Dual Thrust(期货)
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
3. 策略代码
# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
"""
Dual Thrust是一个趋势跟踪系统
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。
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。
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。
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。
选用了SHFE的rb2010 在2020-02-07 15:00:00 到 2020-04-15 15:00:00' 进行回测。
注意:
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。
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
"""
# 策略中必须有init方法
def init(context):
# 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)
context.symbol = 'SHFE.rb2010' # 订阅&交易标的, 此处订阅的是上期所的螺纹钢 2010
# 设置参数
context.N = 5
context.k1 = 0.2
context.k2 = 0.2
# 获取当前时间
time = context.now.strftime('%H:%M:%S')
# 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
if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
algo(context)
# 如果是交易时间段,等到开盘时间确保进入algo()
schedule(schedule_func = algo, date_rule = '1d', time_rule = '09:00:00')
schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
# 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
subscribe(symbols=context.symbol, frequency='60s', count = 1)
def algo(context):
# 取历史数据
data = history_n(symbol=context.symbol, frequency='1d', end_time=context.now,
fields='symbol,open,high,low,close', count=context.N + 1, df=True)
# 取开盘价
# 回测模式下,开盘价可以直接用history_n取到
if context.mode == 2:
# 获取当天的开盘价
current_open = data['open'].loc[context.N]
# 去掉当天的实时数据
data.drop(context.N, inplace = True)
# 如果是实时模式,开盘价需要用current取到
else:
# 获取当天的开盘价
current_open = current(context.symbol)[0]['open']
# 计算Dual Thrust 的上下轨
HH = data['high'].max()
HC = data['close'].max()
LC = data['close'].min()
LL = data['low'].min()
range = max(HH - LC, HC - LL)
context.buy_line = current_open + range * context.k1 # 上轨
context.sell_line = current_open - range * context.k2 # 下轨
def on_bar(context, bars):
# 取出订阅的这一分钟的bar
bar = bars[0]
# 取出买卖线
buy_line = context.buy_line
sell_line = context.sell_line
# 获取现有持仓
position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
# 交易逻辑部分
# 如果超过range的上界
if bar.close > buy_line:
if position_long: # 已经持有多仓,直接返回
return
elif position_short: # 已经持有空仓,平仓再做多。
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Close)
print('市价单平空仓', context.symbol)
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('市价单开多仓', context.symbol)
else: # 没有持仓时,市价开多。
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('市价单开多仓', context.symbol)
# 如果低于range的下界
elif bar.close < sell_line:
if position_long: # 已经持有多仓, 平多再开空。
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
order_type=OrderType_Market, position_effect=PositionEffect_Close)
print('市价单平多仓', context.symbol)
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('市价单开空仓', context.symbol)
elif position_short: # 已经持有空仓,直接返回。
return
else: # 没有持仓,直接开空
order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
order_type=OrderType_Market, position_effect=PositionEffect_Open)
print('市价单开空仓', context.symbol)
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='strategy_id',
filename='main.py',
mode=MODE_BACKTEST,
token='token_id',
backtest_start_time='2020-02-07 15:00:00',
backtest_end_time='2020-04-15 15:00:00',
backtest_initial_cash= 30000,
backtest_commission_ratio=0.0001,
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
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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 ...
- 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
- PHP 读取数据库内容并以二维数组按指定列输出实例
- post php数据,php post数据
- 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!...
- win10 dns异常上不了网如何解决
- 用python批量执行VBA代码
- 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
- 卡耐基梅陇大学计算机学院名人,卡耐基梅陇大学
- bind mysql django_Django+bind dlz DNS管理平台
- 团队作业4——第一次项目冲刺(Alpha版本)4.25
- showDialog 必须Stateful
- android 权限库EasyPermissions
- ElasticSearch2.1 基于空间位置geo_query距离计算
- 推荐CSDN排名前1000博主
- 中科易安:公安对接流动人口管理智能锁需要联网吗?
- Python基础学习资料视频下载链接
- 关于微信商户企业付款给用户限额问题的说明
- IDA Pro 4.9.0.863 Advanced Full with SDK
- 乐视智能门锁S7评测
- 第六届山东省赛总结贴
- bzoj2668 [cqoi2012]交换棋子