模拟交易变量持久化

由qxiao创建，最终由qxiao更新于2026-01-09 03:03 被浏览 10 用户

1. 回测 vs 模拟交易，最大的“隐藏差异”是什么？

在回测里，策略通常是一个连续进程跑完整个区间：

• initialize() 只执行一次
• 变量在内存里一直存在（计数器、上次调仓日、上次权重……）

但在模拟交易里，系统很常见的运行方式是：

• 每个交易日（或每次任务触发）启动一次策略
• 执行 initialize()、handle_data() 后退出
• 第二天再次启动时，内存变量全部丢失

所以，如果如果把“策略状态”只放在 Python 变量里，模拟交易就会“失忆”。

2. 什么叫“变量持久化”？

变量持久化 = 把策略的关键状态从“内存”搬到“可恢复的存储”里，让策略下次启动还能“记得昨天做过什么”。

在 BigTrader 体系里最直接的方式是 context.user_store：

• 它是一个字典
• 用来存放你的用户状态
• 在模拟交易等模式下会自动保存和恢复
• 但存进去的值需要支持 JSON 序列化

3. 反例：没有进行变量持久化的双均线策略

我们使用一个最简单、最常见的策略——双均线策略（短均线/长均线金叉买入、死叉卖出），并设定“每 5 个交易日才进入一次交易逻辑”来展示：

• 不做持久化会出现什么问题（反例）
• 使用 context.user_store 后如何修正

策略逻辑：

• 计算短均线 MA(short_n) 与长均线 MA(long_n)
• 若 MA(short) > MA(long)：买入（满仓）
• 否则：卖出（空仓）
• 为了展示状态问题，加入一个节奏控制：每 5 个交易日才执行一次交易逻辑

参数示例：

• short_n = 5
• long_n = 20
• rebalance_days = 5
• 标的：510300.SH（示例：沪深300ETF）

关键问题：使用 context.counter 作为计数器，它只是内存变量，模拟交易重启就会归零。

https://bigquant.com/codesharev3/fe834bd1-d447-415d-bd72-657fd24528ce

此代码在回测中可以正常运行，但在模拟交易中策略往往会按天调度、可能反复启动/重启进程，若使用 context.counter这类仅存在于内存的变量来记录调仓计数，就会在重启后被重置，导致“每 5 天执行一次”的节奏失真；因此需要改用 context.user_store对计数器等关键状态进行持久化，才能保证模拟交易跨天连续、稳定运行。

4. “模拟交易标准”的正确写法

4.1 幂等初始化：只在第一次设置默认值

模拟交易可能会按天启动策略进程。若在 initialize() 里每次都给计数器赋值，就会把昨天恢复的状态覆盖掉。正确做法是只在不存在时写入默认值（幂等初始化）。

def initialize(context):
    context.rebalance_days = rebalance_days

    # ✅ 幂等初始化：只在第一次创建 counter
    if "counter" not in context.user_store:
        context.user_store["counter"] = 0

这就是“幂等”：

• 第一次运行：user_store 里没有 counter → 写入默认值 0
• 之后每次启动：counter 已存在（且平台会恢复昨天保存的值）→ 不覆盖
• 这样策略才能“记住昨天过了几天”，保证调仓节奏稳定。

也可以用更短写法：context.user_store.setdefault("counter", 0)，含义一致。

4.2 持久化计数器

防止重启的情况下变量丢失

# ✅ 持久化计数器：跨天/重启不丢
context.user_store["counter"] += 1
if context.user_store["counter"] < context.rebalance_days:
    return
context.user_store["counter"] = 0

• 这段是“节奏控制”的核心：每天 +1，到第 5 天才进入交易逻辑。
• 如果用内存变量，重启后会回到 0，节奏就会失真。
• 换成 user_store["counter"] 后，哪怕重启也能从昨天的值继续累加。

5. user_store 的边界与注意事项

user_store 适合“状态”，不适合“数据”。

5.1 可以存

• int/float/str/bool
• list/dict（内部元素也必须是可序列化类型）
• 小体量状态：计数器、日期、权重字典、开关

5.2 不建议/不要存

• DataFrame
• numpy array、scipy 对象
• 自定义类实例
• 大量历史数据

如果需要保存表格化结果（如每日信号面板、调仓记录、因子表），应使用更合适的数据存储方式（例如写入表），而不是塞进 user_store。

6. 总结

我们在模拟交易中做变量持久化，是为了保证策略具备“连续记忆”，使其运行方式更接近未来的实盘。

\