T+1 交易约束校验脚本（防止 A 股当日买入误卖出指令）｜教学级量化风控原型
内容包含免责声明和风险提示，不对接券商、不自动化交易、不推荐任何产品、无任何引流。
一、实际应用场景描述
在智能证券投资课程中，交易规则约束（Trading Rules & Constraints）是实操教学的第一课。
本程序适用于：
- 高校量化投资、证券实务课程实验
- 个人投资者交易纪律训练
- 算法交易前置风控教学
- 委托指令合法性校验演示
核心目标：
- 读取持仓买入日期与当日日期
- 校验是否满足 A 股 T+1 卖出约束
- 若不满足，拦截并提示错误
- 输出合法交易指令清单
✅ 不连接券商系统
✅ 不执行真实交易
✅ 仅作为交易规则校验工具
二、痛点引入（真实可感知）
痛点 表现
规则模糊 "T+1 到底是啥？"
误操作风险 当日买入后误挂卖单
程序化交易漏洞 算法未校验持仓日期
学习成本高 专业交易系统门槛高
缺乏即时反馈 委托被拒后才知道违规
👉 需要一个轻量、本地、可解释、可复现的规则校验工具
三、核心逻辑讲解（工程视角）
1️⃣ 数据模型设计
Position
├── symbol 股票代码
├── buy_date 买入日期
├── quantity 持仓数量
└── available_qty 可卖数量（校验后）
2️⃣ T+1 约束规则（A 股）
A 股实行 T+1 交易制度：
规则 说明
T 日买入 T+1 日方可卖出
T 日卖出 资金 T+1 日到账
当日买入 ❌ 不可卖出
3️⃣ 校验流程
遍历所有卖出委托
查找对应持仓
判断是否当日买入
若买入日期 == 今日：
拦截 → 输出错误信息
否则：
放行 → 加入合法清单
4️⃣ 设计原则
- 只校验，不交易
- 规则透明、可审计
- 可集成到更大交易系统
四、Python 模块化代码（可直接运行）
📁 项目结构
t_plus_one_validator/
│
├── main.py
├── models.py
├── validator.py
├── reporter.py
├── storage.py
├── README.md
└── DISCLAIMER.md
✅ models.py（数据建模）
"""
models.py
持仓与委托数据模型
"""
class Position:
"""持仓记录"""
def __init__(self, symbol, buy_date, quantity):
self.symbol = symbol
self.buy_date = buy_date # "YYYY-MM-DD"
self.quantity = quantity
class SellOrder:
"""卖出委托"""
def __init__(self, symbol, quantity, order_date):
self.symbol = symbol
self.quantity = quantity
self.order_date = order_date # "YYYY-MM-DD"
✅ validator.py（T+1 核心校验逻辑）
"""
validator.py
T+1 交易约束校验
"""
def validate_orders(positions, sell_orders):
"""
校验所有卖出委托是否满足 T+1 约束
"""
results = []
position_map = {p.symbol: p for p in positions}
for order in sell_orders:
pos = position_map.get(order.symbol)
if pos is None:
results.append({
"symbol": order.symbol,
"status": "❌ 无对应持仓",
"reason": "未找到该股票的持仓记录"
})
continue
if pos.buy_date == order.order_date:
results.append({
"symbol": order.symbol,
"status": "❌ 拦截",
"reason": "T+1 约束：当日买入不可卖出"
})
else:
results.append({
"symbol": order.symbol,
"status": "✅ 通过",
"reason": "满足 T+1 约束，可正常卖出"
})
return results
✅ reporter.py（校验结果输出）
"""
reporter.py
校验结果汇总输出
"""
def report(results):
print("\n" + "=" * 50)
print("【T+1 交易约束校验报告】")
print("=" * 50)
passed = [r for r in results if "通过" in r["status"]]
blocked = [r for r in results if "拦截" in r["status"]]
for r in results:
print(f"\n标的：{r['symbol']}")
print(f"状态：{r['status']}")
print(f"原因：{r['reason']}")
print(f"\n📊 汇总：通过 {len(passed)} 笔 | 拦截 {len(blocked)} 笔")
print("=" * 50)
✅ storage.py（本地存储）
"""
storage.py
JSON 本地存储
"""
import json
FILE_PATH = "t_plus_one_validation_log.json"
def save_log(data):
with open(FILE_PATH, "w", encoding="utf-8") as f:
json.dump(data, f, ensure_ascii=False, indent=2)
✅ main.py（交互入口）
"""
main.py
T+1 交易约束校验工具
"""
from datetime import datetime
from models import Position, SellOrder
from validator import validate_orders
from reporter import report
from storage import save_log
def main():
print("=== T+1 交易约束校验工具（教学版）===")
# 持仓录入
positions = []
print("\n📌 录入持仓（空行结束）：")
while True:
symbol = input("股票代码：")
if not symbol:
break
buy_date = input("买入日期（YYYY-MM-DD）：")
qty = int(input("持仓数量："))
positions.append(Position(symbol, buy_date, qty))
# 卖出委托录入
sell_orders = []
print("\n📌 录入卖出委托（空行结束）：")
while True:
symbol = input("股票代码：")
if not symbol:
break
qty = int(input("卖出数量："))
order_date = input("委托日期（YYYY-MM-DD，默认今天）：")
if not order_date:
order_date = datetime.today().strftime("%Y-%m-%d")
sell_orders.append(SellOrder(symbol, qty, order_date))
# 执行校验
results = validate_orders(positions, sell_orders)
# 输出报告
report(results)
save_log(results)
print("✅ 校验日志已保存")
if __name__ == "__main__":
main()
五、README 与使用说明
# T+1 交易约束校验工具（教学版）
## 项目说明
用于校验 A 股卖出委托是否满足 T+1 交易约束，防止当日买入误卖出。
## 使用方式
```bash
python main.py
```
## 输入示例
### 持仓录入
```
股票代码：600519
买入日期：2024-01-15
持仓数量：100
```
### 委托录入
```
股票代码：600519
卖出数量：50
委托日期：2024-01-15 ← 同一天，将被拦截
```
## 适用范围
- 量化投资课程
- 证券交易规则教学
- 风控系统前置校验演示
## 注意事项
- 不执行真实交易
- 不连接券商系统
- 使用前请阅读 DISCLAIMER.md
六、DISCLAIMER.md（免责声明与风险提示）
# 免责声明与风险提示
## 免责声明
本程序仅供**教学与科研用途**，用于演示 A 股 T+1 交易规则的代码化校验逻辑。
作者不提供任何证券交易建议，不推荐任何股票，不承诺任何收益。
## 风险提示
1. T+1 仅为 A 股基础规则，ST、*ST 等特殊情况有额外限制
2. 本工具不做资金充足性校验
3. 实际交易以券商系统最终判定为准
4. 委托日期应 ≥ 当前交易日，程序不做未来日期校验
使用本工具产生的任何后果，作者概不负责。
七、核心知识点卡片（教学向）
分类 内容
Python 类、字典映射、条件判断
量化交易 T+1 交易制度、委托校验
交易规则 A 股当日买入不可卖出
工程思想 规则引擎、前置校验
风控理念 Fail Fast，拦截优于补救
可扩展性 可集成到完整交易系统
八、总结（工程师视角）
这是一个完全中立、去营销化、可教学的原型系统：
✅ 不诱导交易
✅ 不神化规则校验
✅ 不伪装成交易系统
它真正展示的是：
如何用 Python 把"交易规则"从纸面条文，变成可执行、可拦截、可审计的代码防线
本文代码仅供学习与技术交流，不构成任何投资建议，股市有风险，入市需谨慎。
利用AI解决实际问题，如果你觉得这个工具好用，欢迎关注长安牧笛！