Ptrade量化软件使用指南：3步将炒股经验转为自动策略
先看一组数据：2025年，A股量化资金规模突破1.8万亿元，全市场约30%的成交额由量化策略驱动。这个数字看似惊人，但如今借助Ptrade这类平台，个人投资者也能快速上手。核心在于把自己积累的炒股经验，转化为机器可执行的策略逻辑。具体如何落地？下面分步拆解。
一个老股民的日常：你的时间消耗在哪儿？
在A股市场征战多年的投资者，典型的一天大致如下：
盘前准备（8:55-9:25）：
- 仓促翻阅研报、浏览新闻；
- 将目标个股加入自选列表；
- 私下计算当日买入卖出的参考价位。
盘中盯盘（9:30-15:00）：
- 目光牢牢锁定屏幕，五屏都嫌不够；
- 手指悬在F12快捷键上，随时准备确认下单；
- 连上厕所都得小跑——午休？根本不可能。
情绪化交易：
- 盈利3%立刻止盈落袋；
- 亏损5%时犹豫不割，最终往往在-15%时被迫离场。
累吗？很累。容易出错吗？极其容易。但关键在于——这些你每天重复的操作流程，恰恰就是最宝贵的量化策略雏形。你不是没有策略，你只是还在手工执行。
假如自己构建一个自动交易策略
设想一下，如果能把你的日常交易逻辑写入自动化规则：
选股：
- 设定你关注的股票池（就像你的自选股列表）；
- 可以是个股，也可以是某个板块的全部股票。
买卖规则：
- 将买入条件写成明确的规则（例如：放量突破20日均线）；
- 同样明确化卖出条件（例如：跌破5日均线止损）。
自动执行：
- 让Ptrade每分钟检查是否满足交易条件；
- 满足条件则立即自动下单。
这不就是梦寐以求的“炒股机器人”吗？Ptrade能助你实现。但工具得顺手，我们先明确对它应有的期望。
对Ptrade交易软件的期待
要落地自己的交易策略，软件至少应满足两个基础需求：
- 提供一个模块来设置关注的股票（一只或一组）；
- 提供一个模块来编写策略规则——比如什么条件买入、什么条件卖出，且该模块支持高频运行（例如每分钟检查一次）。
这两个需求，Ptrade都提供了对应的功能模块。下面看具体操作。
Ptrade策略初始化
首先，Ptrade提供了一个区域来设定关注的股票池：
注意：虽然会涉及Python代码，但非常简洁，后续逐步带大家走通。
def initialize(context):是Python函数声明，照抄即可。initialize意为“初始化”，写法固定，无需修改。- 函数声明后换行，写入策略初始化的代码。
g.stock中的g.表示在全局范围内定义变量，变量名stock可自定义（中文也可，如g.关注股票）。代码习惯用代号表示具体内容，例如g.stock代表后面的'600570.SS'。股票代码后加 <.SS> 表示上证，<.SZ> 表示深证。- 该函数只在回测和交易启动时运行一次，完成策略的初始化设置。
Ptrade策略盘中运行
对应第二个期望：Ptrade提供了编写策略逻辑的地方：
- 该函数每个单位周期执行一次。
- 若是日线级别策略，每天执行一次。股票回测场景下，在15:00执行；实盘交易时，执行时间由券商实际配置决定。
- 若是分钟级别策略，每分钟执行一次。回测场景下执行时间为9:31-15:00；实盘交易场景下为9:30-14:59。
- 回测与交易中，
handle_data函数不会在非交易日触发。
Ptrade中策略骨架
将初始化函数与盘中运行函数组合，就构成了一个完整的策略骨架：
界面展示如下：
一句话总结：在动手编写量化策略之前，先回头审视自己每天炒股时那些下意识的判断——选股逻辑、买卖条件、情绪触发点。把这些经验一条条整理清楚，就是最好的策略起点。Ptrade帮我们将“写清楚”这一步转化为可执行的代码，剩下的就是逐步打磨细节了。