动手创建第一个策略。我们不走传统路线，而是创造一个“活”的策略，它会看盘、会思考、会交易。用最少的代码，体会完整的量化流程。

目标：一个会“说话”的交易机器人

我们的策略目标很简单：

• 监控市场：实时获取股票价格
• 决策思考：根据价格做出买卖判断
• 执行交易：自动下单
• 汇报状态：打印日志让我们知道它在想什么

这比单纯的"Hello World"更有意义！

第一步：准备"战略地图"（策略框架）

每个Ptrade策略都遵循一个标准结构，就像烹饪的食谱。先了解这个框架：

# 1. 初始化函数：策略启动时运行一次
def initialize(context):
    # 在这里设置策略参数、股票池等
    pass

# 2. 开盘前运行函数：每个交易日早上9:15运行
def before_trading_start(context):
    # 准备数据，更新股票池等
    pass

# 3. 盘中运行函数：可以设置定时运行或逐笔运行
def handle_data(context, data):
    # 核心交易逻辑在这里
    pass

# 4. 收盘后运行函数：每个交易日15:00后运行
def after_trading_end(context):
    # 收盘后的分析、记录等
    pass

现在我们开始填充这个框架。

第二步：创建你的第一个"活"策略

完整代码（复制即可运行）：

# 文件名：my_first_strategy.py
# -*- coding: utf-8 -*-

# 初始化函数：策略启动时运行一次
def initialize(context):
    """
    策略的初始化设置，只运行一次
    """
    # 打印启动信息
    print("=" * 50)
    print("我的第一个策略启动啦！")
    print(f"启动时间：{context.current_dt}")
    print("策略说明：这是一个演示策略，监控贵州茅台价格")
    print("=" * 50)
    
    # 1. 设置要监控的股票（贵州茅台）
    context.security = '600519.SH'  # 股票代码：贵州茅台
    context.stock_name = "贵州茅台"
    
    # 2. 设置策略参数
    context.buy_price = 1600  # 预设的买入价格
    context.sell_price = 1700  # 预设的卖出价格
    context.position = 0  # 初始持仓为0
    
    # 3. 设置运行频率（每分钟运行一次）
    run_daily(handle_data, time='09:30')  # 开盘时运行
    run_daily(handle_data, time='10:00')  # 10:00运行
    run_daily(handle_data, time='11:00')  # 11:00运行
    run_daily(handle_data, time='14:00')  # 14:00运行
    run_daily(handle_data, time='14:55')  # 收盘前运行
    
    # 4. 设置收盘后运行函数
    run_daily(after_trading_end, time='15:10')
    
    print(f"开始监控 {context.stock_name} ({context.security})")
    print(f"买入条件：价格低于 {context.buy_price} 元")
    print(f"卖出条件：价格高于 {context.sell_price} 元")

# 开盘前准备
def before_trading_start(context):
    """
    每个交易日开盘前运行（09:15）
    """
    print(f"\n{context.current_dt.date()} 交易日开始")
    print("检查系统状态...就绪！")

# 核心交易逻辑
def handle_data(context, data):
    """
    在设定的时间点运行的核心交易函数
    """
    # 1. 获取当前时间和股票数据
    current_time = context.current_dt.strftime("%H:%M:%S")
    
    # 2. 获取贵州茅台的当前价格
    # 注意：在回测中，data是历史数据对象；实盘中是实时数据
    current_price = data.current(context.security, 'price')
    
    # 3. 打印监控信息
    print(f"\n[{current_time}] 检查 {context.stock_name}:")
    print(f"  当前价格: {current_price:.2f} 元")
    print(f"  当前持仓: {context.position} 股")
    
    # 4. 交易决策逻辑
    if current_price < context.buy_price and context.position == 0:
        # 价格低于买入价且空仓，执行买入
        print(f"  → 触发买入信号！")
        print(f"  → 建议操作：买入100股，价格{current_price:.2f}")
        
        # 实际买入代码（实盘时取消注释）
        # order_target_value(context.security, 10000)  # 买入10000元
        # context.position = 100  # 更新持仓记录
        
        print("  [注：实盘模式下会自动执行买入]")
        
    elif current_price > context.sell_price and context.position > 0:
        # 价格高于卖出价且有持仓，执行卖出
        print(f"  → 触发卖出信号！")
        print(f"  → 建议操作：卖出持仓，价格{current_price:.2f}")
        
        # 实际卖出代码（实盘时取消注释）
        # order_target(context.security, 0)  # 清仓
        # context.position = 0  # 更新持仓记录
        
        print("  [注：实盘模式下会自动执行卖出]")
    else:
        # 不满足交易条件
        if context.position > 0:
            print(f"  → 持有中，当前浮盈: {(current_price - context.buy_price) * context.position:.2f} 元")
        else:
            print(f"  → 观望中...")
            if current_price < context.buy_price:
                print(f"    距离买入条件还差 {context.buy_price - current_price:.2f} 元")
            else:
                print(f"    价格过高，等待回调")

# 收盘后运行
def after_trading_end(context):
    """
    每个交易日收盘后运行
    """
    print(f"\n{'='*50}")
    print(f"交易日结束：{context.current_dt.date()}")
    print("生成今日交易报告：")
    print("1. 今日未执行实际交易（演示模式）")
    print("2. 策略运行正常")
    print("3. 明日继续监控")
    print(f"{'='*50}")
    
    # 可以在这里添加保存日志、发送邮件通知等代码

第三步：在Ptrade中运行策略

1. 创建新策略

• 在Ptrade左侧导航栏点击 "策略管理"
• 点击 "新建策略"，命名如 first_strategy.py
• 将上面的代码完整复制粘贴进去

2. 运行回测（最重要的一步！）

• 点击左侧 "数据与回测" → "策略回测"
• 设置回测参数：
• 点击 "运行回测"

3. 查看结果

等待几秒后，你会看到：

• 回测报告：收益率、夏普比率、最大回撤等
• 收益曲线图：你的策略 vs 基准对比
• 交易明细：每一天策略"想"做什么交易
• 日志输出：在"回测日志"中看到策略打印的所有信息

第四步：理解代码的关键部分

1. context 对象

这是策略的"记忆体"，用于存储和传递数据：

context.security = '600519.SH'  # 股票代码
context.buy_price = 1600        # 参数
context.position = 0            # 持仓状态

2. run_daily 定时函数

控制策略何时运行：

run_daily(handle_data, time='10:00')  # 每天10:00运行

3. data.current 获取数据

获取股票的最新信息：

current_price = data.current('600519.SH', 'price')  # 当前价格
# 还可以获取：
# 'open' - 开盘价, 'high' - 最高价, 'low' - 最低价
# 'volume' - 成交量, 'amount' - 成交额

4. 交易函数（注释状态）

实际交易时取消注释：

# 买入10000元的股票
# order_target_value('600519.SH', 10000)

# 卖出全部持仓
# order_target('600519.SH', 0)

第五步：升级你的策略（小挑战）

尝试修改代码，让策略更智能：

挑战1：监控多只股票

# 修改initialize函数
context.stocks = ['600519.SH', '000858.SZ', '300750.SZ']  # 茅台、五粮液、宁德时代

# 修改handle_data函数，循环监控
for stock in context.stocks:
    price = data.current(stock, 'price')
    print(f"{stock} 价格: {price:.2f}")

挑战2：动态调整买卖价格

# 根据20日均价动态设置
hist = attribute_history('600519.SH', 20, '1d', ['close'])
ma20 = hist['close'].mean()
context.buy_price = ma20 * 0.98  # 均线下方2%买入
context.sell_price = ma20 * 1.02  # 均线上方2%卖出

挑战3：添加真实交易（模拟盘）

1. 将Ptrade切换到 "模拟交易" 模式（右上角）
2. 取消代码中的交易注释
3. 适当调整资金（改为10000元）
4. 运行策略，观察实际成交

常见问题与技巧

Q：为什么回测时没有实际交易？

A：因为我们把交易代码注释了。回测只是验证逻辑，实盘/模拟盘才需要真实交易。

Q：如何看到策略的思考过程？

A：查看"回测日志"或"运行监控"中的print输出，这是策略的"自言自语"。

Q：第一次运行要注意什么？

1. 一定先用模拟盘：实盘按钮旁边就是模拟盘切换
2. 从小资金开始：模拟盘设置1万元即可
3. 先运行1-2天观察：不要一开始就跑很久
4. 关注日志错误：如果有红色错误信息，按提示修改

Q：策略不运行怎么办？

• 检查是否设置了run_daily
• 检查股票代码格式是否正确（必须带后缀.SH或.SZ）
• 检查是否在交易时间运行（非交易时间策略不执行）

恭喜！你已经跨出了最关键的一步

现在你有了一个：

• ✅ 能实时监控股价的策略
• ✅ 能根据规则思考的策略
• ✅ 能输出详细日志的策略
• ✅ 准备好扩展为真实交易的策略框架

下一步建议：

1. 用模拟盘运行这个策略3天，观察它的行为
2. 修改买卖价格参数，看看策略反应如何变化
3. 尝试添加第二只股票的监控
4. 研究回测报告，理解每个指标的含义

记住，所有复杂的策略都是从这个简单框架开始的。你已经掌握了Ptrade量化交易的核心工作流！

提示： 当你准备好进行真实交易时，只需要：

1. 取消交易代码的注释
2. 调整资金量为你能接受的额度
3. 切换到模拟盘运行测试
4. 确认无误后，再考虑实盘

现在，去Ptrade里运行你的第一个策略吧！有任何问题，随时查看策略日志，那是你和策略机器人"对话"的窗口。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!