刺蝟教你量化投資(二十五)：如何用Python實現海龜交易法則

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