PTrade（恒生 PTrade 量化）从登录→建策略→写代码→调试→回测→仿真→实盘 的超详细、一步到位流程，和 QMT 对比会更清楚差异（PTrade 更像聚宽 / 米筐，API 更标准）。

---

一、PTrade 整体流程总览（先记大框架）

登录 → 准备数据 → 新建策略 → 写代码（initialize handle_data）→ 编译调试 → 回测 → 仿真（模拟）→ 实盘上线 → 监控日志

---

二、第一步：登录与环境准备（必须先做）

1. 登录 PTrade 客户端

• 打开券商版 PTrade（中信、华泰、国泰君安、国金等都有）
• 用资金账号 密码登录
• 必须开通量化交易权限（联系券商）

2. 确认 Python 环境（PTrade 自带，不用额外装）

• PTrade 内置 Python3，无需手动安装
• 编辑器直接写 Python3 代码，默认 UTF-8（中文不乱码）

3. 下载历史数据（回测 / 运行必备）

• 顶部菜单：数据 → 数据下载
• 选择：
• 点击 开始下载，等待完成

---

三、第二步：新建策略（进入编辑器）

方式 1：代码模式（主流、灵活）

1. 左侧栏：策略交易 → 我的策略
2. 右键 → 新建策略
3. 填写：
4. 确定 → 自动生成标准模板代码（含 initialize、handle_data）

方式 2：向导式（零代码，新手）

• 左侧：向导式策略 → 新建
• 五步：选股 → 买卖条件 → 风控 → 回测 → 导出源码
• 不用写代码，适合快速验证想法
• 下面重点讲代码模式（必学）。

---

四、第三步：PTrade 策略代码核心结构（必须背下来）

PTrade 策略只有两个强制函数，和 QMT 很像但名字不同：

1. initialize(context) —— 初始化（只跑 1 次）

• 策略启动时执行一次
• 用途：设置股票池、全局参数、手续费、初始资金
• python
• 运行

def initialize(context):
    # 设置股票池（单只/多只）
    set_universe(['000001.SZ'])  # 平安银行
    
    # 全局参数
    g.short = 5
    g.long = 20
    
    # 手续费（和实盘一致）
    set_commission(Commission(open=0.0003, close=0.001))

2. handle_data(context, data) —— 主逻辑（每根 K 线跑 1 次）

• 按日线 / 分钟线触发
• 用途：取数据、算指标、判断信号、下单
• python
• 运行

def handle_data(context, data):
    # 1. 获取历史数据（最近20根收盘价）
    hist = context.get_history(
        symbol='000001.SZ',
        bar_count=20,
        frequency='1d',
        fields=['close']
    )
    
    close = hist['close'].values
    
    # 2. 计算均线
    ma5 = close[-5:].mean()
    ma20 = close.mean()
    
    # 3. 交易逻辑：金叉买入、死叉卖出
    if ma5 > ma20 and not context.portfolio.positions['000001.SZ'].total_amount:
        order_value('000001.SZ', context.portfolio.available_cash * 0.8)
        log.info("买入信号触发")
        
    elif ma5 < ma20 and context.portfolio.positions['000001.SZ'].total_amount:
        order_target('000001.SZ', 0)
        log.info("卖出信号触发")

关键对象说明

• context：全局上下文（账户、持仓、资金、时间）
• data：当前 K 线数据（open/high/low/close/volume）
• g：全局变量（跨周期保存参数）
• log.info()：打印日志（调试必备）

---

五、第四步：策略编写详细步骤（双均线为例）

Step1：新建策略，生成模板

• 自动有 initialize 和 handle_data，不要删

Step2：写 initialize（初始化）

• 设置股票池、参数、手续费

Step3：写 handle_data（核心逻辑）

1. 获取历史数据：context.get_history()
2. 计算指标：均线、MACD、RSI 等
3. 判断买卖条件：金叉 / 死叉、突破、背离
4. 执行下单：

Step4：添加风控（强烈建议）

• 仓位控制：单票≤80%，总仓位≤90%
• 止损：个股亏损≥5% 强制平仓
• 单日最大回撤：≤2%
• python
• 运行

# 止损示例
pos = context.portfolio.positions['000001.SZ']
if pos.total_amount > 0 and pos.market_value > 0:
    pnl_ratio = pos.pnl / pos.market_value
    if pnl_ratio < -0.05:
        order_target('000001.SZ', 0)
        log.info("触发止损，全部卖出")

---

六、第五步：编译与调试（排错关键）

1. 保存 / 编译

• 编辑器按 Ctrl S 保存
• PTrade 自动语法检查：

2. 运行调试（看日志）

• 点击编辑器上方 运行 → 选择日线 / 分钟线
• 底部 日志面板 输出：

3. 常见错误

• 缩进错误：Python 必须 4 空格，不要用 Tab
• 数据未下载：提示 “历史数据不足” → 去数据下载
• 股票代码错误：必须带后缀 .SZ/.SS
• 变量名写错：如 context.portfolio 写成 context.port

---

七、第六步：策略回测（验证历史效果）

1. 进入回测界面

• 编辑器点击 回测（或左侧策略右键→回测）

2. 设置回测参数（关键！）

• 时间范围：至少3 年（如 2023-2026）
• 初始资金：如 100000
• 频率：日线 / 1 分钟
• 基准：沪深 300（对比用）
• 滑点：建议 0.1%（模拟实盘冲击成本）
• 手续费：和实盘一致

3. 开始回测

• 点击 开始回测
• 生成回测报告：

4. 回测优化

• 调整参数（如均线周期 5/20 → 10/30）
• 优化逻辑（加入过滤条件，如成交量放大）
• 强化风控（降低回撤）

---

八、第七步：仿真交易（实盘前必测）

1. 进入仿真

• 左侧：策略交易 → 我的策略 → 右键 → 仿真运行
• 或编辑器点击 仿真

2. 运行 1–2 周

• 观察：

---

九、第八步：实盘运行（谨慎！）

1. 实盘前检查

• 仿真运行至少 1 周稳定
• 确认手续费、滑点、风控和实盘一致
• 核对股票池、下单数量

2. 启动实盘

• 策略右键 → 实盘运行
• 确认资金账号 → 点击 启动

3. 实盘监控

• 实时看：总资产、可用资金、持仓、交易日志
• 异常立即停止策略

---

十、PTrade vs QMT 核心区别（避坑）

• 函数名：PTrade 是 initialize/handle_data；QMT 是 init/handlebar
• 数据获取：PTrade 用 context.get_history；QMT 用 ContextInfo.get_bar_data
• 下单函数：PTrade 更丰富（order_value/order_target）；QMT 是 order_buy/order_sell
• 语法：PTrade 默认 UTF-8；QMT 必须 #coding:gbk

---

十一、完整流程一句话总结

准备数据 → 新建策略 → 写 initialize 初始化 → 写 handle_data 交易逻辑 → 调试 → 回测 → 仿真 → 实盘

股票开户找我！无门槛国债逆回购一折 (百万分之一）！ETF佣金万0.5！融资利率5%以下！优惠多多！免费量化！ptrade&QMT!

温馨提示：投资有风险，选择需谨慎。