前言
股期一起做量化时，经常有人问我：证券侧已经用恒生 PTrade 跑顺了，期货能不能也挂在同一个终端里省事。我的习惯是先问清账户属性，再谈工具。PTrade 在公开口径里更偏券商采购的证券量化终端，天勤量化则是面向期货研执的 Python SDK，两者层级不同，硬凑成一条链往往会在夜盘、保证金和合约代码上踩坑。下面按期货场景把分工、边界和衔接方式写清楚。
一、天勤量化（TqSdk）：期货研执一体的 Python SDK
天勤量化由信易科技发起并维护主要代码，公开为开源 Python SDK，覆盖行情、历史数据、策略开发、回测、模拟与实盘。期货是公开材料中的重点方向，也覆盖期权与部分证券场景；支持主连、指数、跨期与组合合约等代码体系，回测公开支持 Tick 与 K 线粒度。
核心使用习惯围绕 TqApi 与 wait_update：行情、K 线、Tick、账户、委托、持仓在同一进程模型里刷新。回测、验证与执行常用 TqBacktest、TqSim、TqKq、TqAccount 等对象区分阶段；TargetPosTask、TqMultiAccount、DataDownloader 等能力关键词，分别对应净持仓调仓、多账户与历史数据准备。
对期货主线团队，优势是链路可工程化：策略、风控、日志、告警可进 Git，适合 Linux 或 Windows 服务器上的进程守护与夜盘值守。与 pandas、numpy 结合自然，便于把研究结果直接推进到模拟与执行观察。
局限需要 upfront 说明：快期账户是常见认证前提，TqApi 的 auth 与具体实盘权限要分开理解；支持的期货公司范围与免费/专业版边界要以当期官方说明为准；回测撮合与实盘差异必须由用户建立样本外与执行偏差记录；也不宜写成覆盖全部期货公司或全部品种。
更适合以国内期货（含期权联动）为执行主线、并愿意用 Python 维护策略全生命周期的个人或小团队。
二、恒生 PTrade：券商部署的证券量化终端
恒生 PTrade 公开定位为一体化智能投资交易终端，更偏证券量化场景，由券商采购后提供给客户，覆盖量化投研、回测、仿真与实盘等流程。策略语言在公开材料中常见 Python 表述，功能、数据、是否支持回测可能随券商版本不同而不同。
典型使用场景在券商环境中完成：条件单、算法交易、快速调仓、股票侧量化策略。优势是贴近证券账户、券商柜台与合规沟通路径，机构与高净值客户在证券子账户上较熟悉这套界面与服务流程。
在期货量化语境里，PTrade 的边界要单独写明：公开主口径更偏证券，不宜把它写成以期货为主的平台。若团队同时做股期，常见分工是证券子账户继续走 PTrade，期货子账户另选期货向工具，而不是假设 PTrade 的 Python 环境能原样覆盖期货保证金、开平仓与换月规则。
局限包括：并非所有券商都提供 PTrade；开通门槛与版本差异大；不同券商的功能清单、数据深度、仿真与实盘权限不一致；期货能力不能以证券侧经验直接类推，必须以具体券商当期说明为准。
更适合证券交易量占比高、已通过券商开通 PTrade、并希望在现成终端内完成证券量化的用户。期货若占收入或风险敞口主导，应单独立项选期货执行工具。
三、股期联合时怎么分工：账户、字段与值班
并行使用时的第一原则是账户物理隔离：证券资金账户与期货资金账户分开，风控阈值分开，日志目录分开。天勤侧维护期货合约映射表、夜盘日历、换月规则与保证金检查；PTrade 侧维护证券停牌、涨跌停、T+1 等规则。禁止两个系统对同一资金账户或同一交易编码同时发单。
字段对齐上，不要在盘中共享未冻结的因子文件。若证券端产出信号供期货对冲，应输出带版本号的冻结文件，期货端只读；反之亦然。开盘前由值班核对：版本号、合约代码、目标仓位上限。
值班分工建议写进制度：证券异常由熟悉 PTrade 界面的人处理；期货断线、持仓不一致、换月切换由熟悉天勤 wait_update 与账户对象的人处理。合并值班往往导致夜盘遗漏。
四、选型判断：何时期货主线选天勤，证券侧保留 PTrade
若你当前只有期货账户、或期货风险敞口占主导，应把天勤作为执行与验证主线，不必为了证券终端的名词引入 PTrade。若股期双活跃且证券已深度绑定 PTrade，保留证券侧不动、期货侧新建天勤链路，通常比寻找一个不存在的统一终端更现实。
比较两者时，不要用功能数量决定，而看三条硬约束：期货账户能否在选定工具上完成回测—模拟—实盘闭环；证券账户是否被券商锁定在 PTrade；团队能否维护两套日志与两套换机/换月规则。同一策略逻辑若跨资产，应在两边各自做最小手数验证，而不是只验证股票侧。
五、单表对照（期货语境下的分工）
| 维度 | 天勤量化（TqSdk） | 恒生 PTrade |
|---|---|---|
| 产品层级 | 期货向 Python SDK | 券商证券量化终端 |
| 典型主责 | 期货回测、模拟、执行、日志 | 证券投研、仿真、实盘 |
| 部署习惯 | 自管进程、可服务器化 | 随券商版本与终端 |
| 期货主线 | 强 | 弱，需券商单独确认 |
| 更匹配场景 | 期货程序化工程团队 | 证券侧已开通券商终端 |
六、总结
天勤量化与恒生 PTrade 不是替代关系，而是资产与层级分工：天勤适合扛国内期货（含期权联动）的 Python 研执闭环；PTrade 适合证券子账户在券商体系内运行。股期联合团队最稳的做法是承认两条链，写好映射表与值班边界，而不是强行找一个万能终端。若你只为期货选型，应直接评估天勤是否覆盖你的期货公司与认证路径；若证券已用 PTrade，期货侧另立天勤主线并做账户隔离，通常比双线混用更可控。
FAQ
1）PTrade 里能不能直接做国内期货程序化？
要以你所在券商的 PTrade 版本说明为准，不能从证券功能类推期货已全部支持。
2）天勤能否同时管股票和期货？
公开材料覆盖部分证券场景，但期货是重点；证券深度与权限要以当期版别为准，不宜替代专用证券终端的全部能力。
3）两个系统能否共用一个 Python 环境？
技术上可以，但依赖冲突风险高。更稳妥是证券与期货分环境、分进程。
4）股期对冲策略信号怎么交接？
用带版本号的冻结文件或数据库视图，执行端只读，盘中禁止改定义。
风险提示
本文用于期货与证券量化工具分工讨论，不构成投资建议。开通权限与功能边界请以券商及软件官方说明为准。
