入触发：现价 < 基准价 * (1 - 阈值)，且资金充足 -> 买入，并将基准价更新为现价。

PTrade 策略代码

import numpy as np

def initialize(context):
    """
    初始化函数
    """
    # 1. 设置要进行T+0操作的标的（必须是账户里已有底仓的股票）
    g.security = '600570.SS' 
    set_universe(g.security)
    
    # 2. 策略参数设置
    g.grid_width = 0.015      # 网格宽度（阈值），例如 1.5%
    g.trade_amount = 500      # 每次做T的股数
    
    # 3. 全局变量控制
    g.last_price = None       # 上一次交易的基准价格
    g.daily_buy_count = 0     # 当日买入次数
    g.daily_sell_count = 0    # 当日卖出次数
    g.max_trades = 5          # 每日单向最大交易次数限制，防止过度交易

def before_trading_start(context, data):
    """
    盘前处理：重置每日计数器
    """
    g.daily_buy_count = 0
    g.daily_sell_count = 0
    g.last_price = None # 每天开盘前重置基准价格
    
    log.info("盘前准备完成，今日T+0标的: %s" % g.security)

def handle_data(context, data):
    """
    盘中运行：分钟级别回测/交易
    """
    # 1. 获取当前时间，避免在尾盘进行买入操作（防止变成隔夜仓）
    current_hour = context.blotter.current_dt.hour
    current_minute = context.blotter.current_dt.minute
    
    # 14:50 之后停止开新仓（特别是先买后卖），防止无法T出
    if current_hour == 14 and current_minute >= 50:
        return

    security = g.security
    
    # 2. 获取当前最新价格
    current_price = data[security]['close']
    
    # 3. 如果是今日第一次运行，将基准价格设为当前价（或开盘价）
    if g.last_price is None:
        g.last_price = data[security]['open']
        log.info("初始化基准价格为: %.2f" % g.last_price)
        return

    # 4. 获取账户持仓和资金情况
    position = get_position(security)
    curr_cash = context.portfolio.cash
    
    # ---------------------------------------------------
    # 逻辑 A: 触发卖出信号 (股价上涨，先卖后买)
    # ---------------------------------------------------
    if current_price >= g.last_price * (1 + g.grid_width):
        # 检查是否有“可用”持仓（enable_amount是T+0的关键，代表昨仓）
        if position.enable_amount >= g.trade_amount and g.daily_sell_count < g.max_trades:
            # 执行卖出
            order(security, -g.trade_amount)
            
            log.info("T+0 卖出触发 | 现价: %.2f > 基准: %.2f | 卖出数量: %s" % (current_price, g.last_price, g.trade_amount))
            
            # 更新基准价格为最新成交价，实现滚动
            g.last_price = current_price
            g.daily_sell_count += 1
            
    # ---------------------------------------------------
    # 逻辑 B: 触发买入信号 (股价下跌，先买后卖)
    # ---------------------------------------------------
    elif current_price <= g.last_price * (1 - g.grid_width):
        # 检查资金是否足够
        cost = current_price * g.trade_amount
        if curr_cash >= cost and g.daily_buy_count < g.max_trades:
            # 执行买入
            order(security, g.trade_amount)
            
            log.info("T+0 买入触发 | 现价: %.2f < 基准: %.2f | 买入数量: %s" % (current_price, g.last_price, g.trade_amount))
            
            # 更新基准价格
            g.last_price = current_price
            g.daily_buy_count += 1

def after_trading_end(context, data):
    """
    盘后总结
    """
    log.info("今日交易结束。买入次数: %d, 卖出次数: %d" % (g.daily_buy_count, g.daily_sell_count))

代码关键点解析

1. get_position(security).enable_amount:

   • 这是 T+0 策略的核心。amount 是总持仓，enable_amount 是可用持仓（即昨天及之前买入的股票）。
   • A 股 T+1 制度下，只有 enable_amount 可以在当日卖出。

2. 基准价格滚动 (g.last_price):

   • 策略采用“滚动”机制。一旦发生交易（买入或卖出），基准价格立即更新为当前的成交价。
   • 这使得网格可以跟随股价趋势移动，避免股价单边上涨卖飞后不再操作，或单边下跌买入后被套死。

3. 尾盘风控:

   • 代码中加入了 if current_hour == 14 and current_minute >= 50: return。
   • 这是为了防止在收盘前几分钟买入股票，导致当天没有时间卖出对应的底仓，从而增加了隔夜风险敞口。

4. 交易频率:

   • 本代码使用 handle_data，在分钟级别回测中是每分钟运行一次。
   • 如果在实盘中需要更灵敏的反应，可以使用 tick_data 函数配合 run_interval 来实现秒级监控。

常见问题 Q&A

Q: 如果我没有底仓，这个策略能运行吗？
A: 不能。get_position 获取不到 enable_amount，卖出逻辑永远不会触发。T+0 必须依赖底仓。

Q: 如何保证持仓数量不变？
A: 上述代码是简单的网格策略，可能会导致持仓变动（例如一直跌就一直买）。如果要严格保持持仓不变，需要增加逻辑：记录当日净买入量，强制要求当日买入量必须等于卖出量，或者使用“配对交易”逻辑（即买入一笔后，必须挂一笔对应的卖单）。

Q: 实盘中需要注意什么？
A:

1. 手续费：T+0 属于高频短线，如果网格宽度（g.grid_width）设置过小（如 0.2%），利润可能无法覆盖印花税和佣金。建议设置在 1% 以上。
2. 成交限制：实盘建议使用限价单 limit_price 配合 order 函数，或者使用 order_target 确保成交。

进阶优化建议

如果需要更复杂的 T+0，可以考虑结合 MACD 或 KDJ 指标：

• 在 handle_data 中计算分钟级 MACD。
• 当 MACD 金叉且股价处于低位时触发买入。
• 当 MACD 死叉且股价处于高位时触发卖出。