企业官网建设流程全解析

文章前言

本文分上下两篇完整讲解 PTrade 平台set_universe函数，从基础固定股票池到每日自动切换行业股票池实战，覆盖静态、动态两种主流使用场景，附带完整可运行代码、回测日志、踩坑注意事项与投资风险提示，新手看完即可上手使用。

一、函数核心概念：策略专属「股票关注清单」

1. 核心作用

set_universe()是 PTrade 内置基础函数，核心功能：限定策略需要加载、读取数据的股票范围。 生活化类比： 购物前写好购物清单，超市只找清单商品；量化策略仅加载清单内个股行情，过滤全市场冗余数据，提升运行速度、简化日志输出。

2. 底层关键特性

该函数仅用于设置get_history()接口默认读取的股票列表，非强制调用函数；不使用该函数时，调用行情接口必须手动传入股票代码列表。

二、基础语法与两种调用时机

1. 基础语法

入参仅支持股票代码列表，格式规范：沪市.SS、深市.SZ

# 示例：固定3只金融股作为股票池 stock_list = ["600036.SS", "601318.SS", "601988.SS"] set_universe(stock_list)

2. 两种调用场景

1. initialize () 初始化函数（静态固定池）策略启动一次性设定股票池，全程不更换，适合长期持有固定个股策略。
2. before_trading_start () 盘前函数（动态轮动池）每个交易日开盘前刷新股票池，适合行业轮动、每日选股策略。

三、实战场景 1：静态固定股票池（上篇基础案例）

需求

策略启动后固定观测工商银行、建设银行，每根 K 线输出实时收盘价，仅处理清单内标的。

完整代码

def initialize(context): # 全局变量存储固定股票池 g.my_stocks = ["601398.SS", "601939.SS"] # 设置全局观测股票池 set_universe(g.my_stocks) print(f"策略启动，关注股票：工商银行、建设银行") def handle_data(context, data): # 格式化当前时间 current_time = context.current_dt.strftime("%H:%M") print(f"\n{current_time}的价格：") # 遍历股票池打印行情 for stock in g.my_stocks: price = data[stock].close stock_name = "工商银行" if stock == "601398.SS" else "建设银行" print(f"{stock_name}: {price}元")

回测输出日志示例

INFO - INFO - 工商银行: 7.5元 INFO - 建设银行: 8.89元 INFO - INFO - 工商银行: 7.46元 INFO - 建设银行: 8.95元 INFO - INFO - 工商银行: 7.63元 INFO - 建设银行: 9.19元 INFO - 正在进行回测统计数据汇总 INFO - 回测统计数据汇总完成 INFO - 回测结束，结束类型: 程序结束 策略回测结束

场景优势

仅加载 2 只股票数据，计算量小、日志干净，不会出现全市场海量无关数据干扰。

四、实战场景 2：动态每日切换股票池（下篇进阶案例）

需求

按星期自动切换行业股票池：周一银行、周二石油、周三银行、周四白酒、周五保险，无需手动修改代码，盘前自动更新set_universe。

完整可运行代码

def initialize(context): # 预先定义每周对应股票池，0=周一，4=周五 g.weekly_stocks = { 0: ["601398.SS", "601939.SS"], # 周一 银行 1: ["601857.SS", "600028.SS"], # 周二 石油 2: ["600000.SS", "601166.SS"], # 周三 银行 3: ["600519.SS", "600809.SS"], # 周四 白酒 4: ["601318.SS", "601628.SS"] # 周五 保险 } # 股票代码-中文名映射字典 g.stock_names = { "601398.SS": "工商银行", "601939.SS": "建设银行", "601857.SS": "中国石油", "600028.SS": "中国石化", "600000.SS": "浦发银行", "601166.SS": "兴业银行", "600519.SS": "贵州茅台", "600809.SS": "山西汾酒", "601318.SS": "中国平安", "601628.SS": "中国人寿" } def before_trading_start(context, data): # 获取当日交易日，提取星期（0周一~4周五） today = get_trading_day() weekday = today.weekday() # 赋值当日股票池 g.today_stocks = g.weekly_stocks[weekday] # 更新全局观测股票池 set_universe(g.today_stocks) # 打印当日关注标的 names = [g.stock_names[code] for code in g.today_stocks] print(f"今天是周{weekday+1}，关注股票：{names[0]}、{names[1]}") def handle_data(context, data): current_time = context.current_dt.strftime("%H:%M") for stock in g.today_stocks: price = data[stock].close name = g.stock_names[stock] print(f"{current_time} {name}价格：{price}元")

回测日志效果展示

INFO - 今天是周4，关注股票：贵州茅台、山西汾酒 INFO - 15:00 贵州茅台价格：1436.78元 INFO - 15:00 山西汾酒价格：190.39元 INFO - 今天是周5，关注股票：中国平安、中国人寿 INFO - 15:00 中国平安价格：55.54元 INFO - 15:00 中国人寿价格：39.66元 INFO - 今天是周1，关注股票：工商银行、建设银行 INFO - 15:00 工商银行价格：7.27元 INFO - 15:00 建设银行价格：8.7元

适用场景

行业轮动策略、分日期观测不同板块，无需人工修改代码，全自动切换观测范围。

五、高频踩坑注意事项

1. 不使用 set_universe 的隐患未调用函数时，直接通过data[股票代码]读取行情大概率报错，系统无对应股票数据缓存；等同于没有购物清单，无法快速调取目标商品。
2. 股票代码格式严禁写错沪市 60 开头后缀.SS，深市 00/30 开头后缀.SZ，代码后缀错误会直接找不到个股数据，策略运行异常。
3. 动态池更新位置规范每日换股逻辑必须放在before_trading_start盘前函数，不要放在handle_data内频繁重复调用，避免重复加载数据拖慢策略。
4. 股票池数量控制股票池标的越多，数据加载耗时越长，无需求个股及时剔除，优化策略运行效率。

六、投资风险提示

1. 本文全部代码仅为 PTrade 函数语法教学演示，历史回测结果不代表未来实盘收益，A 股存在股价波动、行业政策、宏观经济、流动性等多重投资风险。
2. 本文仅为 Python 量化编程技术科普，不构成任何个股买卖、仓位配置投资建议，入市有风险，投资需谨慎。

七、总结

set_universe核心作用总结三个字：划范围。

1. 静态固定标的：initialize内一次性设置；
2. 动态轮动选股：before_trading_start每日更新； 使用该函数可精简日志、减少数据报错、提升策略运行效率，是 PTrade 量化基础必学函数。