【量化交易】永久投资组合，海龟交易法则阅读，回测与讨论

【量化交易】永久投资组合，海龟交易法阅读，回测与讨论

首先和大家分享一个真实的故事。
根据网上北京市，1991年至2021年平均工资年鉴。
北京市1991年平均工资为2877元，2021年平均工资为145766元。
30年差了50.66倍。
也就是说91年，你每月能赚240元，在北京就算中等收入水平。而30年后，你收入每月赚的是91年的10倍，2400元，在北京依然算是特别落后的一部分。
由此可见通货膨胀的可怕，
和资本是如何通过，通货膨胀，剥削榨取普通人的资产的。
因此，通过理财手段，抵消通货膨胀带来的负面影响。
可以说是普通人想完成阶级跨越，或者说保持原有阶级不变的必要手段。
正所谓“你不理财，财不理你。”古人诚不欺我。

理财的类型，主要分为：
1.定期存款
2.银行理财
3.货币基金
4.国债
5.股票基金
6.黄金贵金属
当然，像投资房产，古董等，都和黄金类似，都有很好的抗通胀属性。
不过正所谓“鸡蛋不要放在一个篮子里。”，我们还是要考虑到，例如21年房地产行业整体下行的情况。如果把所有资产都投入到一个地方。当风险来临时，如何抵御风险。
下面给大家介绍一下一种投资组合，永久投资组合。

如果不是想通过投机（赌博）致富。就可以参考这个投资组合。由于里面做了一些对冲，导致可以有良好的持有体验。

下面是其他人对永久投资组合做的回测：

显然指数基金虽然收益回报赚的多一点，但是最大回撤（也就是暂时赔的钱）比例却大很多。当然持有体验不如永久投资组合，只适合心里承受能力很强的人去考虑。
当然，永久投资组合还是有很多可以优化的空间。
例如，长期国债和黄金投资都有很好的，抵抗通货膨胀属性。
以笔者为参考，长期国债相较于黄金，普通人更难购买。
显然，可以选择将黄金比例提高，或者用指数基金可以做一些相似性代替。
然后其中收益最高，风险也最大的股票投资部分。则可以考虑，通过今天的主题，海龟交易法则，进行优化。

有本书叫《祖鲁法则》是讲关于选股的，上面有一个观点和就像美国股神巴菲特一样，讲的是要在熟悉的领域进行操作。

显然，海龟交易法则测试的发起人，理查德.丹尼斯，以400美元作为本金，10多年时间，赚取2个多亿的投资大师。就是对于投机领域的专业人士。
海龟交易法则，简单的说，就是以，股票这种零和博弈的本质就是反人性的。所以要用绝对理性的纪律，来实践计划的数学模型。这样才能减少感性主观判断带来的失误操作。

具体的交易原则，笔者总结后为：
1.配资策略：只能有四个头寸单位,关联品种头寸单位不能超过6个；
2.入场策略：突破20日（MA20，短线)或者50日（MA50，长线）平均价格的最高点，入场做多：
(操作细节：
1.使用限价单，不用市价单。限价单可以根据市价取低点，这样完成更多的低卖，可以实现盈利最大化。
2.对于基金股票类N+1天交易类型，最好在尾盘操作，避免盘中波动风险。
)
3.止损策略：止损点位是10日或者20日波动幅度平均值（ATR）。
(例如，20日波动幅度平均值（ATR）n为2，则2n为4。20日(MA20)平均价格为20，止损点位则为16。)
4.出场策略：过去20天最低价就要出场；

数据建模代码如下：

# 标题：海龟交易体系（股票版）
# 作者：MarquiS_houzf


# 导入函数库
from jqdata import *
import numpy

def initialize(context):
    set_params()        #1设置策参数
    set_variables()     #2设置中间变量
    set_backtest()      #3设置回测条件
    run_daily(daily, time='every_bar')

#1 设置策略参数
def set_params():
    #'000001.XSHG'上证指数
    #'600519.XSHG'贵州茅台
    g.security = '600519.XSHG'
    # 系统入市的trailing date
    g.short_in_date = 20
    # 系统 exiting market trailing date
    g.short_out_date = 10
    # 系统2 exiting market trailing date
    # g.dollars_per_share是标的股票每波动一个最小单位，1手股票的总价格变化量。
    # 在国内最小变化量是0.01元，所以就是0.01×100=1
    g.dollars_per_share = 1
    # 可承受的最大损失率
    g.loss = 0.1
    # 若超过最大损失率，则调整率为：
    # 计算N值的天数
    g.number_days = 20
    # 最大允许单元
    g.unit_limit = 4
    # 系统1所配金额占总金额比例

#2 根据不同的时间段设置滑点与手续费
def set_slip_fee(context):
    # 将滑点设置为0
    set_slippage(FixedSlippage(0)) 
    # 根据不同的时间段设置手续费
    dt=context.current_dt

#3 设置中间变量
def set_variables():
    # 初始单元
    g.unit = 1000
    # 存储N值
    g.N = []
    # 系统1的突破价格
    g.break_price = 0
    # 系统2的突破价格
    g