这是一个非常实用的风控需求。在量化交易中，这种机制通常被称为大盘择时过滤器（Market Timing Filter）或红绿灯机制。

其核心逻辑是：在执行具体的个股买卖策略之前，先判断大盘指数（如沪深300）的走势。如果大盘处于下跌趋势（熊市），则强制空仓或禁止开新仓；只有当大盘处于上涨趋势（牛市）时，才允许策略正常运行。

下面是一个完整的 PTrade 策略代码示例。

策略逻辑说明

1. 基准指数：使用 沪深300指数 (000300.SS) 作为市场风向标。
2. 判断标准：使用 60日均线 (MA60) 作为牛熊分界线。
   • 熊市：当指数收盘价 < 60日均线，判定为熊市，清空所有持仓并停止买入。
   • 牛市：当指数收盘价 > 60日均线，判定为牛市，允许策略正常交易。
3. 交易标的：为了演示，策略在牛市期间会买入并持有 恒生电子 (600570.SS)。

PTrade 策略代码

import numpy as np
import pandas as pd

def initialize(context):
    """
    初始化函数，设置策略参数
    """
    # 1. 设置要操作的股票（这里以恒生电子为例）
    g.security = '600570.SS'
    set_universe(g.security)
    
    # 2. 设置大盘风控参数
    g.index_security = '000300.SS'  # 风控基准：沪深300指数
    g.ma_window = 60                # 均线周期：60日均线
    g.market_status = 'BULL'        # 初始市场状态：BULL(牛), BEAR(熊)
    
    # 3. 设置回测参数（仅回测有效）
    set_commission(commission_ratio=0.0003, min_commission=5.0)
    set_slippage(slippage=0.002)

def before_trading_start(context, data):
    """
    盘前处理函数：每天开盘前判断市场状态
    """
    # 获取指数的历史行情数据
    # 多取一些数据以确保均线计算准确，这里取 ma_window + 10 天
    count = g.ma_window + 10
    
    # 获取历史收盘价，不包含当天（include=False）
    history_data = get_history(count, frequency='1d', field='close', 
                               security_list=g.index_security, include=False)
    
    # 检查数据是否获取成功
    if history_data is None or len(history_data) < g.ma_window:
        log.warning("历史数据不足，无法计算大盘均线，默认维持原状态")
        return

    # 提取收盘价序列
    # 注意：get_history 返回的是 DataFrame，列名是股票代码或 'close'
    # 如果是单只股票，直接取 'close' 列；如果是多只，列名是代码
    # 这里我们明确指定了 security_list 为单个字符串，通常返回 DataFrame 的列包含该代码或 'close'
    # 为了兼容性，我们使用 values 属性转为 numpy 数组处理
    close_prices = history_data['close'].values
    
    # 计算均线 (MA60)
    ma_value = np.mean(close_prices[-g.ma_window:])
    
    # 获取前一天的收盘价
    current_index_price = close_prices[-1]
    
    # 判断市场状态
    if current_index_price < ma_value:
        g.market_status = 'BEAR'
        log.info("大盘风控：当前指数价格(%.2f) < %d日均线(%.2f)，判定为熊市，停止开仓/清仓。" % (current_index_price, g.ma_window, ma_value))
    else:
        g.market_status = 'BULL'
        log.info("大盘风控：当前指数价格(%.2f) > %d日均线(%.2f)，判定为牛市，策略正常运行。" % (current_index_price, g.ma_window, ma_value))

def handle_data(context, data):
    """
    盘中交易函数
    """
    # ---------------------------------------------------
    # 1. 熊市风控逻辑
    # ---------------------------------------------------
    if g.market_status == 'BEAR':
        # 如果处于熊市，检查是否有持仓
        position = get_position(g.security)
        
        # 如果有持仓，则清仓卖出
        if position.amount > 0:
            log.info("熊市避险：卖出 %s" % g.security)
            order_target(g.security, 0)
        
        # 熊市直接返回，不执行后续的买入逻辑
        return

    # ---------------------------------------------------
    # 2. 牛市正常策略逻辑 (示例：简单的买入持有)
    # ---------------------------------------------------
    # 下面是您的具体策略逻辑，这里仅作示例：
    # 如果是牛市且没有持仓，则买入
    
    position = get_position(g.security)
    
    # 简单的示例逻辑：如果没持仓就买入
    if position.amount == 0:
        log.info("牛市环境：买入 %s" % g.security)
        # 用所有现金买入
        order_value(g.security, context.portfolio.cash)

def after_trading_end(context, data):
    """
    盘后处理
    """
    pass

代码关键点解析

1. before_trading_start 的作用：

   • 我们将大盘状态的判断放在盘前函数中。这样做的好处是每天只计算一次，效率高，且在开盘交易（handle_data）之前就已经确定了当天的风控基调。
   • 使用了 get_history 获取指数（000300.SS）的历史数据。注意 include=False，表示使用昨天收盘的数据来决定今天的操作，避免使用未来数据。

2. 均线计算：

   • 使用了 numpy.mean() 计算过去60天的平均收盘价。
   • 比较 current_index_price（昨日收盘价）与 ma_value（均线价格）。

3. handle_data 中的拦截机制：

   • 代码最上方加入了一个 if g.market_status == 'BEAR': 的判断块。
   • 清仓操作：使用 order_target(g.security, 0) 将目标股票仓位调整为0。
   • 阻断执行：使用 return 语句。一旦进入熊市逻辑，代码直接返回，不再执行下方任何买入逻辑。这是实现“停止开仓”的关键。

如何调整此策略

• 更换基准指数：
  如果你交易的是创业板股票，可以将 g.index_security 改为 '399006.SZ'（创业板指）。
• 调整灵敏度：
  • 如果你希望反应更灵敏，可以将 g.ma_window 改为 20（20日均线）。
  • 如果你希望过滤掉短期震荡，只在大趋势坏掉时离场，可以保留 60 或改为 120（半年线）。
• 降低仓位而非清仓：
  如果你不想全卖，只想减半仓位，可以将 order_target(g.security, 0) 修改为：

  # 获取当前持仓
  current_amount = position.amount
  # 目标是减半
  target_amount = int(current_amount * 0.5 / 100) * 100 
  order_target(g.security, target_amount)
  

Q&A

Q1: 为什么要在 before_trading_start 里计算均线，而不是在 handle_data 里？
A1: before_trading_start 每天只运行一次，适合处理全天通用的逻辑（如大盘判断）。handle_data 可能每分钟运行一次（分钟回测时），如果在那里频繁获取历史数据并计算均线，会严重拖慢回测速度，且逻辑上没有必要（因为日线级别的均线一天才变一次）。

Q2: get_history 获取指数数据时，需要考虑复权吗？
A2: 对于指数（如沪深300），通常不需要像个股那样考虑分红配股带来的复权问题，直接使用默认数据即可。如果是个股作为基准，建议加上 fq='pre'（前复权）。

Q3: 这个过滤器能避免所有亏损吗？
A3: 不能。均线策略有滞后性。当市场急跌时，价格可能已经跌了很多才会跌破均线触发止损。它的主要作用是避免在长期的单边下跌趋势中持有仓位，从而保护本金，而不是为了躲避每一次短期回调。