交易史上最著名的實驗
使用海龜交易法則之前,需要先了解註明的海龜實驗。1983年年中,著名的商品投機家理查德.丹尼斯與他的老友比爾.埃克哈特進行了一場辯論,這場辯論是關於偉大的交易員是天生造就還是後天培養的。理查德相信,他可以教會人們成爲偉大的交易員。比爾則認爲遺傳和天性纔是決定因素。
爲了解決這一問題,理查德建議招募並培訓一些交易員,給他們提供真實的帳戶進行交易,看看兩個人中誰是正確的。理查德或許是當時世界上最著名的交易員,所以,有1000多位申請人前來投奔他。他會見了其中的80位,並在這羣人精選出10個人。後來這個名單變成13個人,所增加的3個人理查德以前就認識。
理查德在開始這項計劃之前,剛從亞洲回來。他在新加坡的海龜農場曾說過:“我們要培養交易者,就像新加坡人養海龜一樣。”於是,這13名學員日後便被稱作‘海龜’。最終,這項計劃成爲交易史上最著名的實驗,在隨後的四年中,海龜們取得了年均複利80%的收益。
理查德也證明了交易可以被傳授。他用一套簡單的法則,就可以使僅有很少或根本沒有交易經驗的人成爲優秀的交易員。這套法則便是著名的海龜交易法則。
海龜交易法則的原理
海龜交易法則有四大模塊,分別是入市、資金管理、止損及退出。這四大模塊分別解決了在哪個市場買賣、買賣什麼、如何設定頭寸規模、什麼時候買賣、什麼時候止損、什麼時候退出市場等問題,是一套完整的交易體系。
入市部分
我們需要構建唐奇安通道來生成交易的指令。唐奇安通道的使用方式類似於布林線,但構建時並不使用標準差,而是捕捉趨勢信號。上線爲過去20天的最高價,下線爲過去10天的最低價,中線是上線加下線除以2。當股價上破時買入,當股價下坡時賣出。
資金管理部分
需要計算N值。N值與平均真實波幅ATR相似,我們通過N值來確定倉位的大小。原則是波動大的市場買少一點,波動小的市場買多一點,最終使得在不同市場中承受的風險相似。
N值的含義是,過去20天股價最大波動範圍的平均幅度。TrueRange=Max(High−Low,abs(High−PreClose),abs(PreClose−Low))
N=(PreN∗19+TrueRange20) / 20
Unit = 1/N
計算Unit公式的背後含義是,UnitN=Capital1%。在股票市場中計算的Unit就是多少股。當股價在上一次買入的基礎上上漲了0.5N,則加倉一個Unit。
止損部分
當股價比最後一次買入的價格下跌2N,則立即清倉止損。
用Python實現
下面我們以中國平安的個股爲例,根據海龜交易法則進行操作:
import numpy as np
import pandas as pd
from CAL.PyCAL import *
start = '2013-01-01' # 回測起始時間
end = '2019-01-01' # 回測結束時間
benchmark = '601318.XSHG'
universe = ['601318.XSHG']
capital_base = 100000 # 起始資金
freq = 'd'
refresh_rate = 1
accounts = {
'fantasy_account': AccountConfig(account_type='security', capital_base=100000)
}
def initialize(context): #初始化環境
context.last_buy_prcie = 0 #上一次買入價
context.hold_flag = False # 是否持有頭寸標誌
context.limit_unit = 10 # 限制最多買入的單元數
context.unit = 0
context.add_time = 0 # 買入次數
def CalcATR(data):
TR_List = []
for i in range(1,21):
TR = max(data['highPrice'].iloc[i]-data['lowPrice'].iloc[i],abs(data['highPrice'].iloc[i]-data['closePrice'].iloc[i-1]),abs(data['closePrice'].iloc[i-1]-data['lowPrice'].iloc[i]))
TR_List.append(TR)
ATR = np.array(TR_List).mean()
return ATR
def CalcUnit(perValue,ATR):
return round((perValue/ATR)/100)*100
def SellComplete(hold_flag,security_position):
if len(security_position)>0 and hold_flag==False:
return True
else:
return False
def IN_OR_OUT(data,price,T):
up = max(data['highPrice'].iloc[-T:-1])
down = min(data['lowPrice'].iloc[-int(T/2):-1]) # 這裏是10日唐奇安下沿
if price>up:
return 1
elif price<down:
return -1
else:
return 0
def Add_OR_Stop(price,lastprice,ATR):
if price >= lastprice + 0.5*ATR:
return 1
elif price <= lastprice - 2*ATR:
return -1
else:
return 0
def handle_data(context):
T = 20
stock_account = context.get_account('fantasy_account')
data = context.history(['601318.XSHG'], attribute=['openPrice', 'highPrice', 'lowPrice', 'closePrice'], time_range=T+1, freq='1d', style='sat', rtype='frame')
stk = universe[0]
data = data[stk]
data = pd.DataFrame(data)
prices = context.current_price(stk) #獲得最近價格
today = Date.fromDateTime(context.current_date)
today = today.toISO() #轉換爲標準日期格式
#剔除停牌的股票
if np.isnan(prices) or prices == 0: # 停牌或是還沒有上市等原因不能交易
return
# 計算ATR和unit
ATR = CalcATR(data)
value = stock_account.portfolio_value * 0.01
context.unit = CalcUnit(value,ATR)
#判斷是否處於空倉的狀態
if SellComplete(context.hold_flag,stock_account.get_positions()):
for stk in stock_account.get_positions():
stock_account.order_to(stk,0)
#判斷買賣時機
out = IN_OR_OUT(data,prices,T)
if out ==1 and context.hold_flag==False:
stock_account.order_to(stk,context.unit)
context.add_time = 1 #入場之後持倉就+1
context.hold_flag = True
context.last_buy_prcie = prices
elif out==-1 and context.hold_flag ==True: #離場
stock_account.order_to(stk,0)
initialize(context) # 重新初始化參數
#判斷加倉或止損
if context.hold_flag==True and len(stock_account.get_positions())>0:
temp = Add_OR_Stop(prices,context.last_buy_prcie,ATR)
if temp ==1 and context.add_time<=context.limit_unit: # 加倉
order_num = min(context.unit,int((stock_account.cash/prices)/100)*100)
stock_account.order(stk,order_num)
context.last_buy_prcie = prices
context.add_time += 1
elif temp== -1: # 止損
stock_account.order_to(stk,0)
initialize(context)
return
寫完代碼後運行,結果如下:
綜上所述,海龜交易法則的應用效果還不錯。
刺蝟偷腥
2019年1月26日