什么是海龟交易法则
海龟交易法是著名的公开交易系统，其法则覆盖了交易的各个方面，并且不给交易员留下一点主观想象决策的余地。它是一套非常完整的趋势跟随型的自动化交易策略，具备一个完整的交易系统的所有成分。.这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节，都进行了详细的设计，它基本上可以作为复杂交易策略设计和开发的模板。对于币市的大涨大跌行情，海龟交易法则正是应付这种极端行情的利器。
海龟交易法则的战绩
海龟交易的创始人是七八十年代著名的期货投机商Richard Dennis，他相信优秀的交易员是后天培养而非天生的。他在1983年12月招聘了23名新人，昵称为海龟，并对这些交易员进行了一个简单的趋势跟踪交易策略培训。随后给予每个新人100万美元的初始资金。经过5年的运作，大部分“海龟”的业绩非常惊人，其中最好的业绩达到1.72亿美元。N年后海龟交易法则公布于世，我们才有幸看到曾名噪一时的海龟交易法则全貌。
策略的实现方法
趋势信号的捕捉
在趋势信号的扑捉上，海龟交易法则使用了一个非常重要的技术指标——唐奇安通道（Donchian channel）。这个通道很类似布林通道（Bollinger Bands），只是在具体计算方式上有些不一样。 唐奇安通道指标是Richard Donchian发明的，由3条不同颜色的曲线组成，该指标用周期（一般都是20，可以进行修改）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。
当价格冲破该通道的上轨道时，就是可能的买信号；反之，冲破下轨时就是可能的卖信号。唐奇安通道的各项指标的计算方法为：
上轨 = Max（最高价，n）， n日最高价的最大值
下轨 = Min（最低价，n），n日最低价的最小值
中轨 = ( 上轨 + 下轨 ) / 2
仓位的基本单位Unit
海龟法则的加仓原则是定义好一个小单位（Unit），使得该仓位的预期价值波动与总净资产的1%对应。也就是说，如果买入了这1个小单位的资产，那当天该仓位的市值变动幅度不会超过总净资产的1%。
那么，如何定义这个小单位？又如何预估这个小单位能带来的价值波动呢？首先，在预估这个小单位带来的价值波动（该价值波动被称为N）上，海龟策略使用了对历史的价格波动进行统计的方法。具体计算公式如下：
TrueRange = Max( High − Low, High − PreClose, PreClose − Low )
N = ( 前19日的N值之和 + 当时的TrueRange ) / 20
其中，High表示当日最高价，Low表示当日最低价，PreClose表示前一日收盘价。
我们可以从定义上看出，N值确实能很恰当地表达该资产在价格上的最近波动幅度。
这样，一个Unit就应该是这样计算出来的：
Unit = ( 1% * Total_net ) / N
其中total_net就是总资产净值。
可以看出，一个Unit的资产的价格波动幅度 = 总净资产的1%。
建仓
建仓的动作来自于趋势突破信号的产生。如果当前价格冲破唐奇安通道上轨，就产生了一个买的建仓信号，如果当前价格跌破下轨，就产生了一个卖空的建仓信号。初始建仓的大小为1个Unit。
加仓
如果开的底仓是多仓，且行情最新价在上一次建仓（或者加仓）的基础上又上涨了0.5N，就再加一个Unit的多仓。
如果开的底仓是空仓，且行情最新价在上一次建仓（或者加仓）的基础上又下跌了0.5N，就再加一个Unit的空仓。
我们看到，海龟策略其实是一个追涨杀跌的策略的。
止损
如果开的底仓是多仓，且行情最新价在上一次建仓（或者加仓）的基础上又下跌了2N，就卖出全部头寸，平仓止损。
如果开的底仓是空仓，且行情最新价在上一次建仓（或者加仓）的基础上又上涨了2N，就买入全部头寸，平仓止损。
当然，也可以自定义止损方案，使止损策略更符合所选的合约、适应自定义的个性化策略优化方案。
止盈
- 如果开的底仓是多仓，且行情最新价跌破了10日唐奇安通道的下轨，就清空所有头寸结束策略。
- 如果开的底仓是空仓，且行情最新价升破了10日唐奇安通道的上轨，就清空所有头寸结束策略。
- 当然，可以自定义动态止盈方案。
代码实现
- 工具：
免费期货模拟、实盘天勤量化程序：https://www.shinnytech.com/tianqin/
Python 金融指数处理库Ta-Lib
Talib文档：https://mrjbq7.github.io/ta-lib/doc_index.html
指标计算
获取K线序列，根据定义计算出唐奇安通道上下轨。（策略源码在文章最后）
# 唐奇安通道的天数周期(开仓)
donchian_channel_open_position= 20
# 获取klines数据
klines = api.get_kline_serial("", 24 * 60 * 60, data_length=100)
# 唐奇安通道上轨：前N个交易日的最高价
donchian_channel_high = max(klines.high[donchian_channel_open_position - 1:-1])
# 唐奇安通道下轨：前N个交易日的最低价
donchian_channel_low = min(klines.low[donchian_channel_open_position - 1:-1])把K线转为pandas.DataFrame便于计算；使用talib库的ATR函数计算出N值（即平均真实波幅），然后根据账户权益的1%计算买卖单位unit。
# 平均真实波幅(N值即为ATR值) n = ATR(klines, atr_day_length)["atr"].iloc[-1] # 计算一个ATR波幅的买卖单位 unit = int((account.balance * 0.01) / (quote.volume_multiple * n))
建仓
在净持仓数为0时：获取最新行情价，如果当前最新价大于唐奇安通道的上轨，则买入一个unit（此时持多仓）；如果当前最新价小于唐奇安通道的下轨，则卖出一个unit（此时持空仓）。
# 当前价>唐奇安通道上轨，买入1个Unit；(持多仓)
if quote.last_price > donchian_channel_high:
print("当前价>唐奇安通道上轨，买入1个Unit(持多仓): %d 手" % unit)
set_position(state["position"] + unit)
elif quote.last_price < donchian_channel_low: # 当前价<唐奇安通道下轨，卖出1个Unit；(持空仓)
print("当前价<唐奇安通道下轨，卖出1个Unit(持空仓): %d 手" % unit)
set_position(state["position"] - unit)加仓、止损、止盈
在净持仓数不为0时：判断是持多仓还是空仓，获取最新行情价，根据加仓、止损、止盈策略的条件进行相应的仓位操作。
if state["position"] > 0: # 持多单
# 加仓策略: 如果是多仓且行情最新价在上一次建仓（或者加仓）的基础上又上涨了0.5N，就再加一个Unit的多仓,并且风险度在设定范围内(以防爆仓)
if quote.last_price >= state["last_price"] + 0.5 * n and account.risk_ratio <= max_risk_ratio:
print("加仓:加1个Unit的多仓")
set_position(state["position"] + unit)
# 止损策略: 如果是多仓且行情最新价在上一次建仓（或者加仓）的基础上又下跌了2N，就卖出全部头寸止损
elif quote.last_price <= state["last_price"] - 2 * n:
print("止损:卖出全部头寸")
set_position(0)
# 止盈策略: 如果是多仓且行情最新价跌破了10日唐奇安通道的下轨，就清空所有头寸结束策略,离场
if quote.last_price <= min(klines.low[-donchian_channel_stop_profit - 1:-1]):
print("止盈:清空所有头寸结束策略,离场")
set_position(0)
elif state["position"] < 0: # 持空单
# 加仓策略: 如果是空仓且行情最新价在上一次建仓（或者加仓）的基础上又下跌了0.5N，就再加一个Unit的空仓,并且风险度在设定范围内(以防爆仓)
if quote.last_price <= state["last_price"] - 0.5 * n and account.risk_ratio <= max_risk_ratio:
print("加仓:加1个Unit的空仓")
set_position(state["position"] - unit)
# 止损策略: 如果是空仓且行情最新价在上一次建仓（或者加仓）的基础上又上涨了2N，就平仓止损
elif quote.last_price >= state["last_price"] + 2 * n:
print("止损:卖出全部头寸")
set_position(0)
# 止盈策略: 如果是空仓且行情最新价升破了10日唐奇安通道的上轨，就清空所有头寸结束策略,离场
if quote.last_price >= max(klines.high[-donchian_channel_stop_profit - 1:-1]):
print("止盈:清空所有头寸结束策略,离场")
set_position(0)回测
回测初始参数设置
初始账户资金：1000万
回测日期：2018.9.10 —— 2018.11.12
唐其安通道开仓天数周期：20
唐其安通道止盈天数周期：10
计算ATR所用天数：20
允许下单的最高风险度：50%
回测时盘口行情quote的更新频率：和K线分钟线的更新频率一致
回测结果
| 海龟策略回测结果 | |||||
| 合约代码 | 合约品种 | 收益率 | 风险度 | 最大回撤 | 年化夏普率 |
| SHFE.hc1901 | 热卷 | 22.12% | 44.64% | 14.96% | 2.9268 |
上表回测合约的累积收益走势图
天勤量化中策略源码：
#!/usr/bin/env python
# -*- coding: utf-8 -*-
__author__ = 'limin'
'''
海龟策略
参考: https://www.shinnytech.com/blog/turtle/
注: 该示例策略仅用于功能示范, 实盘时请根据自己的策略/经验进行修改
'''
import json
import time
from tqsdk import TqApi, TargetPosTask
from tqsdk.ta import ATR
class Turtle:
def __init__(self, symbol, account=None, donchian_channel_open_position=20, donchian_channel_stop_profit=10, atr_day_length=20, max_risk_ratio=0.5):
self.account = account # 交易账号
self.symbol = symbol # 合约代码
self.donchian_channel_open_position = donchian_channel_open_position # 唐奇安通道的天数周期(开仓)
self.donchian_channel_stop_profit = donchian_channel_stop_profit # 唐奇安通道的天数周期(止盈)
self.atr_day_length = atr_day_length # ATR计算所用天数
self.max_risk_ratio = max_risk_ratio # 最高风险度
self.state = {
"position": 0, # 本策略净持仓数(正数表示多头，负数表示空头，0表示空仓)
"last_price": float("nan"), # 上次调仓价
}
self.n = 0 # 平均真实波幅(N值)
self.unit = 0 # 买卖单位
self.donchian_channel_high = 0 # 唐奇安通道上轨
self.donchian_channel_low = 0 # 唐奇安通道下轨
self.api = TqApi(self.account)
self.quote = self.api.get_quote(self.symbol)
# 由于ATR是路径依赖函数，因此使用更长的数据序列进行计算以便使其值稳定下来
kline_length = max(donchian_channel_open_position + 1, donchian_channel_stop_profit + 1, atr_day_length * 5)
self.klines = self.api.get_kline_serial(self.symbol, 24 * 60 * 60, data_length=kline_length)
self.account = self.api.get_account()
self.target_pos = TargetPosTask(self.api, self.symbol)
def recalc_paramter(self):
# 平均真实波幅(N值)
self.n = ATR(self.klines, self.atr_day_length)["atr"].iloc[-1]
# 买卖单位
self.unit = int((self.account.balance * 0.01) / (self.quote.volume_multiple * self.n))
# 唐奇安通道上轨：前N个交易日的最高价
self.donchian_channel_high = max(self.klines.high[-self.donchian_channel_open_position - 1:-1])
# 唐奇安通道下轨：前N个交易日的最低价
self.donchian_channel_low = min(self.klines.low[-self.donchian_channel_open_position - 1:-1])
print("唐其安通道上下轨: %f, %f" % (self.donchian_channel_high, self.donchian_channel_low))
return True
def set_position(self, pos):
self.state["position"] = pos
self.state["last_price"] = self.quote["last_price"]
self.target_pos.set_target_volume(self.state["position"])
def try_open(self):
"""开仓策略"""
while self.state["position"] == 0:
self.api.wait_update()
if self.api.is_changing(self.klines.iloc[-1], "datetime"): # 如果产生新k线,则重新计算唐奇安通道及买卖单位
self.recalc_paramter()
if self.api.is_changing(self.quote, "last_price"):
print("最新价: %f" % self.quote.last_price)
if self.quote.last_price > self.donchian_channel_high: # 当前价>唐奇安通道上轨，买入1个Unit；(持多仓)
print("当前价>唐奇安通道上轨，买入1个Unit(持多仓): %d 手" % self.unit)
self.set_position(self.state["position"] + self.unit)
elif self.quote.last_price < self.donchian_channel_low: # 当前价<唐奇安通道下轨，卖出1个Unit；(持空仓)
print("当前价<唐奇安通道下轨，卖出1个Unit(持空仓): %d 手" % self.unit)
self.set_position(self.state["position"] - self.unit)
def try_close(self):
"""交易策略"""
while self.state["position"] != 0:
self.api.wait_update()
if self.api.is_changing(self.quote, "last_price"):
print("最新价: ", self.quote.last_price)
if self.state["position"] > 0: # 持多单
# 加仓策略: 如果是多仓且行情最新价在上一次建仓（或者加仓）的基础上又上涨了0.5N，就再加一个Unit的多仓,并且风险度在设定范围内(以防爆仓)
if self.quote.last_price >= self.state["last_price"] + 0.5 * self.n and self.account.risk_ratio <= self.max_risk_ratio:
print("加仓:加1个Unit的多仓")
self.set_position(self.state["position"] + self.unit)
# 止损策略: 如果是多仓且行情最新价在上一次建仓（或者加仓）的基础上又下跌了2N，就卖出全部头寸止损
elif self.quote.last_price <= self.state["last_price"] - 2 * self.n:
print("止损:卖出全部头寸")
self.set_position(0)
# 止盈策略: 如果是多仓且行情最新价跌破了10日唐奇安通道的下轨，就清空所有头寸结束策略,离场
if self.quote.last_price <= min(self.klines.low[-self.donchian_channel_stop_profit - 1:-1]):
print("止盈:清空所有头寸结束策略,离场")
self.set_position(0)
elif self.state["position"] < 0: # 持空单
# 加仓策略: 如果是空仓且行情最新价在上一次建仓（或者加仓）的基础上又下跌了0.5N，就再加一个Unit的空仓,并且风险度在设定范围内(以防爆仓)
if self.quote.last_price <= self.state["last_price"] - 0.5 * self.n and self.account.risk_ratio <= self.max_risk_ratio:
print("加仓:加1个Unit的空仓")
self.set_position(self.state["position"] - self.unit)
# 止损策略: 如果是空仓且行情最新价在上一次建仓（或者加仓）的基础上又上涨了2N，就平仓止损
elif self.quote.last_price >= self.state["last_price"] + 2 * self.n:
print("止损:卖出全部头寸")
self.set_position(0)
# 止盈策略: 如果是空仓且行情最新价升破了10日唐奇安通道的上轨，就清空所有头寸结束策略,离场
if self.quote.last_price >= max(self.klines.high[-self.donchian_channel_stop_profit - 1:-1]):
print("止盈:清空所有头寸结束策略,离场")
self.set_position(0)
def strategy(self):
"""海龟策略"""
print("等待K线及账户数据...")
deadline = time.time() + 5
while not self.recalc_paramter():
if not self.api.wait_update(deadline=deadline):
raise Exception("获取数据失败，请确认行情连接正常并已经登录交易账户")
while True:
self.try_open()
self.try_close()
turtle = Turtle("SHFE.hc1901")
print("策略开始运行")
try:
turtle.state = json.load(open("turtle_state.json", "r")) # 读取数据: 本策略目标净持仓数,上一次开仓价
except FileNotFoundError:
pass
print("当前持仓数: %d, 上次调仓价: %f" % (turtle.state["position"], turtle.state["last_price"]))
try:
turtle.strategy()
finally:
turtle.api.close()
json.dump(turtle.state, open("turtle_state.json", "w")) # 保存数据点击查看天勤量化（tqsdk）