1. 原理

1.1 起源

海龜交易思想起源于上世紀八十年代的美國。理查德丹尼斯與好友比爾打賭，主題是一個成功的交易員是天生的還是后天的。理查德用十年時間證明了通過日常系統(tǒng)培訓(xùn)，交易員可以通過后天培訓(xùn)成為一名優(yōu)秀的交易者。這套培訓(xùn)系統(tǒng)就是海龜交易系統(tǒng)。

海龜交易系統(tǒng)是一個完整的、機械的交易思想，可以系統(tǒng)地完成整個交易過程。它包括了買賣什么、頭寸規(guī)模、何時買賣、何時退出等一系列交易策略，是一個趨勢交易策略。它最顯著的特點是捕捉中長期趨勢，力求在短期內(nèi)獲得最大的收益。

1.2 建倉資金

海龜交易法將建倉資金按照一定比例劃分為若干個小部分，每次建倉頭寸和加倉規(guī)模都與波動量N（又稱平均真實波動振幅average true range ATR）有關(guān)。ATR是日內(nèi)指數(shù)最大波動的平均振幅，由當(dāng)日最高、最低價和上一交易日的收盤價決定。

ATR

其中每點代表的價值量是指每一個指數(shù)點數(shù)所代表的價格。
每一次開倉交易合約數(shù)unit的確定是將總資產(chǎn)的1%除以DV得到。

1.3 入市信號

海龜交易法使用的是以一個理查德唐奇安的通道突破系統(tǒng)為基礎(chǔ)的入市系統(tǒng)。唐奇安通道分為系統(tǒng)一和系統(tǒng)二，對應(yīng)短期突破和中長期突破。其中，短期突破系統(tǒng)是以20日（最高價或最低價）突破為基礎(chǔ)，當(dāng)價格突破20日價格即為入市信號；中長期系統(tǒng)是當(dāng)盤中價格突破過去55日價格為入市信號。

1.4 加倉和止損

海龜交易法的加倉規(guī)則是當(dāng)捕捉到入市信號后建立第一個交易單位的頭寸，市價繼續(xù)向盈利方向突破1/2N時加倉。

止損位為2N,同加倉一樣采用平均真實振幅N值為止損單位。每加倉一次，止損位就提高1/2N。

1.5 止盈

短期：多頭頭寸在突破過去10日最低價處止盈離市，空頭頭寸在突破過去10日最高價處止盈離市。
中長期：多頭頭寸在突破過去20日最低價處止盈離市，空頭頭寸在突破過去20日最高價處止盈離市。

2. 策略思路

第一步：獲取歷史數(shù)據(jù)，計算唐奇安通道和ATR
第二步：當(dāng)突破唐奇安通道時，開倉。
第三步：計算加倉和止損信號。

回測標的：DCE.i2012
回測時間：2020-02-15 至 2020-09-01
回測初始資金：100萬

Tips：
ATR值是不斷變化的，這就會導(dǎo)致在對期貨平倉時，可能出現(xiàn)平倉數(shù)量 > 持倉數(shù)量的現(xiàn)象。比如前一交易日的持倉為10，今日的ATR值為22.假設(shè)當(dāng)前價格觸發(fā)平倉條件，平倉1/2ATR。1/2ATR=11 > 10, 這樣就會導(dǎo)致委托失敗報錯。所以要加入一個變量volume_hold用來記錄當(dāng)前持倉量，與1/2*ATR作比較。

注意：若修改回測期，需要修改對應(yīng)的回測標的。

3. 策略代碼

# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
import pandas as pd
from gm.api import *
'''
以短期為例：20日線
第一步：獲取歷史數(shù)據(jù)，計算唐奇安通道和ATR
第二步：當(dāng)突破唐奇安通道時，開倉。
第三步：計算加倉和止損信號。
'''
def init(context):
    # 設(shè)置計算唐奇安通道的參數(shù)
    context.n = 20
    # 設(shè)置合約標的
    context.symbol = 'DCE.i2012'
    # 設(shè)置交易最大資金比率
    context.ratio = 0.8
    # 訂閱數(shù)據(jù)
    subscribe(symbols=context.symbol, frequency='60s', count=2)
    # 獲取當(dāng)前時間
    time = context.now.strftime('%H:%M:%S')
    # 如果策略執(zhí)行時間點是交易時間段，則直接執(zhí)行algo定義atr等參數(shù)，以防直接進入on_bar()導(dǎo)致atr等未定義
    if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
        algo(context)
    # 如果是交易時間段，等到開盤時間確保進入algo()
    schedule(schedule_func=algo, date_rule='1d', time_rule='09:00:00')
    schedule(schedule_func=algo, date_rule='1d', time_rule='21:00:00')
def algo(context):
    # 計算通道的數(shù)據(jù):當(dāng)日最低、最高、上一交易日收盤
    # 注：由于talib庫計算ATR的結(jié)果與公式求得的結(jié)果不符，所以這里利用公式計算ATR
    # 如果是回測模式,當(dāng)天的數(shù)據(jù)直接用history取到
    if context.mode == 2:
        data = history_n(symbol=context.symbol, frequency='1d', count=context.n+1, end_time=context.now, fields='close,high,low,bob', df=True) # 計算ATR
        tr_list = []
        for i in range(0, len(data)-1):
            tr = max((data['high'].iloc[i] - data['low'].iloc[i]), data['close'].shift(-1).iloc[i] - data['high'].iloc[i],
                     data['close'].shift(-1).iloc[i] - data['low'].iloc[i])
            tr_list.append(tr)
        context.atr = int(np.floor(np.mean(tr_list)))
        context.atr_half = int(np.floor(0.5 * context.atr))
        # 計算唐奇安通道
        context.don_open = np.max(data['high'].values[-context.n:])
        context.don_close = np.min(data['low'].values[-context.n:])
    # 如果是實時模式，當(dāng)天的數(shù)據(jù)需要用current取到
    if context.mode == 1:
        data = history_n(symbol=context.symbol, frequency='1d', count=context.n, end_time=context.now, fields='close,high,low',
                         df=True)  # 計算ATR
        current_data = current(symbols=context.symbol)   # 最新一個交易日的最高、最低
        tr_list = []
        for i in range(1, len(data)):
            tr = max((data['high'].iloc[i] - data['low'].iloc[i]),
                     data['close'].shift(-1).iloc[i] - data['high'].iloc[i],
                     data['close'].shift(-1).iloc[i] - data['low'].iloc[i])
            tr_list.append(tr)
        # 把最新一期tr加入列表中
        tr_new = max((current_data[0]['high'] - current_data[0]['low']),
                     data['close'].iloc[-1] - current_data[0]['high'],
                     data['close'].iloc[-1] - current_data[0]['low'])
        tr_list.append(tr_new)
        context.atr = int(np.floor(np.mean(tr_list)))
        context.atr_half = int(np.floor(0.5 * context.atr))
        # 計算唐奇安通道
        context.don_open = np.max(data['high'].values[-context.n:])
        context.don_close = np.min(data['low'].values[-context.n:])
    # 計算加倉點和止損點
    context.long_add_point = context.don_open + context.atr_half
    context.long_stop_loss = context.don_open - context.atr_half
    context.short_add_point = context.don_close - context.atr_half
    context.short_stop_loss = context.don_close + context.atr_half
def on_bar(context, bars):
    # 提取數(shù)據(jù)
    symbol = bars[0]['symbol']
    recent_data = context.data(symbol=context.symbol, frequency='60s', count=2, fields='close,high,low')
    close = recent_data['close'].values[-1]
    # 賬戶倉位情況
    position_long = context.account().position(symbol=symbol, side=PositionSide_Long)
    position_short = context.account().position(symbol=symbol, side=PositionSide_Short)
    # 當(dāng)無持倉時
    if not position_long and not position_short:
        # 如果向上突破唐奇安通道，則開多
        if close > context.don_open:
            order_volume(symbol=symbol, side=OrderSide_Buy, volume=context.atr, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('開多倉atr')
        # 如果向下突破唐奇安通道，則開空
        if close < context.don_close:
            order_volume(symbol=symbol, side=OrderSide_Sell, volume=context.atr, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('開空倉atr')
    # 有持倉時
    # 持多倉，繼續(xù)突破（加倉）
    if position_long:
        # 當(dāng)突破1/2atr時加倉
        if close > context.long_add_point:
            order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Buy, order_type=OrderType_Market,position_effect=PositionEffect_Open)
            print('繼續(xù)加倉0.5atr')
            context.long_add_point += context.atr_half
            context.long_stop_loss += context.atr_half
        # 持多倉，止損位計算
        if close < context.long_stop_loss:
            volume_hold = position_long['volume']
            if volume_hold >= context.atr_half:
                order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Sell, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            else:
                order_volume(symbol=symbol, volume=volume_hold, side=OrderSide_Sell, order_type=OrderType_Market,position_effect=PositionEffect_Close)
            print('平多倉0.5atr')
            context.long_add_point -= context.atr_half
            context.long_stop_loss -= context.atr_half
    # 持空倉，繼續(xù)突破（加倉）
    if position_short:
        # 當(dāng)?shù)萍觽}點時加倉
        if close < context.short_add_point:
            order_volume(symbol = symbol, volume=context.atr_half, side=OrderSide_Sell, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('繼續(xù)加倉0.5atr')
            context.short_add_point -= context.atr_half
            context.short_stop_loss -= context.atr_half
        # 持多倉，止損位計算
        if close > context.short_stop_loss:
            volume_hold = position_short['volume']
            if volume_hold >= context.atr_half:
                order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Buy, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            else:
                order_volume(symbol=symbol, volume=volume_hold, side=OrderSide_Buy, order_type=OrderType_Market,position_effect=PositionEffect_Close)
            print('平空倉0.5atr')
            context.short_add_point += context.atr_half
            context.short_stop_loss += context.atr_half
if __name__ == '__main__':
    '''
    strategy_id策略ID,由系統(tǒng)生成
    filename文件名,請與本文件名保持一致
    mode實時模式:MODE_LIVE回測模式:MODE_BACKTEST
    token綁定計算機的ID,可在系統(tǒng)設(shè)置-密鑰管理中生成
    backtest_start_time回測開始時間
    backtest_end_time回測結(jié)束時間
    backtest_adjust股票復(fù)權(quán)方式不復(fù)權(quán):ADJUST_NONE前復(fù)權(quán):ADJUST_PREV后復(fù)權(quán):ADJUST_POST
    backtest_initial_cash回測初始資金
    backtest_commission_ratio回測傭金比例
    backtest_slippage_ratio回測滑點比例
    '''
    run(strategy_id='strategy_id',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='token',
        backtest_start_time='2020-02-15 09:15:00',
        backtest_end_time='2020-09-01 15:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=1000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)

4. 回測結(jié)果與穩(wěn)健性分析

設(shè)定初始資金100萬，手續(xù)費率為0.01%，滑點比率為0.01%。回測結(jié)果如下圖所示。

回測期累計收益率為18.75%，年化收益率為6.42%，滬深300收益率為18.75%，策略跑輸滬深300指數(shù)。最大回撤為4.20%，勝率為48.15%。

為了檢驗策略的穩(wěn)健性，改變策略標的和計算唐奇安通道的參數(shù)n，回測結(jié)果如下。

由上表可知，不同標的收益結(jié)果呈現(xiàn)差異。其中大商所的鐵礦石收益情況最好，其他兩個品種收益較差，整體收益情況較差。說明該策略在使用上存在一定風(fēng)險。

注：此策略只用于學(xué)習(xí)、交流、演示，不構(gòu)成任何投資建議。