为什么要做持久化处理？
在服务器异常、策略优化、系统重启等场景中，模拟盘和实盘策略可能会中断，一旦停止，内存中的全局变量就会被清空。因此，持久化处理是保障交易连续性的重要手段！

量化框架的持久化处理方式：

• 使用 pickle 模块保存股票池、账户信息、订单信息、以及全局变量 g 中定义的内容。
• 在 before_trading_start（隔日开始）、handle_data、after_trading_end 等事件后会自动触发保存。

⚠️ 注意事项：

• 券商升级或环境重启后，框架会先执行 initialize 函数，再恢复持久化数据。
• 如果持久化中有 g 中的变量，会覆盖 initialize 中的初始化值。
• 不能序列化的变量（如文件对象、类实例）不会被保存。
• 可以在 initialize 中将变量名以 __ 开头，表示私有变量，持久化时不会被保存。

回测 vs 研究环境区别：

• 研究环境：侧重数据清洗、建模、画图、调试，类似本地Python编程，不能调用下单、账户资产等交易函数。
• 回测环境：适合完整策略搭建、参数调优、历史收益回测，更贴近真实交易。
• 一般用于调试程序的用户建议使用研究环境，而想评估策略历史表现的用户更适合回测环境。

回测个数限制：
目前支持同时进行 5个回测任务，注意合理安排。

⚡ 回测速度优化技巧：

• 部分接口为在线调用（如 get_fundamentals、get_Ashares），受网络影响较大，尽量减少调用频率。
• 分钟级策略中，如果需要日频数据，可在 before_trading_start 模块中一次性加载，提升回测效率。

总结：
持久化保障交易连续性，回测与研究环境各有用途，合理利用能提升策略开发效率！

#PTrade #量化交易 #回测 #持久化 #策略开发

如需测试账户或策略模板，立即联系我获取专属支持！欢迎加我私信！