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：
Python 金融指数处理库Ta-Lib
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
print("当前价
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：100万
回测日期：.9.10 —— .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16.01%44.64%10.70%2.1534
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: /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
print("当前价
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.au1912")
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
