并非所有人都需要全自动量化，半自动模式（条件单+人工决策）可能更适合部分投资者。PTrade的条件单功能可以与策略组合使用，实现“策略产生信号，条件单执行”的流程。本文介绍一种高效的手动+自动混合模式。

思路：使用PTrade的Python策略生成交易信号，但不直接下单，而是将信号输出到条件单中。这样，投资者可以审核信号后再决定是否执行，同时保留自动风控。

步骤一：编写策略，每天盘后输出信号，保存在一个文件或全局变量中。

`python

def after_trading(context):

   signals = generate_signals()

   with open('signals.csv', 'w') as f:

       f.write('stock,action,price\n')

       for sig in signals:

           f.write(f"{sig['stock']},{sig['action']},{sig['price']}\n")

`

步骤二：手动审核信号文件，或者编写一个外部脚本筛选。然后将认可的股票导入PTrade条件单模板。

步骤三：在PTrade中创建条件单，条件可以设置为“当时间到达次日09:30”，委托价格采用信号文件中的价格。条件单支持从CSV导入批量委托。

或者，编写一个简单的PTrade策略，在开盘时读取信号文件，弹出确认对话框（但PTrade不支持GUI交互，此路不通）。更实用的方法是：在手机APP上收到信号推送，然后手动挂条件单。

PTrade还提供了“微信推送”功能，可以在策略中发送信号到微信：

`python

def send_signal(stock, action):

   wechat.send(f"信号：{stock} {action}")  # 需配置微信机器人

`

半自动量化的优点：保留人工判断，避免策略在特殊市场环境下失控。缺点：不够及时，可能错过最佳点位。

适合人群：对全自动不放心，但又想借助量化筛选的投资者。国金证券的PTrade支持微信推送，10万资金即可开通。量化社群中有人分享半自动化的流程。全自动或半自动，取决于个人风险偏好和技术水平。