福利到！用 Python 实现海龟交易系统

前言

海龟交易系统本质上是一个趋势跟随的系统,但是最值得我们学习的,是资金管理尤其是分批建仓及动态止损的部分

一、趋势捕捉

唐奇安通道

该指标是有 Richard Donchian 发明的，是有 3 条不同颜色的曲线组成的，该指标用周期（一般都是 20 ）内的最高价和最低价来显示市场价格的波动性，当其通道窄时表示市场波动较小，反之通道宽则表示市场波动比较大。 如图所示：
该具体分析为：
当价格冲冲破上轨是就是可能的买的信号；反之，冲破下轨时就是可能的卖的信号。
该指标的计算方法为：

上线=Max （最高低， n ）
下线=Min （最低价， n ）
中线=（上线+下线）/2
高清源代码请移步： https://uqer.io/community/share/57bd5864228e5b79a575a9b2
海龟交易就是利用唐奇安通道的价格突破来捕捉趋势。
不过我们在向下突破 10 日唐奇安下沿卖出。
二、资金管理

2.1 、 N 值计算

N 值是仓位管理的核心，涉及加仓及止损。另外， N 值与技术指标平均真实波幅 ATR 很相似
首先介绍真实波幅： 真实波幅是以下三个值中的最大值
1 、当前交易日最高价和最低价的波幅
2 、前一交易日的收盘价与当前交易日最高价的波幅
3 、前一交易日的收盘价与当前交易日最低价的波幅
用公式写就是：
TrueRange=Max(High−Low,High−PreClose,PreClose−Low)
接下来， N 值计算公式为：
N=PreN[−19 ：]+TrueRange20
其中 preN 为前面 N 值， TrueRange 为当前的真实波幅,此公式的真是含义为计算之前 20 天（包括今天在内）的 N 的平均值
另外，有些海龟交易系统用的是 ATR 来代替 N 值， ATR 为真实波幅的 20 日平均。
2.2 买卖单位及首次建仓
先给出公式：
Unit=1%∗Account/N
首次建仓的时候，当捕捉到趋势，即价格突破唐奇安上轨时，买入 1 个 unit 。
其意义就是，让一个 N 值的波动与你总资金 1%的波动对应，如果买入 1unit 单位的资产，当天震幅使得总资产的变化不超过 1%。例如：
现在你有 10 万元资金， 1%波动就是 1000 元。假如标 X 的 N 值为 0.2 元， 1000 元÷0.2 元=5000 股。也就是说，你的第一笔仓位应该是在其突破上轨（假设为 5 元）时立刻买入 5000 股，耗资 25000 元。
2.3 加仓

若股价在上一次买入（或加仓）的基础上上涨了 0.5N ，则加仓一个 Unit 。
接上面的例子：假如 N 值仍为 0.2 。
价格来到 5 + 0.2*0.5 = 5.1 时，加仓 1 个 Unit ，买入 5000 股，耗资 25500 元，剩余资金 49500 元
价格来到 5.1 + 0.2*0.5 = 5.2 时再加仓 1 个 unit 。买入 5000 股，耗资 26000 元，剩余资金 23500 元
2.4 动态止损

当价格比最后一次买入价格下跌 2N 时，则卖出全部头寸止损。
接上面的例子，最后一次加仓价格为 5.2 。假如此时 N 值 0.2 元。 当价格下跌到 5.2 - 2*0.2 = 4.8 元时，清仓。
持仓成本为 （ 5+5.1+5.2 ）*5000/15000 = 5.1 元。 此时亏损 （ 5.1-4.8 ）*15000 = 4500 元 对于 10 万来说 这波亏损 4.5%
2.5 止盈

当股价跌破 10 日唐奇安通道下沿，清空头寸结束本次交易
三、代码实现

本代码用 ATR 代替 N 值进行计算,其他逻辑不变:
ATR=MA(TrueRange,20)
我们以单只股票为标，建立海龟交易系统，当然，可以将总资产均分为 n 份，同时交易 n 个标。

计算 ATR 值用日线数据，监控价格突破采用分钟线
0 初始化参数，在 initialize(account)写入
def initialize(account):
account.last_buy_prcie = 0 #上一次买入价
account.hold_flag = False # 是否持有头寸标志
account.limit_unit = 4 # 限制最多买入的单元数
account.unit = 0 # 现在买入 1 单元的股数
1 唐奇安通道计算及判断入场离场：

我们设计个函数，传入值为回测中 account.get_history()取得的某单个股票的历史数据、股票现价、 T 为计算唐奇安通道的数据长度,转化为 dataframe 格式
def IN_OR_OUT(data,price,T):
up = max(data['highPrice'].iloc[-T:])
down = min(data['lowPrice'].iloc[-int(T/2):]) # 这里是 10 日唐奇安下沿
if price>up:
return 1
elif price<down:
return -1
else:
return 0
2. ATR 值计算：


1
def CalcATR(data):
2
TR_List = []
3
for i in range(1,21):
4
TR = max(data['highPrice'].iloc[i]-data['lowPrice'].iloc[i],data['highPrice'].iloc[i]-data['closePrice'].iloc[i-1],data['closePrice'].iloc[i-1]-data['lowPrice'].iloc[i])
5
TR_List.append(TR)
6
ATR = np.array(TR_List).mean()
7
return ATR
3. 计算 unit,注意股数为 100 的整数倍


1
def CalcUnit(perValue,ATR):
2
return int((perValue/ATR)/100)*100
查看全部
4.判断是否加仓或止损：

当价格相对上个买入价上涨 0.5ATR 时，再买入一个 unit
当价格相对上个买入价下跌 2ATR 时，清仓

1
def Add_OR_Stop(price,lastprice,ATR):
2
if price >= lastprice + 0.5*ATR:
3
return 1
4
elif price <= lastprice - 2*ATR:
5
return -1
6
else:
7
return 0
查看全部
5 判断上次卖出操作是否成功(可能出现当日买进，之后却判断需要卖出)


1
def SellComplete(hold_flag,security_position):
2
if len(security_position)>0 and hold_flag==False:
3
return True
4
else:
5
return False
查看全部
构建策略

分钟线回测时间略长啊~
先把上面写的函数集中下，方便微核充启后运行函数

1
################################################### 计算、判断函数 #####################################################################
2
def IN_OR_OUT(data,price,T):
3
up = max(data['highPrice'].iloc[-T:])
4
down = min(data['lowPrice'].iloc[-int(T/2):]) # 这里是 10 日唐奇安下沿
5
if price>up:
6
return 1
7
elif price<down:
8
return -1
9
else:
10
return 0
11
​
12
def CalcATR(data):
13
TR_List = []
14
for i in range(1,21):
15
TR = max(data['highPrice'].iloc[i]-data['lowPrice'].iloc[i],data['highPrice'].iloc[i]-data['closePrice'].iloc[i-1],data['closePrice'].iloc[i-1]-data['lowPrice'].iloc[i])
16
TR_List.append(TR)
17
ATR = np.array(TR_List).mean()
18
return ATR
19
​
20
def CalcUnit(perValue,ATR):
21
return int((perValue/ATR)/100)*100
22
​
23
def Add_OR_Stop(price,lastprice,ATR):
24
if price >= lastprice + 0.5*ATR:
25
return 1
26
elif price <= lastprice - 2*ATR:
27
return -1
28
else:
29
return 0
30

31
def SellComplete(hold_flag,security_position):
32
if len(security_position)>0 and hold_flag==False:
33
return True
34
else:
35
return False
查看全部

1
import numpy as np
2
import pandas as pd
3
from __future__ import division
4
from CAL.PyCAL import *
5
import matplotlib.pyplot as plt
6
​
7
start = '2012-01-01' # 回测起始时间
8
end = '2016-01-01' # 回测结束时间
9
benchmark = '000001.XSHE'
10
universe = ['000001.XSHE']
11
capital_base = 100000 # 起始资金
12
freq = 'm' # 策略类型，'d'表示日间策略使用日线回测，'m'表示日内策略使用分钟线回测
13
refresh_rate = 1 # 调仓频率，表示执行 handle_data 的时间间隔，若 freq = 'd'时间间隔的单位为交易日，若 freq = 'm'时间间隔为分钟
14
​
15
​
16
#----------------------------------- 记录部分数据 -----------------------------
17
global record
18
record = {'break_up':{},'break_down':{},'stop_loss':{},'position':{},'ATR':{}} # 记录入场、离常、止损点、持仓比、 ATR
19
#---------------------------------------------------------------------------------------
20
​
21
高清源代码请移步： https://uqer.io/community/share/57bd5864228e5b79a575a9b2