在 PTrade 平台进行实盘进阶开发，核心在于理解其“云端托管 + 事件驱动 + 沙箱隔离”的架构特性。自定义策略编写不能简单照搬通用 Python 逻辑，必须针对云端环境的限制与优势做针对性适配，才能实现稳定无人值守运行。

自定义策略编写：事件驱动骨架适配

PTrade 采用类 Zipline 的事件驱动框架，initialize 与 handle_data 是实盘运行的基石，编写时需注意云端生命周期管理：
- initialize(context) 初始化隔离：该函数仅在策略启动或每日盘前执行一次。在云端环境中，严禁依赖本地全局变量持久化，应统一挂载到 context 或 g 对象上（如 g.position_flag）。若需盘后持久化（防策略重启丢状态），需在此处初始化文件路径。
- handle_data(context, data) 高频触发：按设定的频率（日/分钟/Tick）循环执行。云端服务器资源受限（通常单账户分配有限 CPU 与内存），避免在循环内调用重 IO 或复杂计算（如循环中反复 get_history 拉长周期数据），建议盘前一次性预处理或缓存计算结果。
- 定时任务解耦：对于中低频策略，优先使用 run_daily(func, time='14:50') 替代高频 handle_data 轮询，减少云端算力消耗与潜在超时中断风险。

云端托管环境的三大适配铁律

PTrade 策略跑在券商机房内网，与本地开发环境存在本质差异，实盘编码必须遵守以下限制：
• 网络孤岛（无外网）：云端沙箱禁止访问互联网，无法使用 requests、urllib 爬取外部数据或连接私有数据库。所有行情与财务数据必须使用内置 API（get_history、get_finance 等），外部因子需提前算好上传至研究目录。

- 库白名单限制：无法自由 pip install。仅支持平台预置的第三方库（如 pandas、numpy、talib、sqlite3，部分券商支持 tushare），且不支持导入本地自定义 .py 模块（所有逻辑需写在单一策略文件内）。
- 文件读写路径锁定：本地路径（C:/、/Users/）在云端无效。读写文件必须使用 get_research_path() 获取服务端统一挂载目录（通常为 /home/fly/notebook/ 或类似），且需通过客户端“研究”面板上传/下载文件，不能直连本地磁盘。

实盘进阶关键：状态持久化与防中断

云端策略可能因券商维护、异常重启而中断，实盘必须处理内存数据丢失问题：
• 序列化存盘：在 handle_data 或 before_trading_start 中，将关键状态（如已持仓标记、自定义计数器）通过 pickle 或 json 写入 get_research_path() 下的文件；在 initialize 中优先尝试读取该文件恢复状态，防止重启后重复开仓。

- 账户与实盘隔离：若同终端切换模拟/实盘，利用 get_user_name() 动态区分持久化文件名，防止模拟盘状态污染实盘逻辑。
• 异常捕获兜底：在交易下单逻辑外包裹 try...except，捕获 order 失败的异常并记录到 log.info 或本地文件，避免单笔报错导致整个云端进程崩溃停止。

实盘部署与监控实操

• 先仿真后实盘：PTrade 实盘环境通常禁止盘中回测以免占用交易资源，且部分券商实盘客户端移除了回测按钮。务必在仿真/模拟环境跑通 1-2 周，验证云端撮合、废单处理、文件读写无误后再切实盘。

- 并发与资源红线：单账户通常限制同时运行 8 个策略以内，且共享内存。复杂策略注意优化 DataFrame 内存占用，避免触发 OOM（内存溢出）被杀进程。
• 日志即监控：云端无法物理盯盘，需善用 log.info 打印关键信号与委托返回值，定期在客户端“交易管理→日志”查看；配合手机 APP 接收券商的委托推送作为兜底监控。

代码示例骨架（含持久化适配）：
# coding:utf-8
import pickle
from collections import defaultdict

def initialize(context):
   g.security = '600570.SS'
   set_universe([g.security])
   
   # 云端研究路径适配
   base_path = get_research_path()
   g.state_file = base_path + f"state_{g.security}.pkl"
   
   # 重启恢复状态（防云端中断）
   try:
       with open(g.state_file, 'rb') as f:
           g.traded = pickle.load(f)
   except:
       g.traded = False  # 默认未交易
   log.info(f"初始化状态恢复：traded={g.traded}")

def handle_data(context, data):
   price = data[g.security]['close']
   # 简单逻辑：仅首次金叉买入
   if not g.traded and price > some_ma:  
       order(g.security, 100)
       g.traded = True
       # 持久化到云端研究目录
       with open(g.state_file, 'wb') as f:
           pickle.dump(g.traded, f)
       log.info("买入并持久化状态")

如需咨询量化开通和低佣优惠，欢迎点击头像与我联系！

新开账户可免费使用QMT、PTrade等量化系统，支持快速交易通道。

各品种交易佣金可调低至成本附近，还有更多福利活动等你来拿。