今天继续按计划给大家更新量化教程，今天更新ptrade常见问题第二期，前面更新了一个内容

更新的内容计划，前面更新了算法研究--日内拐点交易算法原理研究，点赞加关注后面持续更新内容

1 策略算法原理
2qmt使用教程
3策略算法原理
4量化研报
5 ptrad使用教程
6 因子分析
7策略算法原理

1、该函数用于以日为单位周期性运行指定函数，可对运行触发时间进行指定。

2、该函数只能在初始化阶段initialize函数中调用。

3、该函数可以在initialize中多次调用，以实现多个定时任务。但需要注意的是交易中定时任务线程数限制为5且累计的任务不执行，即run_daily和run_interval累计调用超过5次时，将会因堵塞导致部分定时任务不触发。

4、股票策略回测中，当回测周期为分钟时，time的取值指在09:31~11:30与13:00~15:00之间，当回测周期为日时，无论设定值是多少都只会在15:00执行；交易中不受此时间限制。

# -*- coding: utf-8 -*-"""run_daily 用法示例（优化版）展示了多个定时任务的配置方式，避免与内部函数名冲突"""def initialize(context):    # 设置股票池    g.security = '6.SS'    set_universe(g.security)    # ==================== 多个定时任务示例 ====================    # 1. 盘前任务：9:02 运行（交易环境可用）    run_daily(context, my_before_market_open, time='09:02')    # 2. 集合竞价任务：9:23 运行（回测分钟级可用）    run_daily(context, my_aggregate_auction_func, time='9:23')    # 3. 盘中任务：10:00 运行（回测分钟级可用）    run_daily(context, my_mid_day_task, time='10:00')    # 4. 尾盘任务：14:50 运行（回测分钟级可用）    run_daily(context, my_after_market_close, time='14:50')    # 5. 盘后任务：15:10 运行（交易环境可用，回测日线级在15:00执行）    run_daily(context, my_post_market_task, time='15:10')    log.info("定时任务设置完成，共5个任务")# ==================== 定时任务函数定义 ====================def my_before_market_open(context):    """盘前任务：9:02 执行"""    log.info(f"盘前任务执行 - {context.current_dt}")    # 获取历史数据等准备工作    history_data = get_history(10, '1d', 'close', g.security, fq='pre', include=True)    log.info(f"获取历史数据完成")def my_aggregate_auction_func(context):    """集合竞价任务：9:23 执行"""    log.info(f"集合竞价任务执行 - {context.current_dt}")    stock = g.security    # 获取最新价和涨停价    snapshot = get_snapshot(stock)    price = snapshot[stock]['last_px']    up_limit = snapshot[stock]['up_px']    # 如果最新价不小于涨停价则买入    if float(price) >= float(up_limit):        order(g.security, 100, limit_price=up_limit)        log.info(f"集合竞价买入: {stock}")def my_mid_day_task(context):    """盘中任务：10:00 执行"""    log.info(f"盘中任务执行 - {context.current_dt}")    # 检查持仓状态    positions = get_positions()    log.info(f"当前持仓: {positions}")def my_after_market_close(context):    """尾盘任务：14:50 执行"""    log.info(f"尾盘任务执行 - {context.current_dt}")    # 执行调仓操作    stock = g.security    # 获取当前价格    snapshot = get_snapshot(stock)    price = snapshot[stock]['last_px']    # 买入操作    order(g.security, 100)    log.info(f"尾盘买入: {stock}")def my_post_market_task(context):    """盘后任务：15:10 执行"""    log.info(f"盘后任务执行 - {context.current_dt}")    # 盘后处理：如逆回购、日志记录等    cash = context.portfolio.cash    log.info(f"盘后资金余额: {cash:.2f}")# ==================== 必选函数 ====================def handle_data(context, data):    """盘中处理函数（日线级别每天15:00执行一次）"""    # 日线策略中，handle_data 在15:00执行    # 这里可以放置主要的交易逻辑    pass

特别注意定时超了5个可能后面的模块拉不起来

# ❌ 错误写法：超过5个定时任务会导致部分任务不执行run_daily(context, task1, time='09:00')run_daily(context, task2, time='09:30')run_daily(context, task3, time='10:00')run_daily(context, task4, time='10:30')run_daily(context, task5, time='11:00')run_daily(context, task6, time='11:30')  # 第6个任务不会执行# ✅ 正确写法：合并任务或减少任务数量run_daily(context, combined_task, time='10:00')  # 将多个逻辑合并到一个函数

1、该函数用于以设定时间间隔(单位为秒)周期性运行指定函数，可对运行触发时间间隔进行指定。

3、运行时间(1) PTrade1.0-QTV202501.04.000版本之前，启动当天根据启动时间+设置周期，第二天则是9：30 + 设置周期(2) PTrade1.0-QTV202501.04.000版本（含）之后，run_interval接口增加入参 interval_timer_ranges字段，支持设置运行的时间段，即支持配置24小时都能运行，例如配置：“09:15-11:30, 13:00-15:00”表示从上午9点15分到11点半和下午1点到3点的时间范围。

4、该函数可以在initialize中多次调用，以实现多个定时任务。但需要注意的是交易中定时任务线程数限制为5且累计的任务不执行，即run_daily和run_interval累计调用超过5次时，将会因堵塞导致部分定时任务不触发。

5、最小运行时间间隔seconds的设置规则：期货策略为1秒（用户设置值若小于1秒，系统仍当做1秒处理），股票等其他类型策略为3秒。

# -*- coding: utf-8 -*-"""run_interval 用法示例（优化版）展示了多个定时任务的配置方式，避免与内部函数名冲突"""def initialize(context):    # 设置股票池    g.security = '60.SS'    set_universe(g.security)    # ==================== 多个 run_interval 定时任务示例 ====================    # 1. 每3秒运行一次（股票最小间隔）    run_interval(context, my_tick_handle, seconds=3)    # 2. 每10秒运行一次（常规间隔）    run_interval(context, my_interval_handle, seconds=10)    # 3. 每60秒运行一次（1分钟间隔）    run_interval(context, my_minute_handle, seconds=60)    log.info("定时任务设置完成，共3个任务")# ==================== 定时任务函数定义 ====================def my_tick_handle(context):    """tick级别处理函数：每3秒执行一次"""    log.info(f"tick级别任务执行 - {context.current_dt}")    stock = g.security    # 获取最新行情快照    snapshot = get_snapshot(stock)    price = snapshot[stock]['last_px']    log.info(f"股票 {stock} 最新价: {price}")    # 示例：简单的价格监控逻辑    if price > 0:        # 获取当前持仓        position = get_position(stock)        if position is None or position.amount == 0:            # 没有持仓，考虑买入            log.info(f"当前无持仓，监控价格: {price}")        else:            # 有持仓，监控盈亏            cost = position.cost_basis            profit_ratio = (price - cost) / cost * 100            log.info(f"持仓盈亏比例: {profit_ratio:.2f}%")def my_interval_handle(context):    """常规间隔处理函数：每10秒执行一次"""    log.info(f"常规间隔任务执行 - {context.current_dt}")    # 获取账户信息    total_value = context.portfolio.portfolio_value    cash = context.portfolio.cash    log.info(f"账户总资产: {total_value:.2f}, 可用资金: {cash:.2f}")    # 获取当前持仓    positions = get_positions()    if positions:        for stock, pos in positions.items():            log.info(f"持仓 {stock}: {pos.amount}股, 成本 {pos.cost_basis:.2f}")    else:        log.info("当前无持仓")def my_minute_handle(context):    """分钟级别处理函数：每60秒执行一次"""    log.info(f"分钟级别任务执行 - {context.current_dt}")    stock = g.security    # 获取历史数据用于技术分析    history_data = get_history = get_history(5, '1d', 'close', stock, fq='pre', include=True)    if history_history is not None and not history_history.empty:        close_prices = history_history['close'].values        ma5 = close_prices.mean()        # 获取当前价格        snapshot = get_snapshot(stock)        current_price = snapshot[stock]['last_px']        log.info(f"股票 {stock} 当前价: {current_price:.2f}, 5日均线: {ma5:.2f}")        # 示例：均线策略逻辑        if current_price > ma5:            log.info(f"价格在均线上方，趋势偏多")        else:            log.info(f"价格在均线下方，趋势偏空")# ==================== 必选函数 ====================def handle_data(context, data):    """盘中处理函数（日线级别每天15:00执行一次）"""    # 日线策略中，handle_data 在15:00执行    # 这里可以放置主要的交易逻辑    pass

# ❌ 错误写法：超过5个定时任务会导致部分任务不执行run_interval(context, my_task1, seconds=3)run_interval(context, my_task2, seconds=5)run_interval(context, my_task3, seconds=10)run_interval(context, my_task4, seconds=30)run_interval(context, my_task5, seconds=60)run_interval(context, my_task6, seconds=120)  # 第6个任务不会执行# ✅：合并任务或减少任务数量run_interval(context, my_combined_task, seconds=10)  # 将多个逻辑合并到一个函数

# 股票策略：最小间隔为3秒run_interval(context, my_task, seconds=3)  # ✅ 有效run_interval(context, my_task, seconds=1)  # ❌ 会被自动调整为3秒# 期货策略：最小间隔为1秒run_interval(context, my_task, seconds=1)  # ✅ 有效run_interval(context, my_task, seconds=0.5)  # ❌ 会被自动调整为1秒

def initialize(context):    # 多个 run_interval 会以多个线程并行运行    run_interval(context, my_task_a, seconds=3)    run_interval(context, my_task_b, seconds=5)    # ⚠️ 小心不同线程之间的逻辑关联处理    # 例如：不要在多个线程中同时修改同一个全局变量而不加锁def my_task_a(context):    # 线程A：读取数据    g.shared_data = get_snapshot(g.security)  # 可能被线程B同时修改def my_task_b(context):    # 线程B：写入数据    g.shared_data = get_history(10, '1d', 'close', g.security)  # 可能覆盖线程A的数据

3量化策略报错：无法获取到000300.SH对应的数据，设置基准失败。

1、量化中上海市场代码的尾缀为SS，不是SH，客户可将000300.SH改成000300.SS；

2、代码不确定尾缀的可以在量化回测策略中，输入代码即可联想到后缀，选择即可。

4量化的历史行情数据，支持什么周期的？

frequency：K线周期，现有支持1分钟线（1m）、5分钟线（5m）、15分钟线（15m）、30分钟线（30m）、60分钟线(60m)、120分钟线（120m）、日线（1d）、周线（1w/weekly）、月线（mo/monthly）、季度线（1q/quarter）和年线（1y/yearly)频率的数据。

5量化get_price/get_history接口能获取多久之前的数据。

能获取2005年后的数据，具体以客户环境的历史数据为准，一般生产环境能获取2005年之后的数据

get_history当日数据时include参数如果是true，就取行情服务器最新一根k线；如果是false，就是取最新一根k线的上一根。

7一分钟线与多分钟周期数据get_history 取值逻辑

1、逻辑都是：比如9:47:40秒获取，include = True, 分钟线是获取到094700的数据，五分钟线实际获取到的是9.47时候的五分钟线，此时的时间戳是9.50; 2、分钟线将最新的一根切除了，五分钟线没有切除，也就是五分钟线是实时请求到行情服务器最新的结果; 3、其他多分钟周期的，跟五分钟逻辑一样

8get_history函数取五分钟线，include使用true和false有什么区别？

1、使用true时，会包含最新生成的五分钟线，例如10.35.33执行，会获取到10.40.00这一根五分钟线（行情实时生成变化，在某一分钟内是一个定值）; 

2、若是false时，则在10.35.33执行的语句只能获取到10.35.00着一根五分钟线，为已经结束的时间内的五分钟线，不再会变化。

9 9点30分46秒调用 get_history(include=True)没有取到当日最新的数据。

此为正常现象，需要到9点31之后才可取到当日最新的数据，对于分钟k线，include=True取到的是最新的 一根完整K线，对于日线来说，9点31分前的取到的是一上一交易日的日线，9点31分后取到的是当前交易日最新的日线。

10 量化中获取很多代码的收盘价有误差？

东财软件/同花顺/通达信默认开启复权，量化get_price、get_history接口fq-数据复权选项不设置默认不开启，所以客户对比会有误差。客户可将两个软件都调整为复权或者不复权再进行对比，正常。

更多的内容后面的教程继续更新

PTrade量化FAQ第2期：从策略运行到实盘的高频问题

投资顾问

编程语言

开发工具

后端

PTrade量化教程详解run_daily与run_interval定时任务用法，含代码示例、执行时间规则及5个任务上限限制，同时解答量化常见问题，涵盖数据周期、get_history参数及复权设置等实用技巧。

服务器

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

PTrade量化FAQ第2期：从策略运行到实盘的高频问题

PTrade量化FAQ第2期：从策略运行到实盘的高频问题

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐