1. 原理

由Michael Chalek在20世纪80年代开发的Dual Thrust策略是一个趋势跟踪策略。

其核心思想是定义一个区间，区间的上界和下界分别为支撑线和阻力线。当价格超过上界时，如果持有空仓，先平再开多；如果没有仓位，直接开多。当价格跌破下界时，如果持有多仓，则先平仓，再开空仓；如果没有仓位，直接开空仓。

上下界的设定是交易策略的核心部分。在计算上下界时共用到：最高价、最低价、收盘价、开盘价四个参数。

公式如下：

Range = Max(HH-LC,HC-LL)

上限：Open + K1 Range
下限：Open + k2 Range

K1 和 K2一般根据自己经验以及回测结果进行优化。

2. 策略逻辑

第一步：设置参数N、k1、k2
第二步：计算HH、LC、HC、LL
第三步：计算range
第四步：设定做多和做空信号

回测标的：SHFE.rb2010
回测期：2020-02-07 15:00:00 到 2020-04-15 15:00:00
回测初始资金：3万

注意：若修改回测期，需要修改对应的回测标的。

3. 策略代码

1. # coding=utf-8
2. from __future__ import print_function, absolute_import
3. from gm.api import *
4. """
5. Dual Thrust是一个趋势跟踪系统
6. 计算前N天的最高价－收盘价和收盘价－最低价。然后取这2N个价差的最大值，乘以k值。把结果称为触发值。
7. 在今天的开盘，记录开盘价，然后在价格超过上轨（开盘＋触发值）时马上买入，或者价格低于下轨（开盘－触发值）时马上卖空。
8. 没有明确止损。这个系统是反转系统，也就是说，如果在价格超过（开盘＋触发值）时手头有空单，则平空开多。
9. 同理，如果在价格低于（开盘－触发值）时手上有多单，则平多开空。
10. 选用了SHFE的rb2010 在2020-02-07 15:00:00 到 2020-04-15 15:00:00' 进行回测。
11. 注意：
12. 1：为回测方便，本策略使用了on_bar的一分钟来计算，实盘中可能需要使用on_tick。
13. 2：实盘中，如果在收盘的那一根bar或tick触发交易信号，需要自行处理，实盘可能不会成交
14. """
15. # 策略中必须有init方法
16. def init(context):
17. # 设置要进行回测的合约（可以在掘金终端的仿真交易中查询标的代码）
18. context.symbol = 'SHFE.rb2010' # 订阅&交易标的, 此处订阅的是上期所的螺纹钢 2010
19. # 设置参数
20. context.N = 5
21. context.k1 = 0.2
22. context.k2 = 0.2
23. # 获取当前时间
24. time = context.now.strftime('%H:%M:%S')
25. # 如果策略执行时间点是交易时间段，则直接执行algo定义buy_line和sell_line，以防直接进入on_bar()导致context.buy_line和context.sell_line未定义
26. if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
27. algo(context)
28. # 如果是交易时间段，等到开盘时间确保进入algo()
29. schedule(schedule_func = algo, date_rule = '1d', time_rule = '09:00:00')
30. schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
31. # 只需要最新价，所以只需要订阅一个, 如果用tick，次数太多，用一分钟线代替
32. subscribe(symbols=context.symbol, frequency='60s', count = 1)
33. def algo(context):
34. # 取历史数据
35. data = history_n(symbol=context.symbol, frequency='1d', end_time=context.now,
36. fields='symbol,open,high,low,close', count=context.N + 1, df=True)
37. # 取开盘价
38. # 回测模式下，开盘价可以直接用history_n取到
39. if context.mode == 2:
40. # 获取当天的开盘价
41. current_open = data['open'].loc[context.N]
42. # 去掉当天的实时数据
43. data.drop(context.N, inplace = True)
44. # 如果是实时模式，开盘价需要用current取到
45. else:
46. # 获取当天的开盘价
47. current_open = current(context.symbol)[0]['open']
48. # 计算Dual Thrust 的上下轨
49. HH = data['high'].max()
50. HC = data['close'].max()
51. LC = data['close'].min()
52. LL = data['low'].min()
53. range = max(HH - LC, HC - LL)
54. context.buy_line = current_open + range * context.k1 # 上轨
55. context.sell_line = current_open - range * context.k2 # 下轨
56. def on_bar(context, bars):
57. # 取出订阅的这一分钟的bar
58. bar = bars[0]
59. # 取出买卖线
60. buy_line = context.buy_line
61. sell_line = context.sell_line
62. # 获取现有持仓
63. position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
64. position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
65. # 交易逻辑部分
66. # 如果超过range的上界
67. if bar.close > buy_line:
68. if position_long: # 已经持有多仓，直接返回
69. return
70. elif position_short: # 已经持有空仓，平仓再做多。
71. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
72. order_type=OrderType_Market, position_effect=PositionEffect_Close)
73. print('市价单平空仓', context.symbol)
74. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
75. order_type=OrderType_Market, position_effect=PositionEffect_Open)
76. print('市价单开多仓', context.symbol)
77. else: # 没有持仓时，市价开多。
78. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
79. order_type=OrderType_Market, position_effect=PositionEffect_Open)
80. print('市价单开多仓', context.symbol)
81. # 如果低于range的下界
82. elif bar.close < sell_line:
83. if position_long: # 已经持有多仓， 平多再开空。
84. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
85. order_type=OrderType_Market, position_effect=PositionEffect_Close)
86. print('市价单平多仓', context.symbol)
87. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
88. order_type=OrderType_Market, position_effect=PositionEffect_Open)
89. print('市价单开空仓', context.symbol)
90. elif position_short: # 已经持有空仓，直接返回。
91. return
92. else: # 没有持仓，直接开空
93. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
94. order_type=OrderType_Market, position_effect=PositionEffect_Open)
95. print('市价单开空仓', context.symbol)
96. if __name__ == '__main__':
97. '''
98. strategy_id策略ID,由系统生成
99. filename文件名,请与本文件名保持一致
100. mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
101. token绑定计算机的ID,可在系统设置-密钥管理中生成
102. backtest_start_time回测开始时间
103. backtest_end_time回测结束时间
104. backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
105. backtest_initial_cash回测初始资金
106. backtest_commission_ratio回测佣金比例
107. backtest_slippage_ratio回测滑点比例
108. '''
109. run(strategy_id='strategy_id',
110. filename='main.py',
111. mode=MODE_BACKTEST,
112. token='token_id',
113. backtest_start_time='2020-02-07 15:00:00',
114. backtest_end_time='2020-04-15 15:00:00',
115. backtest_initial_cash= 30000,
116. backtest_commission_ratio=0.0001,
117. backtest_slippage_ratio=0.0001)

4. 回测结果与稳健性分析

设定初始资金3万，手续费率为0.01%，滑点比率为0.01%，N=5，K1=0.2，K2=0.2，回测期为2020-02-07 到 2020-04-15时，回测结果如下图所示。

回测期策略累计收益率为9.88%，年化收益率为52.29%。同期沪深300指数收益率为-2.63%，策略跑赢沪深300指数。最大回撤为5.20%，夏普比率为2.63。

为了检验策略的稳健性，设置不同的k1、k2参数，并且设置不同的回测期，检验回测结果。回测结果如下表所示。

K1	K2	回测期	年化收益率	最大回撤
0.2	0.2	2020.02.07-2020.04.15	52.29%	5.20%
0.3	0.3	2020.02.07-2020.04.15	54.93%	8.80%
0.4	0.4	2020.02.07-2020.04.15	43.40%	4.58%
0.5	0.5	2020.02.07-2020.04.15	-22.15%	7.08%
0.5	0.5	2020.04.07-2020.06.15	6.43%	4.60%
0.5	0.5	2020.06.07-2020.09.15	-24.21%	9.80%

可以发现，在2020年2月-2020年4月，不论k1、k2如何设置，收益率均维持为正，回撤比较稳定。在其他月份，回测结果较差。说明回测参数设置对于回测结果的影响较小，回测期对于回测结果的影响较大。

Dual Thrust(期货)相关推荐

1. python量化外汇交易_用Python实现一个Dual Thrust数字货币量化交易策略

   Dual Thrust交易算法介绍 Dual Thrust交易算法是由Michael Chalek开发的著名量化交易策略.它通常用于期货,外汇和股票市场.Dual Thrust的概念属于典型的突破交易 ...

2. python 用while输出数字金字塔_用Python实现一个Dual Thrust数字货币量化交易策略

   Dual Thrust交易算法介绍 Dual Thrust交易算法是由Michael Chalek开发的著名量化交易策略.它通常用于期货,外汇和股票市场.Dual Thrust的概念属于典型的突破交易 ...

3. 第四章：经典量化策略集锦（第四篇：进军交易系统，从 Dual Thrust 中学“趋势”）

   导语: "趋势"这个字眼,大家肯定不陌生,炒股票的老股民天天口里说着 "趋势为王", 那么今天我们向大家介绍一个趋势跟踪交易系统:Dual Thrust ,其简 ...

4. 经典的期货量化交易策略大全

   1.双均线策略(期货) 双均线策略是简单移动平均线策略的加强版.移动平均线目的是过滤掉时间序列中的高频扰动,保留有用的低频趋势.它以滞后性的代价获得了平滑性,比如,在一轮牛市行情后,只有当价格出现大幅 ...

5. 经典的期货量化交易策略大全（含源代码）

   1.双均线策略(期货) 双均线策略是简单移动平均线策略的加强版.移动平均线目的是过滤掉时间序列中的高频扰动,保留有用的低频趋势.它以滞后性的代价获得了平滑性,比如,在一轮牛市行情后,只有当价格出现大幅 ...

6. 民锋国际期货量化交易策略源代码大全

   1.alpha对冲(期货) 投资者在市场交易中面临着系统性风险(即贝塔或Beta.β风险)和非系统性风险(即阿尔法或Alpha.α风险),通过对系统性风险进行度量并将其分离,从而获取超额绝对收益(即阿 ...

7. 5种经典程序化日内交易策略

   日内交易一般有手工和程序化两种,收益来说手工收益要大于程序化. 国内程序化交易还处于起步阶段,本文摘取了海外比较公开的日内交易策略思想给予大家一些分享. 在做程序化交易的过程中,首先要碰到的问题是如何 ...

8. 0、本专栏的预计更新的内容与更新时间表(2022-05-07更新目录排版)

   最近专栏增加了咨询服务,凡是以299元购买专栏的,提供三次免费的咨询服务.咨询服务是提供问题解决方向及解决方法(比如关于backtrader某方面的使用问题,量化投资相关的问题),并不是代写策略及根据 ...

9. 国内4种常用日内CTA策略介绍及实现

   本文首发于微信公众号:优矿量化实验室.文章内容属作者个人观点,不代表和讯网立场.投资者据此操作,风险请自担. 本文将向大家介绍四种常见的CTA策略(Dual Thrust.R-Breaker.菲阿里四 ...

10. 那些CTA策略的表现如何(一)

    致力于量化策略开发,高质量社群,交易思路分享等相关内容 『正文』 ˇ 大家好,我是乌克兰剑圣. 今天我们盘点一下从年初到现在,松鼠CTA策略表现如何(样本外跟踪). 由于策略较多,我选了5个周期长短不 ...

最新文章

1. PHP 读取数据库内容并以二维数组按指定列输出实例
2. post php数据,php post数据
3. 跨部门不配合工作_跨部门协作，队友总是“甩锅”，这三个方法教你快速避坑！...
4. win10 dns异常上不了网如何解决
5. 用python批量执行VBA代码
6. 单调有界定理适用于函数吗_第二百零二夜：导数与三角函数
7. 卡耐基梅陇大学计算机学院名人,卡耐基梅陇大学
8. bind mysql django_Django+bind dlz DNS管理平台
9. 团队作业4——第一次项目冲刺（Alpha版本）4.25
10. showDialog 必须Stateful
11. android 权限库EasyPermissions
12. ElasticSearch2.1 基于空间位置geo_query距离计算
13. 推荐CSDN排名前1000博主
14. 中科易安：公安对接流动人口管理智能锁需要联网吗？
15. Python基础学习资料视频下载链接
16. 关于微信商户企业付款给用户限额问题的说明
17. IDA Pro 4.9.0.863 Advanced Full with SDK
18. 乐视智能门锁S7评测
19. 第六届山东省赛总结贴
20. bzoj2668 [cqoi2012]交换棋子

热门文章

1. GandCrab4.0勒索病毒解密工具
2. Python 批量爬取猫咪图片实现千图成像
3. 华为交换机基础命令合集
4. CCNA考试题库中英文翻译版及答案7
5. latex教程 / 矢量图转换 / 文献引用bibitem
6. C语言算法7744问题
7. matlab画函数微分图,【matlab】ode45求解二阶微分方程，绘制曲线图 | 使用函数句柄的方法...
8. Java中list集合去重方法
9. ResNet网络结构详解及代码复现
10. 不一样的AI：“上天入地”的IBM人工智能