深入浅出Python量化交易实战--第2章回测与经典策略（下）

2.3 经典策略之海龟策略

说起经典的交易策略，就不得不提到“海龟策略”——一个20世纪80 年代提出的，以海龟交易法则为核心的交易策略。其核心要点是：在股价超过过去N个交易日的股价最高点时买入，在股价低于过去N个交易日的股价最低点时卖出。上述的若干个最高点和最低点会组成一个通道，称为“唐奇安通道”。

关于海龟策略的介绍，限于篇幅，本书不展开详细介绍。我们重点来研究一下如何帮助小瓦使用Python来实现海龟策略。

以下两段代码是加载必要库、设置、加载数据。

前面反复用过，没什么可说的

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import tushare as tspd.set_option('expand_frame_repr', False)  # True就是可以换行显示。设置成False的时候不允许换行
pd.set_option('display.max_columns', None)  # 显示所有列
pd.set_option('display.max_rows', None)  # 显示所有行
pd.set_option('colheader_justify', 'centre')  # 显示居中

ts.set_token('你的token')
pro = ts.pro_api()
# 股票代码
ts_code="002624.SZ"
start = "20220901"
end = "20230310"
# # 日线行情
zgpa = pro.daily(ts_code=ts_code, start_date=start, end_date=end)
zgpa.sort_values('trade_date', inplace=True)
zgpa.set_index('trade_date', inplace=True)
print(zgpa.head())
print(zgpa.tail())

备注：

如果上面程序报错

ts.set_token('你的token')改成：ts.set_token('token')

token即你的 tushare官网 token

需要去 tushare官网注册账户，就有了你的token，登录后个人主页中找

2.3.1 使用海龟策略生成交易信号

海龟策略的一个重点是，使用过去N天的股价最高点和过去N天的股价最低点生成唐奇安通道。一般来说，N会设置为20。不过因为我们下载的股票数据时间范围跨度比较小，所以选择了使用过去5日的股价最高点和最低点来进行演示。输入代码如下：

# 创建一个名为的数据表，使用原始数据表的日期序号
turtle = pd.DataFrame(index=zgpa.index)
# 设置唐奇安通道的上沿为前5天股价的最高点
turtle['high'] = zgpa['close'].shift(1).rolling(5).max()
# 设置唐奇安通道的下沿为前5天股价的最低点
turtle['low'] = zgpa['close'].shift(1).rolling(5).min()
# 当股价突破上沿时，发出买入信号
turtle['buy'] = zgpa['close'] > turtle['high']
# 当股价突破下沿时，发出卖出信号
turtle['sell'] = zgpa['close'] < turtle['low']
turtle.tail()

【结果分析】从输出中可以看到，high中存储的是唐奇安通道的上沿数据；low中存储的是唐奇安通道的下沿；buy如果为True，则为买入信号；sell如果为True，则为卖出信号；而当buy和sell都是False时，则不进行下单。注意：实际上，在唐奇安通道中，还有一条中线，中线的值是上沿和下沿的均值。本例进行了简化处理。

2.3.2 根据交易信号和仓位进行下单

下面我们就根据生成的交易信号来下单。需要说明的是，当程序给出交易信号时，还要结合仓位来判断：当交易信号为“买入”且空仓时，我们才会下买入订单；而交易信号为“卖出”且有持仓股票时，我们才会下卖出订单。输入代码如下：

turtle['orders'] = 0
# 初始的仓位为0
position = 0
# 设置循环，遍历turtle数据表
for k in range(len(turtle)):# 当买入信号为True且仓位为0时下单买入1手if turtle.buy[k] and position==0:# 修改对应的orders值为1turtle.orders.values[k] = 1# 仓位也增加1手position = 1# 当卖出信号为True且持仓时卖出1手if turtle.sell[k] and position>0:# 修改对应的orders值为-1turtle.orders.values[k] = -1# 仓位相应清零position = 0print(turtle.tail(30))
print(position)

【结果分析】仔细观察表2.7，大家会发现：在2月20日这一天，程序下了买入单；而在2月27日，程序下了卖出单。如果读者朋友得到了类似的结果，说明成功地根据交易信号和仓位生成了买卖订单。

为了方便观察，我们也可以用可视化的方式来进行下单的展示。

输入代码如下：

# 设置字体 显示汉字
plt.rcParams["font.sans-serif"] = "SimHei"
# 设置画布的尺寸为18*10
plt.figure(figsize=(18, 10))
# 使用折线图绘制出每天的收盘价
plt.plot(zgpa['close'], lw=1.2, label='收盘价')
# 唐奇安通道的上沿
plt.plot(turtle['high'], lw=1,  ls='--',c='r', label='high')
# 唐奇安通道的下沿
plt.plot(turtle['low'], lw=1,  ls='--',c='g', label='low')
#将买入信号用正三角标识
plt.scatter(turtle.loc[turtle.orders == 1].index,zgpa['close'][turtle.orders == 1],marker='^', s=80, c='r', label='buy')
#将卖出信号用倒三角标识
plt.scatter(turtle.loc[turtle.orders == -1].index,zgpa['close'][turtle.orders == -1],marker='v', s=80, c='g', label='shell')
#添加图注
plt.legend()
# plt.grid()
# 将图像进行展示
plt.show()

【结果分析】在输出图中，实线部分体现的是该股每日的价格，两条虚线分别对应唐奇安通道的上沿和下沿。

当股价第一次突破唐奇安通道上沿时，程序进行了买入，但随后的几天中，股价再次突破了上沿，但由于此时已经有1手持仓，故没有再次买入。

之后股价急转直下，突破了通道下沿，程序下单卖出。

依次类推，在选定的时间范围内，程序进行了N笔交易。

2.3.3对海龟策略进行回测

在前面小节中，我们使用海龟策略分别生成了交易信号和订单。同样，为了帮助小瓦了解海龟策略的业绩表现，下面对其进行简单回测。

输入代码如下：

# 初始资金
initial_cash = 20000
# 创建新的数据表，序号和turtle数据表一致
positions = pd.DataFrame(index=turtle.index).fillna(0.0)
# 每次交易为1手，既100股，仓位既买单和卖单的累积加和
positions['stock'] = 900 * turtle['orders'].cumsum()
# 创建投资组合数据表
portfolio = positions.multiply(zgpa['close'], axis=0)
# 持仓市值为持仓股票数乘以股价
portfolio['holding_values'] = positions.multiply(zgpa['close'], axis=0)
# 计算出仓位的变化
pos_diff = positions.diff()
# 剩余的现金是初始资金减去仓位变化产生的现金流累计加和
portfolio['cash'] = initial_cash - (pos_diff.multiply(zgpa['close'], axis=0)).cumsum()
# 总资产既持仓股票市值加剩余现金
portfolio['total'] = portfolio['cash'] + portfolio['holding_values']
print(portfolio.tail())

为了方便观察，我们也可以用可视化的方式来进行下单的展示。

输入代码如下：

plt.figure(figsize=(18, 10))
plt.plot(portfolio['total'], label='总资产')
plt.plot(portfolio['holding_values'], '--', label='持仓股票市值')
plt.legend()
plt.grid()
plt.show()

【结果分析】从图中可以清晰地看到使用海龟策略进行交易后小瓦总资产和持仓市值的变化情况：实线部分体现的是总资产变化，虚线部分代表小瓦持仓股票的市值。与使用双移动平均策略相似，在整个股价变动明显的情况下，小瓦的总资产略有减少。为了对比海龟策略和双移动平均策略的业绩表现，我们可以看看使用海龟策略后，小瓦的总资产究竟减少了多少。

2.4 小结

在本章中，为了帮助小瓦评估她的“低买高卖”策略，我们简单设计了一个回测程序，通过小瓦总资产的变化来评价策略的业绩表现；随后又介绍了两个经典的交易策略——双移动平均策略和海龟策略。当然，这两种策略都是基于市场动量的变化而设计的，核心思想如下：如果股价上涨并超过某个点位，说明其上升的动量变强，这时应该买入；反之，则下行的动量变强，此时应该卖出。类似的策略也可以看作基于直觉的交易策略，在下一章中，我们会和小瓦一起学习使用机器学习技术来创建交易策略。