海龟交易法则免费电子版（海龟交易法则）

1983年年中，著名的商品投机家理查德.丹尼斯与他的老友比尔.埃克哈特进行了一场辩论，这场辩论是关于伟大的交易员是天生造就还是后天培养的。理查德相信，他可以教会人们成为伟大的交易员。比尔则认为遗传和天性才是决定因素。

为了解决这一问题，理查德建议招募并培训一些交易员，给他们提供真实的帐户进行交易，看看两个人中谁是正确的。

他们在《巴伦氏》、《华尔街期刊》和《纽约时报》上刊登了大幅广告，招聘交易学员。广告中称，在一个短暂的培训会后，新手将被提供一个帐户进行交易。

理查德从报名的人中精选出13个人，1983年12月底，学员被邀请到芝加哥进行两周的培训，到1984年1月初，开始用小帐户进行交易。到了2月初，在学员证明了自己的能力之后，丹尼斯给其中的大多数人提供了50万至200万美元的资金帐户。

“学员们被称为‘海龟’（丹尼斯先生说这项计划开始时他刚刚从亚洲回来，他解释了自己向别人说过的话，‘我们正在成长为交易员，就象在新加坡他们正在成长为海龟一样’）。”----斯坦利.W.安格瑞斯特，《华尔街期刊》，1989年9月5日

海龟成为交易史上最著名的实验，因为在随后的四年中这些海龟交易员取得了年均复利80%的收益。

是的，里克证明了交易可以被传授。他证明了用一套简单的法则，他可以使仅有很少或根本没有交易经验的人成为优秀的交易员。而这个交易法则被后世称为“海龟交易法则”。

**海龟交易法则：**海龟交易法则属于趋势交易，首先建立唐奇安通道（下文会具体解释），即确定上突破线和下突破线，如果价格突破上线，则做多，如果价格突破下线就平仓或做空。

唐奇安通道，作为一个通道必定有上线和下线，上线就是前N1日内的最高价，下线就是前N2日内的最低价，一般来说N1=20，N2=10；然后，价格上穿就买，下穿就卖，就是这么简单。

但是仅仅只用唐奇安通道进行买卖，其实效果跟MACD线等其他趋势策略的效果差不多，并没有更优

海龟交易法则最核心的部分，在于仓位的控制，这种止损会让你基准的亏损不超过总资金的n%，所以这部分的思想是需要我们学习的。

计算当日真实波幅公式

TR1=Max(H1−L1,H1−C0,C0−L1)TR1=Max(H1−L1,H1−C0,C0−L1)

其中，下表1代表当日，下表0代表昨日，C0C0是昨日开盘价close，H是最高价high，L是最低价low。

一般取前20日的平均TR。

ATR20=mean(TR1,TR2…TR19,TR20)ATR20=mean(TR1,TR2…TR19,TR20)

其中，公式 mean(X1,X2)mean(X1,X2) 代表求 X1X1 和 X2X2 的平均数。

这时候我们已经求出ATR，这个数字可以当做衡量今天的价格波幅的基准，为1单位，比如现在价格是100元，基准波幅ATR=4元，代表今天基准波幅在98-102元，如果是2倍ATR，波幅就在96-104元。

在仅讨论多头的情况下：

1、如果标的价格跌破"持仓均价-0.5（1、1.5、2）倍的ATR"，则平仓至原始仓位的75%（50%，25%，0%）。

2、如果标的价格跌破唐奇安通道下轨，则全平仓。

• 当价格上穿唐奇安通道且短MA在长MA上方时开多仓;当价格下穿唐奇安通道且短MA在长MA下方时开空仓(8手)
• 若有多仓则在价格跌破唐奇安平仓通道下轨的时候全平仓位,否则根据跌破持仓均价 - x(x=0.5,1,1.5,2)倍ATR把仓位平至6/4/2/0手
• 若有空仓则在价格涨破唐奇安平仓通道上轨的时候全平仓位,否则根据涨破持仓均价 x(x=0.5,1,1.5,2)倍ATR把仓位平至6/4/2/0手

subscribe(symbols=symbols, frequency='1d', count=31, wait_group=True)

订阅数据需要在定义init函数里面设置，并调用subscribe函数，这里注意，我们需要通过计算前三十根bars来作为开平仓的标准，并在当前bar上做出开平仓操作，所以需要获取31根bar：

• symbols 需要设置订阅的标的代码。
• frequency需设置订阅数据的周期级别，这里设置1d 表示以一天为周期。
• count需要设置获取的bar的数量

data = context.data(symbol=symbol, frequency='1d', count=31, fields='close')

订阅数据之后，需要获取已经订阅的数据来进行操作，这时需调用context.data函数：

• symbols 需要设置订阅的标的代码。
• frequency需设置订阅数据的周期级别，这里设置1d表示以一天为周期。
• count需要设置获取的bar的数量
• fields需要设置返回值的种类

position_long = context.account().position(symbol=symbol, side=PositionSide_Long) position_short = context.account().position(symbol=symbol, side=PositionSide_Short)

在判断平仓条件时，需要获取持仓信息（包含持仓均价），这就需要调用context.account().position函数：

• symbols 需要设置订阅的标的代码。
• side需要设置持仓方向，有PositionSide_Long和PositionSide_Short两个选择。

我们选取了2017年6月至2017年12月作为回测周期，“RB1801”与“FG801”作为标的合约，均线长短周期分别为5d，20d，唐奇安通道上下轨计算周期分别为20d，10d，ATR计算周期为20d，可以看出：

• 胜率（具有盈利的平仓次数与总平仓次数之比）达到了34.48%，因为海龟交易法则为趋势跟踪策略，所以胜率不会太高。

• 卡玛比率（年化收益率与历史最大回撤之比）是使用最大回撤率来衡量风险。**采用最大回撤率来衡量风险，关注的是最极端的情况。**卡玛比率越高表示策略承受每单位最大损失获得的报酬越高。在这里卡玛比率超过了9。

• 夏普比率（年化收益率减无风险收益率的差收益波动率之比）超过2.5，也即承受1单位的风险，会有超过2.5个单位的收益回报

• 策略收益曲线整体相对稳定，适合稳定型投资者，最大回撤极小，另外，策略在趋势行情行情中表现更加。

策略源码

# coding=utf-8 from __future__ import print_function, absolute_import, unicode_literals import sys import numpy as np import pandas as pd try: import talib except: print('请安装TA-Lib库') sys.exit(-1) from gm.api import * ''' 本策略通过计算CZCE.FG801和SHFE.rb1801的ATR.唐奇安通道和MA线, 当价格上穿唐奇安通道且短MA在长MA上方时开多仓;当价格下穿唐奇安通道且短MA在长MA下方时开空仓(8手) 若有多仓则在价格跌破唐奇安平仓通道下轨的时候全平仓位,否则根据跌破 持仓均价 - x(x=0.5,1,1.5,2)倍ATR把仓位平至6/4/2/0手 若有空仓则在价格涨破唐奇安平仓通道上轨的时候全平仓位,否则根据涨破 持仓均价 x(x=0.5,1,1.5,2)倍ATR把仓位平至6/4/2/0手 回测数据为:CZCE.FG801和SHFE.rb1801的1min数据 回测时间为:2017-09-15 09:15:00到2017-10-01 15:00:00 ''' def init(context): # context.parameter分别为唐奇安开仓通道.唐奇安平仓通道.短ma.长ma.ATR的参数 context.parameter = [20, 10, 5, 20, 20] context.tar = context.parameter[4] # context.goods交易的品种 context.goods = ['CZCE.FG801', 'SHFE.rb1801'] # 订阅context.goods里面的品种, bar频率为1min subscribe(symbols=context.goods, frequency='1d', count=51) # 止损的比例区间 def on_bar(context, bars): bar = bars[0] symbol = bar['symbol'] recent_data = context.data(symbol=symbol, frequency='1d', count=51, fields='close,high,low') close = recent_data['close'].values[-1] # 计算ATR atr = talib.ATR(recent_data['high'].values, recent_data['low'].values, recent_data['close'].values, timeperiod=context.tar)[-1] # 计算唐奇安开仓和平仓通道 context.don_open = context.parameter[0] 1 upper_band = talib.MAX(recent_data['close'].values[:-1], timeperiod=context.don_open)[-1] context.don_close = context.parameter[1] 1 lower_band = talib.MIN(recent_data['close'].values[:-1], timeperiod=context.don_close)[-1] # 若没有仓位则开仓 position_long = context.account().position(symbol=symbol, side=PositionSide_Long) position_short = context.account().position(symbol=symbol, side=PositionSide_Short) if not position_long and not position_short: # 计算长短ma线.DIF ma_short = talib.MA(recent_data['close'].values, timeperiod=(context.parameter[2] 1))[-1] ma_long = talib.MA(recent_data['close'].values, timeperiod=(context.parameter[3] 1))[-1] dif = ma_short - ma_long # 获取当前价格 # 上穿唐奇安通道且短ma在长ma上方则开多仓 if close > upper_band and (dif > 0): order_target_volume(symbol=symbol, volume=80, position_side=PositionSide_Long, order_type=OrderType_Market) print(symbol, '市价单开多仓8手') # 下穿唐奇安通道且短ma在长ma下方则开空仓 if close < lower_band and (dif < 0): order_target_volume(symbol=symbol, volume=80, position_side=PositionSide_Short, order_type=OrderType_Market) print(symbol, '市价单开空仓8手') elif position_long: # 价格跌破唐奇安平仓通道全平仓位止损 if close < lower_band: order_close_all() print(symbol, '市价单全平仓位') else: # 获取持仓均价 vwap = position_long['vwap'] # 获取持仓的资金 band = vwap - np.array([200, 2, 1.5, 1, 0.5, -100]) * atr # 计算最新应持仓位 grid_volume = int(pd.cut([close], band, labels=[0, 10, 20, 30, 40])[0]) * 2 order_target_volume(symbol=symbol, volume=grid_volume, position_side=PositionSide_Long, order_type=OrderType_Market) print(symbol, '市价单平多仓到', grid_volume, '手') elif position_short: # 价格涨破唐奇安平仓通道或价格涨破持仓均价加两倍ATR平空仓 if close > upper_band: order_close_all() print(symbol, '市价单全平仓位') else: # 获取持仓均价 vwap = position_short['vwap'] # 获取平仓的区间 band = vwap np.array([-100, 0.5, 1, 1.5, 2, 200]) * atr # 计算最新应持仓位 grid_volume = int(pd.cut([close], band, labels=[0, 10, 20, 30, 40])[0]) * 2 order_target_volume(symbol=symbol, volume=grid_volume, position_side=PositionSide_Short, order_type=OrderType_Market) print(symbol, '市价单平空仓到', grid_volume, '手') if __name__ == '__main__': ''' strategy_id策略ID,由系统生成 filename文件名,请与本文件名保持一致 mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST token绑定计算机的ID,可在系统设置-密钥管理中生成 backtest_start_time回测开始时间 backtest_end_time回测结束时间 backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST backtest_initial_cash回测初始资金 backtest_commission_ratio回测佣金比例 backtest_slippage_ratio回测滑点比例 ''' run(strategy_id='dcda6cd6-e139-11e7-9f7c-9cd21ef04ea9', filename='turtal.py', mode=MODE_BACKTEST, token='token', backtest_start_time='2017-06-01 09:15:00', backtest_end_time='2017-12-11 15:00:00', backtest_adjust=ADJUST_PREV, backtest_initial_cash=10000000, backtest_commission_ratio=0.0001, backtest_slippage_ratio=0.0001)