90% 的量化新手都会遇到同一个问题：

模拟盘跑的风生水起，年化收益 50% 甚至 100%，但一转到实盘就开始亏钱，而且亏的很惨。

这不是因为你的策略有问题，而是因为你没有做好模拟盘到实盘的过渡。

模拟盘和实盘之间存在很多差异，如果不注意这些差异，就会导致实盘表现和模拟盘相差巨大。

PTrade 作为专业的量化平台，提供了完全一致的模拟盘和实盘环境，只要掌握正确的方法，就能实现模拟盘到实盘的无缝切换。

模拟盘与实盘的核心差异

1. 成交差异：模拟盘是按最新价格即时成交，而实盘存在滑点、流动性不足、部分成交等问题。
2. 交易成本差异：很多模拟盘的交易成本设置得很低，甚至为零，而实盘有佣金、印花税、过户费等费用。
3. 行情延迟差异：模拟盘的行情可能会有延迟，而实盘是实时行情。
4. 心理差异：模拟盘用的是虚拟资金，你不会有心理压力，而实盘用的是真金白银，很容易受到情绪的影响。
5. 系统差异：模拟盘的系统负载较低，而实盘的系统负载较高，可能会出现延迟、卡顿等问题。

如何实现无缝切换

步骤 1：在模拟盘中还原实盘环境

在开始实盘之前，一定要在模拟盘中完全还原实盘的环境：

• 设置真实的交易成本：在 PTrade 的模拟盘设置中，把佣金、印花税、过户费设置成和你实盘一样的标准。
• 设置合理的滑点：根据你交易的品种和资金量，设置合理的滑点。比如大盘股可以设置 0.1% 的滑点，小盘股可以设置 0.3%-0.5% 的滑点。
• 使用实盘行情源：PTrade 的模拟盘支持使用实盘行情源，确保行情数据和实盘一致。
• 使用相同的交易通道：模拟盘和实盘使用相同的交易通道，确保交易延迟一致。

步骤 2：编写兼容模拟和实盘的代码

很多人在模拟盘和实盘使用不同的代码，这是非常错误的做法。你应该编写一套同时兼容模拟和实盘的代码，通过一个开关来切换环境。

以下是一个兼容模拟和实盘的策略模板：

python

运行

# -*- coding: gbk -*-
"""
兼容模拟和实盘的策略模板
"""
# 环境开关：True表示实盘，False表示模拟盘
REAL_TRADE = False

# 全局配置
CONFIG = {
    "real": {
        "account_id": "你的实盘资金账号",
        "commission_rate": 0.0001,  # 实盘佣金率
        "slippage": 0.001,  # 实盘滑点
    },
    "sim": {
        "account_id": "你的模拟资金账号",
        "commission_rate": 0.0001,  # 模拟盘佣金率
        "slippage": 0.001,  # 模拟盘滑点
    }
}

def init(context):
    # 根据环境开关加载配置
    if REAL_TRADE:
        context.config = CONFIG["real"]
        print("当前运行环境：实盘")
    else:
        context.config = CONFIG["sim"]
        print("当前运行环境：模拟盘")
    
    # 策略初始化
    context.stock = "000001.SZ"
    context.short_period = 5
    context.long_period = 20

def handlebar(context):
    # 获取历史数据
    df = context.get_history(context.long_period + 1, "1d", "close", [context.stock])
    df = df[context.stock]
    
    # 计算均线
    df["ma_short"] = df["close"].rolling(context.short_period).mean()
    df["ma_long"] = df["close"].rolling(context.long_period).mean()
    
    # 获取最新的均线值
    ma_short = df["ma_short"].iloc[-1]
    ma_long = df["ma_long"].iloc[-1]
    ma_short_prev = df["ma_short"].iloc[-2]
    ma_long_prev = df["ma_long"].iloc[-2]
    
    # 获取当前持仓
    position = context.get_position(context.stock)
    
    # 金叉买入
    if ma_short_prev < ma_long_prev and ma_short > ma_long and position.quantity == 0:
        # 计算买入价格（考虑滑点）
        buy_price = context.get_last_price(context.stock) * (1 + context.config["slippage"])
        # 计算买入数量
        cash = context.get_account().cash
        quantity = int(cash * 0.8 / buy_price / 100) * 100
        # 下单
        context.order(context.stock, quantity, buy_price)
        print(f"买入：{context.stock}，价格：{buy_price:.2f}，数量：{quantity}")
    
    # 死叉卖出
    elif ma_short_prev > ma_long_prev and ma_short < ma_long and position.quantity > 0:
        # 计算卖出价格（考虑滑点）
        sell_price = context.get_last_price(context.stock) * (1 - context.config["slippage"])
        # 下单
        context.order_target_percent(context.stock, 0, sell_price)
        print(f"卖出：{context.stock}，价格：{sell_price:.2f}，数量：{position.quantity}")




这样，你只需要修改REAL_TRADE这个开关，就能在模拟盘和实盘之间切换，不用修改任何其他代码。

步骤 3：小资金实盘测试

当你的策略在模拟盘稳定运行至少 1-3 个月，并且表现符合预期后，不要直接满仓实盘，而是先用小资金进行测试。

建议用总资金的 10%-20% 进行实盘测试，至少运行 1 个月，观察实盘表现和模拟盘的差异。如果差异在可接受范围内，再逐步加仓。

步骤 4：持续监控与优化

实盘运行后，要持续监控策略的表现，对比实盘和模拟盘的收益曲线。如果出现较大差异，要及时找出原因并进行优化。

常见的差异原因及解决方法：

• 滑点过大：优化下单算法，使用 TWAP/VWAP 拆单，避免在流动性差的时候交易。
• 成交率低：调整下单价格，使用市价单或更激进的限价单。
• 策略失效：重新回测策略，调整参数或更换策略逻辑。

如果你在模拟转实盘的过程中遇到了问题，欢迎点我头像私信。我会免费为你开通 PTrade 量化权限，提供一对一的模拟转实盘指导，以及兼容模拟和实盘的策略模板。

风险提示：模拟盘收益不代表实盘收益，量化交易存在市场风险、策略失效风险等。本内容仅为投资者教育目的，不构成任何投资建议。

免责声明：本栏目刊载的信息力求准确可靠，但对信息的准确性或完整性不作任何保证，亦不对因使用该等信息而引发的损失承担责任。