海龟策略：量化交易的实战应用

最新推荐文章于 2025-03-18 09:00:00 发布

AI大模型入门

最新推荐文章于 2025-03-18 09:00:00 发布

阅读量962

点赞数 15

文章标签：人工智能深度学习大数据算法 DeepSeek

本文链接：https://blog.csdn.net/m0_70486148/article/details/145824579

版权

一、海龟策略起源与研究现状

1983年，期货大佬理查德·丹尼斯做了一场实验：他招募了23名新手（昵称“海龟”），传授一套趋势跟踪策略，并每人给予100万美元资金。5年后，这群“海龟”中最高盈利达1.72亿美元。

Anderson（2000）：在国债期货和小麦市场中应用海龟交易法则，取得了超额收益，并验证了最优资产配置方法的适用性。(Anderson J.A. Taking a peek inside the turtle’s shell[D]. Queensland University ofTechnology, 2000)

John et al.（2004）：在美国国债期货、标准普尔500指数期货和黄金期货中进行了大量市场论证，发现海龟交易法则在美国期货市场中能够取得超额收益。他们还对模型进行了优化，进一步提升了收益。(John A, Anderson, Robert W, etc. Maximizing futures returns using fixed fraction assetlocation[J].Applied Financial Economics, 2004, 14(15):156-172)

牛永魁（2013）：通过海龟交易法则在沪深300股指期货市场进行回测，发现该策略在中国市场也能取得良好效果，尤其是在加大杠杆后，收益率显著提升。(

牛永魁.基于海龟交易系统的量化交易应用研究[D].河北:河北工业大学,2013)

张玉玲（2018）：在牛市和熊市中分别进行回测，发现海龟交易法则在熊市中表现较好，但在牛市中盈利性不足，整体收益未能跑赢大盘。(张玉玲.海龟交易法则在股指期货投资中的有效性研究[D].四川:成都理工大学2018)

Adamu et al.（2010）：在伦敦股票市场中对海龟交易法则进行了参数优化，结果显示优化后的系统明显优于随机参数系统。(Adamu K, Phelps S.Coevolution of technical trading rules for high frequencytradingIl]. Proceedings ofthe World Congress on Engineering, 2010:96-101)

郭超（2017）：在海龟交易法则基础上加入了适用于震荡行情的子系统，显著提升了收益。(郭超.基于改进海龟交易策略的股指期货程序化交易研究[D].陕西:西安财经学院，2017)

鄢笑玲（2019）：通过构建新的模型参数，获得了年化10%以上的收益，超过了股指期货基准收益。(鄢笑玲.基于海龟交易法则的量化策略研究[D]广东:广东财经大学,2019)

二、理论详解

海龟策略的核心理念是捕捉趋势，通过“突破信号”入场，动态加仓，严格止损。

>> 1. 选市场：高流动性是王道

交易高流动性的品种（如期货、外汇），确保能快速进出场，避免滑点损失。

>> 2. 波动率决定仓位

N值：衡量市场波动性，公式为：
N = (前19日N值 × 19 + 当日真实波幅) ÷ 20
其中，真实波幅（TR）取当日最高-最低价、最高-昨收、昨收-最低价中的最大值。

头寸规模：用总资金的1%除以波动风险（N×每点价值），决定每次买入的单位数。
目的：波动越大，仓位越小，控制风险。

>> 3. 入场信号：突破通道

唐奇安通道：
上轨 = 过去20日最高价
下轨 = 过去20日最低价

买入条件：价格突破上轨时入场；若继续上涨0.5N，则加仓。

双重系统：部分资金在突破55日高点时入场，捕捉更长期趋势。

>> 4. 止损与离场

止损：价格比买入价下跌2N时，清仓止损（单笔亏损≤2%）。

止盈离场：价格跌破10日或20日最低价时，平仓锁定利润。

三、策略优缺点：高收益≠躺赢

优点：

✅ 趋势明确时收益爆发性强（年化收益可达30%+）。
✅ 严格仓位管理，避免情绪化交易。

缺点：
❌ 震荡市频繁止损，回撤大（最大回撤超30%）。
❌ 需长期坚持，普通人难以严格执行。

四、案例分析-沪深300回测结果（基于atrader平台）

1.初始化

def init(context):`    `# 注册数据`    `reg_kdata('day', 1)                           # 注册日频行情数据`    `# 回测细节设置`    `set_backtest(initial_cash=1e8, margin_rate=1.0, slide_price=0.0,`                 `price_loc=1, deal_type=0, limit_type=0)`    `# 全局变量定义/参数定义`    `context.initial = 1e8                          # 初始化设置账户总资金`    `context.win = 22                               # 计算所需总数据长度，需比进场数据长度大2`    `context.system_in = 20                         # 系统的进场数据长度`    `context.system_out = 10                        # 系统的出场数据长度`    `context.ATR_N = 20                             # ATR的数据长度`    `context.add = 0.5                              # 加仓参数`    `context.stop_loss = 2                          # 止损参数`    `context.Tlen = len(context.target_list)        # 标的数量`    `context.record_entryP = np.array(np.zeros(context.Tlen))     # 记录入场点位`    `context.future_info = get_future_info(context.target_list)   # 获取期货标的基本信息

2.数据获取与计算

def on_data(context):`    `# 获取注册数据`    `data = get_reg_kdata(reg_idx=context.reg_kdata[0], length=context.win, fill_up=True, df=True)`    `if data['close'].isna().any():  # 行情数据若存在nan值，则跳过`        `return`    `# 仓位数据查询`    `long_positions = context.account().positions['volume_long']    # 获取多头仓位数据`    `short_positions = context.account().positions['volume_short']  # 获取空头仓位数据`    `# 数据计算`    `close = data.close.values.reshape(-1, context.win).astype(float)   # 获取收盘价，并转为ndarray类型的二维数组`    `high = data.high.values.reshape(-1, context.win).astype(float)     # 获取最高价，并转为ndarray类型的二维数组`    `low = data.low.values.reshape(-1, context.win).astype(float)       # 获取最低价，并转为ndarray类型的二维数组

3.逻辑计算

# 逻辑计算``for i in range(context.Tlen):``   `    `# 计算系统进出场唐奇安通道`    `system_in_up = max(high[i,-context.system_in-1:-1])                   # 系统的进场的上轨`    `system_in_down = min(low[i, -context.system_in-1:-1])                # 系统的进场的下轨`    `system_out_up = max(high[i,-context.system_out-1:-1])                 # 系统的出场的上轨`    `system_out_down = min(low[i, -context.system_out-1:-1])              # 系统的出场的下轨``   `    `# ATR计算`    `HL = (high[i,-context.ATR_N-1:-1] - low[i,-context.ATR_N-1:-1])          # 当前交易日的最高价与最低价间的波幅`    `HC = abs(high[i,-context.ATR_N-1:-1] - close[i,-context.ATR_N-2:-2])     # 前一交易日收盘价与当个交易日最高价间的波幅`    `CL = abs(low[i,-context.ATR_N-1:-1] - close[i,-context.ATR_N-2:-2])      # 前一交易日收盘价与当个交易日最低价间的波幅`    `TR = np.max([HL,HC,CL],axis = 0)                                         # n日的真实波幅`    `ATR = TR.mean()                                                          # n日的真实波幅的均值``   `    `# 每次要买入的仓位`    `min_move = context.future_info['min_move'][i]                           # 标的最小变动单位`    `Unit = context.initial * 0.01 / ATR / min_move / context.Tlen           # 标的每次买入仓位

4.下单交易

# 无持仓—进场``if (long_positions[i] == 0) & (short_positions[i] == 0):   # 无持仓`    `if close[i,-1] > system_in_up:                                                # 进多单`        `order_target_volume(account_idx=0, target_idx=i, target_volume=int(Unit), side=1, order_type=2)`        `context.record_entryP[i] = close[i,-1]             # 记录进场价格``   `    `elif close[i,-1] < system_in_down:                                            # 进空单`        `order_target_volume(account_idx=0, target_idx=i, target_volume=int(Unit), side=2, order_type=2)`        `context.record_entryP[i] = close[i, -1]            # 记录进场价格

# 持多仓—加仓/出场``elif (long_positions[i] > 0):     # 持有多单`    `if close[i, -1] > context.record_entryP[i] + context.add * ATR:                # 多单加仓`        `order_target_volume(account_idx=0, target_idx=i, target_volume=int(Unit), side=1, order_type=2)`        `context.record_entryP[i] = close[i, -1]            # 记录进场价格``   `    `elif close[i, -1] < system_out_down:                                           # 多单离市`        `order_target_volume(account_idx=0, target_idx=i, target_volume=0, side=1, order_type=2)`        `context.record_entryP[i] = 0``   `    `elif close[i, -1] < context.record_entryP[i] - context.stop_loss * ATR:        # 多单止损`        `order_target_volume(account_idx=0, target_idx=i, target_volume=0, side=1, order_type=2)`        `context.record_entryP[i] = 0

# 持空仓—加仓/出场``elif (short_positions[i] > 0):     # 持有空单`    `if close[i,-1] <  context.record_entryP[i] - context.add * ATR :               # 空单加仓`        `order_target_volume(account_idx=0,target_idx=i,target_volume=int(Unit),side=2, order_type=2)`        `context.record_entryP[i] = close[i, -1]            # 记录进场价格``   `    `elif close[i, -1] > system_out_up:                                             # 空单离市`        `order_target_volume(account_idx=0, target_idx=i, target_volume=0, side=2, order_type=2)`        `context.record_entryP[i] = 0``   `    `elif close[i,-1] > context.record_entryP[i] + context.stop_loss * ATR:         # 空单止损`        `order_target_volume(account_idx=0, target_idx=i, target_volume=0, side=2, order_type=2)`        `context.record_entryP[i] = 0