EasyQuant AI量化助手：用AI快速解决 QMT、PTrade、聚宽 等量化编程难题，一键生成策略代码。
https://iris.findtruman.io/ai/tool/ai-quantitative-trading/

问题背景

网格交易（Grid Trading）是一种经典的量化交易策略，通过预先设定价格网格，在价格下跌时分批买入、上涨时分批卖出，从而在震荡行情中持续获取收益。PTrade 支持使用 Python 编写自动化策略，非常适合实现网格交易。

实现思路

网格交易的基本流程如下：

1. 设置基准价格和网格间距（如 2%）。
2. 股价下跌达到一个网格时自动买入。
3. 股价上涨达到一个网格时自动卖出。
4. 每次成交后更新基准价格，继续执行下一轮网格交易。

示例代码

GRID = 0.02          # 网格间距 2%
TRADE_VALUE = 10000  # 每次交易金额

def handle_data(context):

    stock = "600519.SH"
    price = get_current_data()[stock].last_price

    if not hasattr(context, "base_price"):
        context.base_price = price
        return

    # 下跌一个网格，买入
    if price <= context.base_price * (1 - GRID):
        order_value(stock, TRADE_VALUE)
        context.base_price = price

    # 上涨一个网格，卖出
    elif price >= context.base_price * (1 + GRID):
        order_target_percent(stock, 0)
        context.base_price = price

注意事项

• 网格策略适合震荡行情，不适合长期单边上涨或持续下跌行情。
• 网格间距可根据股票波动率调整，一般设置为 1%～5%。
• 建议增加最大持仓、最大加仓次数等风控条件，避免极端行情下风险过高。
• 实盘中可结合止盈止损、移动止损等策略，提高整体收益稳定性。

总结

网格交易能够自动执行低买高卖，减少人为干预，是 PTrade 中应用最广泛的自动化交易策略之一。通过合理设置网格间距和风控参数，可以有效提升策略的稳定性和执行效率。

本文由EasyQuant AI量化助手提供技术支持