周末的提示，不知今天诸君是否安好
做量化的朋友都知道，社区里跑出年化50+%、夏普2.5的回测一抓一大把，但一上实盘，很多“神话”就碎了一地。 为什么？因为回测只是实验室里的真空状态，实盘才是真刀真枪的工程学。
量化圈有个不成文的秘密：从“能跑通的回测代码”，到“敢实盘的交易系统”，中间隔着100个熬夜掉头发的坑。
如果你想少走点弯路，不妨关注一下这个公众号。号主是个普通业余量化玩家，算不上什么大神，也没有多专业多天才。就是平时记录下自己在量化路上踩过的一个个沟沟坎坎，分享出来，希望同路的你，能少掉几根头发。
最近再次研读 @O_iX 大佬的《多策略11：去伪存真，拥抱不择时的核心逻辑》，深感其底层设计的惊艳，代码极其优雅。
但好钢要用在刀刃上。为了让这个神级框架能够 “零缝隙”对接实盘，我花了一周时间对其进行了彻底的“工程化重构”。，咱们不谈故弄玄虚的圣杯，直接把这套 【买卖分离+虚拟账本+绝美可视化】 的实战级框架拆开了讲。更重要的是，我会手把手教你，如何把自己的策略像“搭乐高”一样，拔插式地接入这个顶级框架中。
01 实盘究竟有哪些“天坑”？
如果你把几个独立策略硬生生拼在一个账户里跑，实盘时一定会遇到这三个极其恶心的痛点：
- 资金踩踏（买卖互斥） ：买卖同一时间的就不说了，之前框架是这样，回测验证没问题，但并不是特别适合实盘。还有一种多策略，A策略14:50发出买入信号，但B策略14:55才卖出腾出资金。结果就是A策略干瞪眼买不进去，直接错失行情。
- 账本一锅粥：账户总净值回撤了，到底是你的微盘股策略崩了，还是ETF轮动策略在回调？系统自带的持仓面板全混在一起，你根本分不清，最后只能凭感觉盲人摸象。
- 满屏的Warning警告：多策略频繁调仓时，稍微不注意底层逻辑，平台就会疯狂报错“空持仓卖出警告”。虽然不影响交易，但看着实在让人头皮发麻。
02 核心进化：为实盘而生
为了解决以上痛点，我在原版高内聚低耦合的基础上，植入了三大核心机制，将其打造成纯净的实盘底座。
进化一：严格的买卖分离调度（错峰出行）
我把所有的卖出和买入动作在时间轴上彻底割裂。所有策略先集中在11:00-11:03完成卖出清仓，资金回笼后，再在11:05-11:08执行各自的买入指令。
# 框架调度源码截取
if g.portfolio_value_proportion[0] > 0:
run_weekly(jsg_sell, 1, "11:00") # 先统一卖出腾出仓位
run_weekly(jsg_buy, 1, "11:05") # 资金到位再按权重买入
run_daily(jsg_check, "14:55") # 尾盘风控检查
大白话：大家排好队，先下车后上车，谁也别抢谁的座（资金）。
进化二：虚拟子账户与独立账本体系
这是整个框架最硬核的地方。我在底层重写了 order_target_value_ 函数。 所有的下单指令全部经过这个“收费站”。只要成交，系统会立刻拦截结算单，精准扣除手续费，并计算每一笔交易的已实现盈亏，然后分发记录到各自策略的“虚拟账本”中。
# === 核心账本拦截系统 ===
def order_target_value_(self, security, value):
# ... (前置风控拦截：ST/停牌过滤)
if adjustment != 0:
o = order(security, adjustment) # 发起真实交易
# 交易成功后，立刻拦截结算单，更新虚拟账本！
if o is not None and o.filled > 0:
commission_fee = getattr(o, 'commission', 0.0)
if o.is_buy:
g.strategy_realized_pnl[self.index] -= commission_fee
else:
# 卖出产生盈亏：(卖出价 - 成本价) * 数量 - 手续费
realized = (o.price - prev_avg_cost) * o.filled - commission_fee
g.strategy_realized_pnl[self.index] += realized
# ... (更新对应策略的虚拟持仓数量)
从此，四个策略互不干扰，谁赚谁亏一清二楚，每个策略都有自己的“真实权益净值”。并且通过严谨的 if security in positions 拦截，彻底消灭了底层的空持仓Warning报错。
进化三：强迫症福音——高颜值可视化持仓面板
基于虚拟账本，我接入了 PrettyTable。每天15:06收盘后，系统会自动打印一张多层级的持仓收益明细表。 这表有多爽？直接看实盘跑出来的真实效果：
+--------------------------+------------+------------+------------+------------+---------------+--------------+----------------+
| 策略分类/标的代码 | 标的名称 | 持仓数量 | 当前价格 | 持仓成本 | 浮动盈亏(%) | 浮动盈亏(元) | 持仓市值(元) |
+--------------------------+------------+------------+------------+------------+---------------+--------------+----------------+
| ▼ 【搅屎棍策略】 | 当日收益: | -3.21% | 累计收益: | -3.21% | 策略真实权益: | ——> | 29036.00 |
| ├─ 003017.XSHE | 大洋生物 | 200 | 18.290 | 18.960 | -3.53% | -134.00 | 3658.00 |
| ├─ 002205.XSHE | 国统股份 | 500 | 8.650 | 9.030 | -4.21% | -190.00 | 4325.00 |
| ------------------------ | ---------- | ---------- | ---------- | ---------- | ------------ | ------------ | -------------- |
| ▼ 【全天候策略】 | 当日收益: | -0.45% | 累计收益: | -0.45% | 策略真实权益: | ——> | 49776.87 |
| ├─ 511010.XSHG | 国债ETF | 100 | 141.411 | 141.561 | -0.11% | -15.00 | 14141.10 |
| ├─ 513100.XSHG | 纳指ETF | 6100 | 1.643 | 1.635 | +0.49% | +48.80 | 10022.30 |
| ------------------------ | ---------- | ---------- | ---------- | ---------- | ------------ | ------------ | -------------- |
| ▼ 【简单ROA策略】 | 当日收益: | -2.69% | 累计收益: | -2.69% | 策略真实权益: | ——> | 9731.00 |
| ├─ 600219.XSHG | 南山铝业 | 2400 | 3.910 | 4.020 | -2.74% | -264.00 | 9384.00 |
| ------------------------ | ---------- | ---------- | ---------- | ---------- | ------------ | ------------ | -------------- |
| ▼ 【核心资产轮动策略】 | 当日收益: | -0.03% | 累计收益: | -0.03% | 策略真实权益: | ——> | 9997.13 |
| ├─ 518880.XSHG | 黄金ETF | 800 | 5.977 | 5.974 | +0.04% | +2.13 | 4781.60 |
| ------------------------ | ---------- | ---------- | ---------- | ---------- | ------------ | ------------ | -------------- |
+--------------------------+------------+------------+------------+------------+---------------+--------------+----------------+
2025-01-02 15:06:00 - INFO - 💰 【资金汇总】 总资产: 98541.00 | 账户余额: 11088.40 | 持仓总市值: 87452.60
2025-01-02 15:06:00 - INFO - 📈 【全局表现】 今日总资产涨跌: -1.46% | 账户累计净收益: -1.46%
如果某策略被风控清仓，面板还会极客地显示“└─[ 空仓防守避险中 ]”。每天复盘看一眼这张表，情绪极其稳定。
03 内置四大王牌策略，开箱即用
框架里我配置了4个实战表现优秀的子策略，互相做对冲与互补（回测数据综合表现：年化30%+，夏普近2，最大回撤13%）：
- 搅屎棍策略 (30%仓位)：主攻中小盘/微盘弹性，严格过滤了ST和退市风险，并加入审计意见排雷。
- 全天候策略 (50%仓位)：作为大仓位底仓，利用国债、黄金、纳指、红利低波进行大类资产配置，极度抗跌。
- 简单ROA策略 (10%仓位)：价值投资基本面玩法，买入低PB且高ROA的优质核心公司。
- 核心资产轮动策略 (10%仓位)：在长短周期动量之间寻找强势ETF资产进行轮动捕捉。
这四个策略各司其职，而面向对象的基类设计让你可以随时“拔插”你自己的新策略。你只需继承 Strategy 基类，重写 filter 选股和 select 逻辑，即可瞬间拥有上述所有的买卖分离与独立账本功能！
05 降维打击：如何把你的策略“拔插式”融入本框架？
很多小白拿到这套源码会问：“框架看着牛逼，但我怎么把自己的‘双均线策略’或者‘小盘价值策略’放进去跑呢？”
这就体现出面向对象（OOP）基类的威力了！ 在传统的“屎山代码”里，加一个策略你得重写一遍买卖逻辑、持仓判定、风控拦截……而在本框架下，底层的脏活累活全被 Strategy 基类包揽了（包括停牌剔除、ST过滤、涨跌停规避、独立账本核算），你只需要专注写你的“选股Alpha逻辑”即可。
只需简单3步，就能将你的野路子变成正规军：
第一步：新建一个类，继承框架的 Strategy 基类
假设你要加入一个“我的神级Alpha策略”（选出你心仪的股票等权买入）：
# 继承基类 Strategy
class My_Alpha_Strategy(Strategy):
def __init__(self, context, index, name, display_name):
super().__init__(context, index, name, display_name)
# 设定该策略最大持股数
self.stock_sum = 3
def select(self):
# 【核心逻辑区】：写你的神奇选股逻辑
# 比如经过一顿操作，你选出了下面这3只股票
return['000001.XSHE', '600000.XSHG', '600519.XSHG']
def sell(self, context):
self.context = context
targets = self.select()
# 自动计算等权权重（比如3只股，每只占该策略资金的33.3%）
self.current_targets = {stock: round(1/len(targets), 3) for stock in targets} if targets else {}
# 呼叫基类的 _sell 机器，自动去完成实盘卖出、算账、打印！
self._sell(self.current_targets)
def buy(self, context):
self.context = context
if self.current_targets:
# 呼叫基类的 _buy 机器，自动根据剩余资金买入！
self._buy(self.current_targets)
(看懂了吗？你一行 order() 都不用写，底层全帮你干了！)
第二步：去引擎里注册你的新策略（分配资金与名字）
找到源码里的 initialize 和 process_initialize 函数。
# 1. 重新分配一下资金比例（假设原来4个策略，现在加上你的，变成5个）
g.portfolio_value_proportion =[0.2, 0.4, 0.1, 0.1, 0.2] # 给你分配20%的资金
# 2. 在 process_initialize 里给策略上户口
g.strategys = {
name: cls(context, index=idx, name=name, display_name=display_name)
for display_name, name, cls, idx in[
("搅屎棍策略", "jsg_strategy", JSG_Strategy, 0),
("全天候策略", "all_day_stragety", All_Day_Strategy, 1),
("简单ROA策略", "simple_roa_stragegy", Simple_ROA_Strategy, 2),
("核心资产轮动策略", "etf_rotation_strategy", Etf_Rotation_Strategy, 3),
# ▼ 加上你的新策略，分配索引号为 4
("我的神级Alpha", "my_alpha_strategy", My_Alpha_Strategy, 4),
]
}
第三步：给新策略安排一个专属的交易时间
为了错开买卖，我们在 initialize 里写好调度：
# 设定买卖分离时间：11:04卖出，11:09买入，完美避开其他策略！
if g.portfolio_value_proportion[4] > 0:
run_daily(my_alpha_sell, "11:04")
run_daily(my_alpha_buy, "11:09")
# 别忘了在最外层加两个调度小函数：
def my_alpha_sell(context): g.strategys["my_alpha_strategy"].sell(context)
def my_alpha_buy(context): g.strategys["my_alpha_strategy"].buy(context)
大功告成！ 明天开盘，你的策略就会自动融合进总账户，并且在尾盘15:06的打印表格里，完美展示出 ▼ 【我的神级Alpha】 的专属盈亏账本！这就是工程化框架的降维打击！
06 结语
量化不是拿着完美的历史回测自我催眠，而是用严谨的系统工程去应对未来的不确定性。 量化交易走到深水区，比拼的绝不是某一个神奇的均线参数，而是资金管理、多策略对冲与底层的工程化能力。
一套高内聚低耦合、买卖分离、账本清晰的实盘框架，就像是一台精密的越野车底盘。你随时可以往上面搭载各种不同排量的发动机（子策略）。不赚钱的策略，直接抽离注销；表现好的策略，一键加大资金权重。
这份代码是我近期计划自己实盘用的底座，内置了 【搅屎棍微盘+全天候+ROA价值+ETF轮动】 4大王牌基准策略（回测综合年化30%+，最大回撤13%），去除了所有的冗余逻辑，极其纯粹，更便于识别各策略表现。建议大家拿去后，熟悉代码和交易调度流，再尝试把自己珍藏实盘策略“拔插”进去。
🎁 源码获取
为了方便大家直接二次开发，我把包含：底层调度器 + 虚拟账本OOP基类 + PrettyTable可视化面板 + 4大内置策略 的完整Python源码打包，可以直接在聚宽编译运行。
关注公众号： 【量化学习实战笔记】 ，**********************************
免责声明： 本账号所有量化策略和量化技术仅作技术交流和量化思路分享，文中提及的股票、ETF不构成任何投资建议，代码仅供策略底层逻辑测试使用。金融市场千变万化，据此操作风险自负，本人不承担任何直接或间接责任。入市有风险，投资需谨慎！
