PTrade 平台如何构建一个基于历史波动率突破的交易策略？

这是一个非常经典的量化交易策略，通常被称为布林带突破策略（Bollinger Band Breakout）。

策略逻辑

1. 计算指标：基于过去 N 天的收盘价计算移动平均线（Mean）和标准差（StdDev）。
2. 确定通道：
   • 上轨（Upper Band）= 均线 + K 倍标准差
   • 下轨（Lower Band）= 均线 - K 倍标准差
3. 交易信号：
   • 买入：当当前价格突破上轨（Price > Upper Band）时，视为波动率放大且趋势向上，全仓买入。
   • 卖出：当当前价格跌破下轨（Price < Lower Band）时，或者跌破中轨（均线）时，视为趋势反转或止损，清仓卖出。（本示例采用跌破下轨卖出）。

PTrade 策略代码实现

以下是完整的策略代码，您可以直接复制到 PTrade 的策略编辑器中运行。

import numpy as np
import pandas as pd

def initialize(context):
    """
    初始化函数，设置股票池、参数和手续费
    """
    # 1. 设置要操作的股票，这里以贵州茅台为例
    g.security = ['600519.SS']
    set_universe(g.security)
    
    # 2. 设置策略参数
    g.N = 20      # 计算均线和标准差的周期（如20日）
    g.k = 2.0     # 标准差的倍数（通常为2倍）
    
    # 3. 设置回测费用（可选，为了回测更真实）
    # 设置佣金为万分之三，最低5元
    set_commission(commission_ratio=0.0003, min_commission=5.0)
    # 设置滑点为0.1%
    set_slippage(slippage=0.001)

def before_trading_start(context, data):
    """
    盘前处理，每天开盘前运行一次
    """
    # 可以在这里过滤停牌、ST股票等，本示例略过
    pass

def handle_data(context, data):
    """
    盘中运行函数，日线级别每天运行一次
    """
    # 遍历股票池中的每一只股票
    for stock in g.security:
        # 1. 获取历史数据
        # 获取过去 g.N 天的收盘价，include=False 表示不包含当前这根K线（避免未来函数）
        # 我们需要用过去的数据来构建通道，然后看今天的价格是否突破
        hist_data = get_history(g.N, '1d', 'close', stock, include=False)
        
        # 容错处理：如果数据不足 N 天，跳过计算
        if len(hist_data) < g.N:
            log.info("股票 %s 数据不足，跳过" % stock)
            continue
            
        # 2. 计算统计指标
        # 提取收盘价序列
        close_prices = hist_data['close']
        
        # 计算均值 (中轨)
        mean_value = close_prices.mean()
        # 计算标准差
        std_value = close_prices.std()
        
        # 计算上轨和下轨
        upper_band = mean_value + g.k * std_value
        lower_band = mean_value - g.k * std_value
        
        # 3. 获取当前价格
        # data[stock] 获取的是当前周期的快照数据
        current_price = data[stock]['close']
        
        # 获取当前该股票的持仓数量
        position = get_position(stock)
        current_amount = position.amount
        
        # 4. 交易逻辑判断
        
        # 信号1：价格突破上轨，且当前无持仓 -> 买入
        if current_price > upper_band and current_amount == 0:
            # 全仓买入（使用当前所有可用现金）
            cash = context.portfolio.cash
            if cash > 0:
                order_value(stock, cash)
                log.info("买入信号触发: %s, 现价: %.2f, 上轨: %.2f" % (stock, current_price, upper_band))
        
        # 信号2：价格跌破下轨，且当前有持仓 -> 卖出
        # 注意：也可以修改为跌破中轨(mean_value)就止盈止损，取决于策略激进程度
        elif current_price < lower_band and current_amount > 0:
            # 清仓卖出
            order_target(stock, 0)
            log.info("卖出信号触发: %s, 现价: %.2f, 下轨: %.2f" % (stock, current_price, lower_band))

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

代码关键点解析

1. get_history(..., include=False):
   • 这是最关键的一步。在计算布林带通道时，我们通常使用过去 N天的数据。
   • 设置 include=False 确保我们获取的是截止到昨天收盘的数据。如果设置为 True，均线和标准差会包含今天的价格，导致通道随着今天的价格变动而剧烈变动，这通常不是突破策略想要的。
2. data[stock]['close']:
   • 这是获取当前回测时间点（或实盘当前时刻）的最新价格，用于和计算出的通道进行比较。
3. order_value 与 order_target:
   • order_value(stock, cash)：按金额下单，这里示例是用所有现金买入。
   • order_target(stock, 0)：调整持仓到目标数量，这里设为0即代表清仓。
4. Python 版本兼容性:
   • 代码中使用了 % 格式化字符串（如 "%s" % stock），这是为了兼容 Python 3.5 及更早版本，确保在所有 PTrade 环境中都能运行。

常见问题 (Q&A)

Q: 如何修改策略为“跌破中轨（均线）”就卖出？
A: 将卖出逻辑部分的 lower_band 替换为 mean_value 即可：

elif current_price < mean_value and current_amount > 0:
    order_target(stock, 0)

这通常被称为“布林带回归”或“均值回归”止盈，比跌破下轨卖出反应更快，能保住更多利润，但可能会在震荡市中频繁止损。

Q: 这个策略适合什么频率？
A: 上述代码默认是 1d（日线）级别。如果要在分钟级别运行，需要将 get_history 的频率参数改为 '1m' 或 '60m' 等，并在 initialize 中确认策略运行频率设置。

Q: 为什么有时候没有交易？
A: 波动率突破策略依赖于趋势。如果市场处于窄幅震荡（价格始终在上下轨之间波动），策略将不会触发任何交易信号。此外，请检查 g.N 和 g.k 的设置，g.k 设置得越大，通道越宽，触发交易的频率越低。