趋势跟随策略最经典策略--海龟策略的技术实施

量子量化

海龟交易系统是交易策略中最经典的策略之一，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。他可以作为一套完整的趋势交易系统进行使用，通过趋势跟随中的四周法则，加上资金管理和仓位管理，实现跟随市场调整仓位。

一、趋势捕捉
海龟策略中底层基本指标是：唐奇安通道。

该指标本是一个通道指标，他是有Richard Donchian发明的，是有3条不同颜色的曲线组成的，。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。具体公式如下：
      唐奇安通道三条线算法：
      上线=Max（最高价，n），下线=Min（最低价，n），中线=（上线+下线）/2
      基本的交易逻辑也非常简单：突破上线做多，突破下线做空。其实从本质上唐奇安通道是一种通道和高低点突破策略，一般的20日周期是用的交易中非常经典的四周法则。

二、资金管理

（一）仓位管理中的N值

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（ATR）： MAX真实波幅=（|前一日最高价与最低价的差值|，|今日最高价与前一日收盘价差值|，|前一日收盘价与今日最低价差值|）
(二)首次开仓和买卖单位控制

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。

（三）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

（四）动态止损


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%

（五）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

初始化参数

1. <div>def initialize(account):
   
2.     account.last_buy_prcie = 0  #上一次买入价
   
3.     account.hold_flag = False   # 是否持有头寸标志
   
4.     account.limit_unit = 4     # 限制最多买入的单元数
   
5.     account.unit = 0       # 现在买入1单元的股数</div><div>
   
6. </div><div><b></b>
   
7. </div>

复制代码

唐奇安计算

1. def IN_OR_OUT(data,price,T):
   
2.     up = max(data['highPrice'].iloc[-T:])
   
3.     down = min(data['lowPrice'].iloc[-int(T/2):])  # 这里是10日唐奇安下沿
   
4.     if price>up:
   
5.         return 1
   
6.     elif price<down:
   
7.         return -1
   
8.     else:
   
9.         return 0
   

复制代码

ATR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],abs(data['highPrice'].iloc[i]-data['closePrice'].iloc[i-1]),abs(data['closePrice'].iloc[i-1]-data['lowPrice'].iloc[i]))
   
5.         TR_List.append(TR)
   
6.     ATR = np.array(TR_List).mean()
   
7.     return ATR
   

复制代码

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

复制代码

判断是否加仓

•   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
   

复制代码

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

复制代码

• 
  
•