一、网格交易 vs 其他策略：本质核心区别

✅ 趋势跟踪策略：赚取价格持续单向运行的趋势收益；

✅ 配对交易：赚取两只关联标的价差偏离后回归常态的修复收益；

• 单边下跌：价格跌破网格下限持续走低，策略持续加仓，最终大概率满仓被套。

二、全套QMT网格交易代码框架演示

本策略无需依赖任何复杂技术指标，仅依托标的实时价格完成全部买卖判断，代码结构简洁清晰、注释完整、可直接实盘复用。

import numpy as np

def init(ContextInfo):
    # ===== 交易标的 =====
    ContextInfo.stock = '510300.SH'
    ContextInfo.set_universe([ContextInfo.stock])
    
    # ===== 网格核心参数 =====
    ContextInfo.grid_low = 3.70        # 网格区间下限
    ContextInfo.grid_high = 4.30       # 网格区间上限
    ContextInfo.grid_step = 0.02       # 网格间距（固定0.02元/格）
    ContextInfo.per_amount = 10000     # 单格交易金额（元）
    
    # ===== 双层风控参数 =====
    ContextInfo.max_position_pct = 0.8 # 最大持仓比例（严控80%以内）
    ContextInfo.stop_loss_pct = 0.05   # 破网止损阈值（下限跌破5%无条件清仓）
    
    # ===== 运行状态记录 =====
    ContextInfo.last_grid_level = None # 上一根K线网格层级
    ContextInfo.total_levels = int((ContextInfo.grid_high - ContextInfo.grid_low) / ContextInfo.grid_step)

def handlebar(ContextInfo):
    stock = ContextInfo.stock
    
    # ===== 1. 获取实时最新价格 =====
    tick = ContextInfo.get_full_tick([stock])
    current_price = tick[stock]['lastPrice']
    if current_price <= 0:
        return
    
    # ===== 2. 实时映射当前网格层级 =====
    # 下限对应0层，上限对应最高层，区间内按步长折算层级
    if current_price <= ContextInfo.grid_low:
        current_level = 0
    elif current_price >= ContextInfo.grid_high:
        current_level = ContextInfo.total_levels
    else:
        current_level = int((current_price - ContextInfo.grid_low) / ContextInfo.grid_step)
    
    # ===== 3. 首次启动策略：自动建立初始底仓 =====
    if ContextInfo.last_grid_level is None:
        ContextInfo.last_grid_level = current_level
        # 取网格中间层级作为底仓基准
        mid_level = ContextInfo.total_levels // 2
        if current_level <= mid_level:
            target_value = ContextInfo.per_amount * (mid_level - current_level + 1)
            order_target_value(stock, target_value, ContextInfo)
        return
    
    # ===== 4. 破网止损 + 仓位上限双重风控 =====
    pos = ContextInfo.get_position(stock)
    if pos > 0:
        total_asset = ContextInfo.available_cash + pos * current_price
        current_pct = (pos * current_price) / total_asset
        
        # 跌破下限5%：破网止损，无条件清仓
        if current_price < ContextInfo.grid_low * (1 - ContextInfo.stop_loss_pct):
            order_target_value(stock, 0, ContextInfo)
            ContextInfo.last_grid_level = None
            return
        
        # 持仓超80%：暂停所有买入，杜绝满仓被套
        if current_pct >= ContextInfo.max_position_pct and current_level < ContextInfo.last_grid_level:
            return
    
    # ===== 5. 判定网格线穿越状态（无穿越则不操作）=====
    if current_level == ContextInfo.last_grid_level:
        return
    
    # ===== 6. 价格上行穿越网格：自动减仓卖出 =====
    if current_level > ContextInfo.last_grid_level:
        levels_crossed = current_level - ContextInfo.last_grid_level
        sell_amount = ContextInfo.per_amount * levels_crossed
        current_position_value = pos * current_price
        sell_amount = min(sell_amount, current_position_value)
        if sell_amount > 0:
            order_target_value(stock, current_position_value - sell_amount, ContextInfo)
    
    # ===== 7. 价格下行穿越网格：自动加仓买入 =====
    elif current_level < ContextInfo.last_grid_level:
        levels_crossed = ContextInfo.last_grid_level - current_level
        buy_amount = ContextInfo.per_amount * levels_crossed
        buy_amount = min(buy_amount, ContextInfo.available_cash)
        
        # 二次校验仓位上限，避免超限
        total_asset = ContextInfo.available_cash + pos * current_price
        after_buy_pct = (pos * current_price + buy_amount) / total_asset if total_asset > 0 else 1
        if after_buy_pct <= ContextInfo.max_position_pct and buy_amount > 0:
            order_target_value(stock, pos * current_price + buy_amount, ContextInfo)
    
    # ===== 8. 更新当前网格层级，循环监控 =====
    ContextInfo.last_grid_level = current_level

1、价格网格层级映射逻辑

if current_price <= ContextInfo.grid_low:
    current_level = 0
elif current_price >= ContextInfo.grid_high:
    current_level = ContextInfo.total_levels
else:
    current_level = int((current_price - ContextInfo.grid_low) / ContextInfo.grid_step)
    以本次参数为例：下限3.70元、上限4.30元、步长0.02元，区间总计30格。3.70元对应0层、4.30元对应30层、3.72元对应1层、4.10元对应20层。

2、首次启动底仓建立逻辑

mid_level = ContextInfo.total_levels // 2
if current_level <= mid_level:
    target_value = ContextInfo.per_amount * (mid_level - current_level + 1)
    order_target_value(stock, target_value, ContextInfo)
    系统默认以网格中间层级为分界，当前价格处于区间下半段时，自动布局底仓，且价格越靠近下限，底仓仓位越重；价格处于上半段则暂不建仓，等待价格回落再布局，规避高位开局风险。
核心代码片段：
逻辑解析：网格策略不看绝对价格点位，核心触发条件是网格层级发生变动。

4、最大仓位保护风控逻辑

if current_pct >= ContextInfo.max_position_pct and current_level < ContextInfo.last_grid_level:
    return
    逻辑解析：网格策略最致命的风险就是单边下跌无限加仓、最终满仓被套，本段代码是核心风控防线。
当账户持仓占比达到80%上限时，系统自动暂停所有买入操作。宁可错过低位加仓的反弹机会，也坚决杜绝重仓深套风险，从根源控制最大回撤。
核心代码片段：
逻辑解析：网格策略成立的前提是「价格在预设区间震荡」。

四、QMT代码网格 vs PTrade图形网格：核心优劣对比⚖️

无需编写代码，可视化面板直接填写参数即可启动运行，零门槛上手，适合纯小白快速使用。

支持无限自定义优化，可叠加各类进阶逻辑，突破固定工具限制：

2、叠加ATR指标，动态自适应网格间距，波动大放宽格值、波动小收紧格值；

简单来说：PTrade是固定模板工具，QMT是可定制的策略底座。

1、两大核心固有风险

• 向下破网（深套风险）：价格跌破下限持续阴跌，策略持续加仓，若无风控极易满仓被套。

✅ 最适配标的：沪深300、中证500等宽基ETF，流动性充足、无退市风险、长期有底部支撑，震荡属性稳定；

❌ 禁止使用标的：个股！个股易受基本面利空、黑天鹅影响持续单边下跌，网格越跌越买的逻辑会持续放大亏损，风险极高。

股票/量化开户找我呀！股票佣金万0.854（满足条件）！无门槛国债逆回购一折 (百万分之一）！ETF佣金万0.5！免费量化使用量化软件QMT+ptrade! 优惠多多！

【立即咨询开通】