在 QMT 和 Ptrade 中，编写一个在回测阶段和实盘阶段执行略有不同逻辑的策略，可以通过以下方式实现：

QMT

1. 利用全局变量区分环境：在策略代码中定义一个全局变量来标记当前是回测还是实盘环境。例如：
8. python

IS_BACKTEST = True  # 初始设为回测，实盘时手动改为False

def init(context):
    global IS_BACKTEST
    # 可通过获取某些环境变量来动态判断，这里简化为手动设置
    pass

def handlebar(context, bar_dict):
    if IS_BACKTEST:
        # 回测阶段逻辑
        log.info('回测阶段，执行特定逻辑')
        # 比如使用历史数据做更复杂的分析
    else:
        # 实盘阶段逻辑
        log.info('实盘阶段，执行特定逻辑')
        # 例如实时获取行情数据并快速决策

1. 使用不同的数据获取方式：回测时可使用本地已下载的历史数据，实盘时则需实时获取最新行情数据。
8. python

def get_data():
    if IS_BACKTEST:
        # 从本地历史数据获取
        data = download_history_data("000001.SZ", "1d", "20230101", "")
        return data
    else:
        # 实时获取行情数据
        real_time_data = get_realtime_quotes(["000001.SZ"])
        return real_time_data

1. 交易执行差异：回测时交易执行相对理想化，实盘时要考虑更多实际因素，如订单类型、成交情况等。
8. python

def execute_trade(security, amount, direction):
    if IS_BACKTEST:
        # 回测时简单模拟成交
        log.info(f'回测中，模拟以市价单 {direction} {amount} 股 {security}')
    else:
        # 实盘时发送真实订单
        if direction == 'buy':
            order_id = buy(security, amount, price_type = PriceType.MARKET)
        else:
            order_id = sell(security, amount, price_type = PriceType.MARKET)
        # 检查订单状态等实盘操作
        status = get_order_status(order_id)
        log.info(f'实盘下单，订单ID: {order_id}，状态: {status}')

Ptrade

1. 通过环境变量或配置文件区分：可以在策略代码中读取环境变量，或者加载一个配置文件来判断当前是回测还是实盘。例如，通过读取环境变量TRADING_ENV：
8. python

import os

def initialize(context):
    env = os.getenv('TRADING_ENV')
    if env == 'BACKTEST':
        context.is_backtest = True
    else:
        context.is_backtest = False

def handle_data(context, data):
    if context.is_backtest:
        # 回测阶段逻辑
        log.info('回测阶段，执行特定逻辑')
        # 回测时可进行更详细的统计分析
        analyze_backtest_data(data)
    else:
        # 实盘阶段逻辑
        log.info('实盘阶段，执行特定逻辑')
        # 实盘时注重实时性和风险管理
        manage_real_time_risk(data)

1. 数据处理和获取差异：回测数据可从本地或云端的历史数据存储获取，实盘则从实时行情接口获取。
8. python

def get_data(context):
    if context.is_backtest:
        # 从历史数据获取
        history_data = get_history(context.security, start_date='2023-01-01', end_date='2023-12-31', frequency='1d')
        return history_data
    else:
        # 实时获取行情数据
        real_time_data = get_current_data(context.security)
        return real_time_data

1. 交易逻辑调整：回测时可简单按策略信号模拟成交，实盘时要处理订单排队、撤单等情况。
8. python

def execute_trade(context, security, amount, direction):
    if context.is_backtest:
        # 回测时模拟成交
        log.info(f'回测中，模拟以市价单 {direction} {amount} 股 {security}')
    else:
        # 实盘时发送订单
        if direction == 'buy':
            order_id = order_shares(security, amount, 'buy')
        else:
            order_id = order_shares(security, amount,'sell')
        # 监控订单状态
        while True:
            status = get_order_status(order_id)
            if status in ['FILLED', 'CANCELLED', 'REJECTED']:
                break
        log.info(f'实盘下单，订单ID: {order_id}，最终状态: {status}')




通过上述方法，可以有效地让策略在回测和实盘阶段执行不同的逻辑，以更好地适应不同的交易环境。

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!