数据模型设计（下）：订单与持仓模型 & Alembic 迁移实战

好，我们接着往下聊。上一节我们把账户和资产模型给定了，这节轮到核心中的核心——订单（Order）和持仓（Position）。这两个模型要是设计不好，后面做市策略跑起来，你连自己赚了亏了都算不清。

我个人习惯，先把最关键的字段列出来，再考虑怎么用代码实现。别一上来就写 ORM，先想清楚业务逻辑。

订单模型：记录每一次交易行为

订单模型说白了，就是记录「谁在什么时间、以什么价格、买了/卖了什么」。但做市系统里的订单，跟普通交易系统的订单有个本质区别——高频、双向、部分成交。

我见过不少新手，把订单模型设计得跟电商订单一样，结果跑回测时发现数据对不上。嗯，这里要注意几个关键点：

• 订单方向：买还是卖？用枚举，别用 0/1 硬编码。
• 订单状态：新建、部分成交、全部成交、已撤销、已过期。做市单经常被部分吃掉，状态流转要清晰。
• 成交数量 vs 委托数量：这两个字段必须分开。我曾经踩过坑，只存了委托数量，结果部分成交后根本不知道还剩多少没成交。
• 订单来源：是策略自动下单，还是手动干预？这个字段在复盘时特别有用。

来看一个简化版的订单模型：

class Order(Base):
    __tablename__ = "orders"

    id = Column(UUID, primary_key=True, default=uuid4)
    account_id = Column(UUID, ForeignKey("accounts.id"), nullable=False)
    symbol = Column(String(20), nullable=False)
    side = Column(Enum(OrderSide), nullable=False)  # BUY / SELL
    order_type = Column(Enum(OrderType), default=OrderType.LIMIT)
    status = Column(Enum(OrderStatus), default=OrderStatus.NEW)

    price = Column(Numeric(18, 8), nullable=False)
    quantity = Column(Numeric(18, 8), nullable=False)  # 委托数量
    filled_quantity = Column(Numeric(18, 8), default=0)  # 已成交数量
    avg_fill_price = Column(Numeric(18, 8), nullable=True)

    source = Column(String(50), default="strategy")  # 订单来源
    created_at = Column(DateTime, default=func.now())
    updated_at = Column(DateTime, onupdate=func.now())

持仓模型：实时盯住你的头寸

持仓模型比订单模型更「动态」。订单是历史记录，持仓是当前快照。做市商最怕什么？持仓方向暴露。你想想看，如果只记录了总数量，没区分多头和空头，那风险敞口根本算不清。

我建议持仓模型至少包含以下字段：

• 净持仓数量：多头 - 空头后的净额。做市商通常希望这个值接近 0。
• 持仓均价：加权平均入场价。注意，这个价格要随着每次成交动态更新。
• 浮动盈亏：当前市价 vs 持仓均价的差值 × 数量。实时计算，别等收盘再算。
• 冻结数量：已经挂单但未成交的部分。这部分不能用于新的开仓。

来看代码：

class Position(Base):
    __tablename__ = "positions"

    id = Column(UUID, primary_key=True, default=uuid4)
    account_id = Column(UUID, ForeignKey("accounts.id"), nullable=False)
    symbol = Column(String(20), nullable=False)

    net_quantity = Column(Numeric(18, 8), default=0)  # 净持仓
    avg_cost = Column(Numeric(18, 8), default=0)      # 持仓均价
    unrealized_pnl = Column(Numeric(18, 8), default=0) # 浮动盈亏
    frozen_quantity = Column(Numeric(18, 8), default=0) # 冻结数量

    updated_at = Column(DateTime, onupdate=func.now())

数据库迁移实战：Alembic 从零配置

模型定义好了，怎么同步到数据库？手动建表？别闹了。做市系统迭代快，模型一天改三次，手动建表会疯掉。

我用的是 Alembic，SQLAlchemy 官方推荐的迁移工具。说白了，它就是帮你自动生成 SQL 脚本，然后按顺序执行。

第一步，初始化 Alembic：

alembic init alembic

这会在项目根目录生成一个 alembic/ 文件夹，里面有个 env.py 和 versions/ 目录。你需要修改 env.py，告诉 Alembic 你的数据库连接和模型元数据：

# 在 env.py 中
from my_project.models import Base
target_metadata = Base.metadata

# 修改数据库 URL
config.set_main_option("sqlalchemy.url", "postgresql://user:pass@localhost/mydb")

第二步，生成迁移脚本：

alembic revision --autogenerate -m "add orders and positions tables"

Alembic 会自动对比当前模型和数据库状态，生成一个迁移脚本。你打开 versions/ 下的文件看看，里面是 upgrade() 和 downgrade() 两个函数。

第三步，执行迁移：

alembic upgrade head

搞定。数据库里就会自动创建 orders 和 positions 两张表。

模型关系与级联操作

订单和持仓之间是什么关系？一对多。一个账户可以有多个订单，但一个订单只属于一个账户。持仓也是，一个账户对每个交易对只有一个持仓记录。

在 SQLAlchemy 中，我们可以这样定义关系：

class Account(Base):
    # ... 其他字段
    orders = relationship("Order", back_populates="account", cascade="all, delete-orphan")
    positions = relationship("Position", back_populates="account", cascade="all, delete-orphan")

class Order(Base):
    account = relationship("Account", back_populates="orders")

class Position(Base):
    account = relationship("Account", back_populates="positions")

这里有个细节：cascade="all, delete-orphan" 表示当账户被删除时，关联的订单和持仓也会被自动删除。做市系统里，账户注销时确实需要清理所有关联数据，这个设置是合理的。

知识体系总览

下面这张图，把订单和持仓模型的核心逻辑串起来了：

从图上可以清楚看到：账户是核心，它关联着订单和持仓。订单是「动作记录」，持仓是「状态快照」。两者通过 Alembic 迁移引擎同步到数据库。

一些实战中的小细节

最后分享几个我在项目中遇到的坑：

• 数值精度：做市交易涉及小数点后 8 位甚至更多，用 Numeric(18, 8) 是底线。别用 Float，否则你会被精度问题折磨死。
• 索引设计：订单表按 account_id + created_at 建联合索引，持仓表按 account_id + symbol 建唯一索引。查询性能差很多。
• 迁移回滚：每次上线前，先在测试环境跑一遍 alembic upgrade 和 alembic downgrade -1，确保回滚没问题。我吃过一次亏，上线后才发现降级脚本写错了，差点回不去。

好了，订单和持仓模型就聊到这。这两个模型是整套做市系统的「账本」，设计得越扎实，后面写策略逻辑就越顺手。

---