[ptrde交易实战] 策略编写！如何做持久化处理！

前言

这篇文章讲解的是一个策略的大体框架应该是怎么样的，模拟盘和实盘有哪些注意事项！更多详情可以看后记！

一、策略编写

1、简单但是完整的策略

def initialize(context):
    set_universe('600570.SS')

def handle_data(context, data):
    pass

一个完整策略只需要两步:

1. set_universe: 设置我们要操作的股票池，上面的例子中，只操作一支股票: '600570.SS'，恒生电子。所有的操作只能对股票池的标的进行。
2. 实现一个函数: handle_data。

这是一个完整的策略，但是我们没有任何交易，下面我们来添加一些交易

2、添加一些交易

def initialize(context):
    g.security = '600570.SS'
    # 是否创建订单标识
    g.flag = False
    set_universe(g.security)

def handle_data(context, data):
    if not g.flag:
        order(g.security, 1000)
        g.flag = True

这个策略里，当我们没有创建订单时就买入1000股'600570.SS'，具体的下单API请看order函数。这里我们有了交易，但是只是无意义的交易，没有依据当前的数据做出合理的分析。

二、实用的策略

下面我们来看一个真正实用的策略

在这个策略里，我们会根据历史价格做出判断:

         如果上一时间点价格高出五天平均价1%，则全仓买入

          如果上一时间点价格低于五天平均价，则空仓卖出

def initialize(context):
    g.security = '600570.SS'
    set_universe(g.security)
    
def handle_data(context, data):
    security = g.security
    sid = g.security
    
    # 取得过去五天的历史价格
    df = get_history(5, '1d', 'close', security, fq=None, include=False)
    
    # 取得过去五天的平均价格
    average_price = round(df['close'][-5:].mean(), 3)

    # 取得上一时间点价格
    current_price = data[sid]['close']
    
    # 取得当前的现金
    cash = context.portfolio.cash
    
    # 如果上一时间点价格高出五天平均价1%, 则全仓买入
    if current_price > 1.01*average_price:
        # 用所有 cash 买入股票
        order_value(g.security, cash)
        log.info('buy %s' % g.security)
    # 如果上一时间点价格低于五天平均价, 则空仓卖出
    elif current_price < average_price and get_position(security).amount > 0:
        # 卖出所有股票,使这只股票的最终持有量为0
        order_target(g.security, 0)
        log.info('sell %s' % g.security)

1、初始化函数 initialize(context):

g.security = '600570.SS': 设定了一个全局变量 g.security，表示要交易的股票代码。
set_universe(g.security):该函数用于设置或者更新此策略要操作的股票池。在这里也就是设置本次策略要操作的股票池是恒生电子

2、数据处理函数 handle_data(context, data)

先是从初始函数中获取股票代码，然后还是使用get_history函数获取过去五天的价格，用average函数获得均值，保留到小数点后三位！

order_value和order_target函数通常用于量化交易平台上的交易指令。order_value用于指定用多少现金来购买股票，而order_target用于指定目标股票数量。

初始化函数和数据处理函数是唯二必须定义的函数！

三、关于持久化

1、为什么要做持久化处理

服务器异常、策略优化等诸多场景，都会使得正在进行的模拟盘和实盘策略存在中断后再重启的需求，但是一旦交易中止后，策略中存储在内存中的全局变量就清空了，因此通过持久化处理为量化交易保驾护航必不可少。

2、量化框架持久化处理

使用pickle模块保存股票池、账户信息、订单信息、全局变量g定义的变量等内容。

3、示例

import pickle
from collections import defaultdict
NOTEBOOK_PATH = '/home/fly/notebook/'
'''
持仓N日后卖出，仓龄变量每日pickle进行保存，重启策略后可以保证逻辑连贯
'''
def initialize(context):
    #尝试启动pickle文件
    try:
        with open(NOTEBOOK_PATH+'hold_days.pkl','rb') as f:
            g.hold_days = pickle.load(f)
    #定义空的全局字典变量
    except:
        g.hold_days = defaultdict(list)
    g.security = '600570.SS'
    set_universe(g.security)

# 仓龄增加一天
def before_trading_start(context, data):
    if g.hold_days:
        g.hold_days[g.security] += 1
        
# 每天将存储仓龄的字典对象进行pickle保存
def handle_data(context, data):
    if g.security not in list(context.portfolio.positions.keys()) and g.security not in g.hold_days:
        order(g.security, 100)
        g.hold_days[g.security] = 1
    if g.hold_days:
        if g.hold_days[g.security] > 5:
            order(g.security, -100)
            del g.hold_days[g.security]
    with open(NOTEBOOK_PATH+'hold_days.pkl','wb') as f:
        pickle.dump(g.hold_days,f,-1)

导入库和模块：
import pickle：导入Python的pickle模块，用于序列化和反序列化Python对象。

from collections import defaultdict：从collections模块中导入defaultdict，它是一个字典子类，它提供一个工厂函数作为默认值，为任何尚未存在的键生成一个值。

NOTEBOOK_PATH = '/home/fly/notebook/'：定义了一个字符串常量，表示用于存储pickle文件的路径。

后记

ptrade的渠道可以通过《ptrade开通详则》来获取，感谢看到这里，如果有更多疑问欢迎在评论区支出！