海龟策略和你想象的不一样？backtrader完整海龟系统代码 | 天勤量化tqsdk获取分钟线，python代码

原创内容第962篇，专注量化投资，AGI和智能体落地、个人成长与财富自由。

今天来说说“交易系统”。

海龟策略大家应该都听过，甚至用过。唐奇安通道，突破做多，向下突破做空。但如果你只是这么看，那就把海龟系统想简单？

其实它本质是是一个交易系统：

它有完整的多空信号，多减仓逻辑，止盈止损逻辑。

风控逻辑：通过ATR和资金比例1%管理，让波动控制在一定的范围内：

下面是完整的backtrader的海龟系统的代码：

import backtrader as bt
class TurtleStrategy(bt.Strategy):    """海龟交易策略 - Backtrader 优化版"""    params = (        ('entry_window', 20),        ('exit_window', 10),        ('atr_window', 20),        ('risk_percent', 0.01),  # 风险资本比例        ('size', 5),             # 合约乘数    )
    def __init__(self):        # 初始化策略状态        self.order = None        self.open_price = 0.0        self.short_price = 0.0
        # 使用Backtrader内置指标计算ATR        self.atr = bt.indicators.ATR(self.data, period=self.p.atr_window)
    def log(self, txt, dt=None):        """日志记录函数"""        dt = dt or self.datas[0].datetime.date(0)        print(f'{dt.isoformat()}, {txt}')
    def notify_order(self, order):        """处理订单状态变化"""        if order.status in [order.Submitted, order.Accepted]:            return  # 订单已提交/接受 - 无需操作
        if order.status in [order.Completed]:            # 记录开仓价格            if order.isbuy():                self.open_price = order.executed.price            elif order.issell() and not order.info.get('closing', False):                self.short_price = order.executed.price
        elif order.status in [order.Canceled, order.Margin, order.Rejected]:            self.log(f'订单取消/保证金不足/拒绝: {order.getstatusname()}')
        self.order = None
    def next(self):        """主策略逻辑"""        # 取消所有未完成订单        if self.order:            self.cancel(self.order)
        # 检查数据长度是否足够        if len(self.data) < max(self.p.entry_window, self.p.exit_window, self.p.atr_window) + 1:            return
        # 计算唐奇安通道        self.entry_up = max(self.data.high.get(size=self.p.entry_window, ago=-1))        self.entry_down = min(self.data.low.get(size=self.p.entry_window, ago=-1))        self.exit_up = max(self.data.high.get(size=self.p.exit_window, ago=-1))        self.exit_down = min(self.data.low.get(size=self.p.exit_window, ago=-1))
        # 获取当前价格和ATR        price = self.data.close[0]        atr_value = self.atr[0] if self.atr[0] > 0 else 1  # 防止除零错误
        # 计算交易单位 - 使用当前净资产计算        risk_capital = self.broker.getvalue() * self.p.risk_percent
        risk_per_contract = atr_value * self.p.size        self.unit = max(1, int(risk_capital / risk_per_contract))
        # 无持仓时的开仓逻辑        if not self.position:            if price > self.entry_up:                self.order = self.buy(size=self.unit)            elif price < self.entry_down:                self.order = self.sell(size=self.unit)
        # 多头持仓管理        elif self.position.size > 0:            # 加仓逻辑            open_low = self.open_price + atr_value * 0.5            open_high = self.open_price + atr_value * 2            if open_low < price < open_high and self.position.size < 4 * self.unit:                unit_num = min(                    int((price - self.open_price) / (atr_value * 0.5)),                    4 - self.position.size // self.unit                )                if unit_num > 0:                    self.order = self.buy(size=unit_num * self.unit)
            # 止损/止盈逻辑            if price < (self.open_price - atr_value * 2) or price < self.exit_down:                self.order = self.sell(size=abs(self.position.size), closing=True)
        # 空头持仓管理        elif self.position.size < 0:            # 加仓逻辑            open_low = self.short_price - atr_value * 2            open_high = self.short_price - atr_value * 0.5            if open_low < price < open_high and abs(self.position.size) < 4 * self.unit:                unit_num = min(                    int((self.short_price - price) / (atr_value * 0.5)),                    4 - abs(self.position.size) // self.unit                )                if unit_num > 0:                    self.order = self.sell(size=unit_num * self.unit)
            # 止损/止盈逻辑            if price > (self.short_price + atr_value * 2) or price > self.exit_up:                self.order = self.buy(size=abs(self.position.size), closing=True, short=True)
    def stop(self):        """策略结束时打印结果"""        self.log(f'期末净资产: {self.broker.getvalue():.2f}')

海龟策略完整notebook在如下位置：

天勤量化tqsdk的期货数据下载：

大类资产配置的角度，一般我们使用order_target_percent就是指定目标仓位。

等权分配、风险平价等来分配仓位。

但这里有一个核心逻辑，就是满仓，只是组合里不同的标的分配不同的权重罢了。

从量化的角度，一个策略符合入场条件，你就会全仓all in吗？似乎不妥。

更常见的情况是投入一定比例的资金，比如《以交易为生》里提及的2%的仓位，然后根据变化，再决定加仓还是减仓等。

实盘中的几个问题，大家可以思考一下：

1、卖空的仓位，在backtrader的self.get_broker().getvalue如何计算当前市值？

2、backtrader里的现金如何获取？self.broker.get_cash()

3、国内期货是否允许同时持有多仓和空仓？

逻辑上是可以的，但对于策略没有意义。比如像海龟这样的策略，当前持有多仓，而策略发出卖出信号，应该先平多仓，然后如何还需要持空仓可以再卖出。

择时交易的交易系统，本质其实是“应对而非预测”。——这是符合逻辑的。

预测市场很难，而应对是指，承认自己无法预测，但不意味着就没事可作，而是顺应市场去操作。比如发现市场往上走，就加点仓位，回调多少就止损等等。

在做好风控的基础上，胜率*赔率为正，就是一个可以执行的系统。

多因子的逻辑，从这个本质看，尤其是机器学习，反而有“预测”的意味，选择好的因子（特征），使用未来收益率的label来预测哪个股票会上涨，然后把它纳入组合持有，定期去筛选。——这是预测逻辑。

股票和期货是两种不同的思路。

股票本质是有内生增长动力，本质上是好企业融资，发展的逻辑，所以，优质股票是可以长期持有。这是本质。

期货就是一个定价，一份合约。就是看价格变化，多空都可，而且可以上杠杆，本质是为了锁定价格，对冲风险。

这是不一样的。

另外，从实盘的角度，哪怕不做日内，也是需要日内数据的。比如你需要在收盘前5分钟完成交易，那就需要5分钟数据，或者是分钟线数据才能完成相应的策略。

免费的数据里，日频的数据获取相对还容易一些，但要到分钟线或者tick，那是需要一定的成本的。

吾日三省吾身

今天看一个视频，关于财务自由，讲得挺好，分享一下： 

她按年化3.5%（其实按4%没问题的）的“保守”计算，有多少钱“花不完”。  

1、生存财务自由：300万本金，每月开销8K，花不完。

在三线及以下城市，你就躺着，月8K确实差不多。 

2、真正财务自由（大家理解的）： 3000万本金。每天花2700，只要不作，确实花不了这么多钱。

年化收益548%，回撤才6%，夏普比5.72，这个策略一直很稳定，附python代码

年化30.24%，最大回撤19%，综合动量多因子评分策略再升级（python代码+数据）

创业板+纳指+黄金的轮动，13年70倍 | 年入千万超级个体，才是普通人创业的趋势。