发帖
雷达卡
几乎所有的宽客(Quant)都听说过海龟交易策略，该策略以海龟交易法则为核心。海龟交易策略，起源于八十年代的美国，是一套简单有效的交易法则。这个法则以及使用这个法则的人的故事被写成了一本书——《海龟交易法则》，这是一本入门量化投资的经典书籍。
海龟交易的具体规则是：
- 当今天的收盘价大于过去20个交易日中的最高价时，以收盘价买入；
- 买入后，当收盘价小于过去10个交易日中的最低价时，以收盘价卖出。
这篇文章我们只介绍如何快速编写海龟交易策略（代码如下），暂不涉及复杂的头寸管理和风险控制。由于Python编程语言简洁，因此不用写太多代码就可完成策略完整回测。
数据来源：BigQuant人工智能量化投资平台（www.bigquant.com）
- # 策略参数设置
- instruments = ['600519.SHA'] # 选择的投资标的
- start_date = '2014-07-17' # 回测开始日期
- end_date = '2017-05-07' # 回测结束日期
- # 策略主体函数
- def initialize(context):
- context.set_commission(PerDollar(0.0015)) # 手续费设置
-
- def handle_data(context, data):
-
- if context.trading_day_index < 20: # 在20个交易日以后才开始真正运行
- return
-
- sid = context.symbol(instruments[0])
- price = data.current(sid, 'price') # 当前价格
- high_point = data.history(sid, 'price', 20, '1d').max() # 20日高点
- low_point = data.history(sid, 'price', 10, '1d').min() # 10日低点
-
- # 持仓
- cur_position = context.portfolio.positions[sid].amount
-
- # 交易逻辑
- # 最新价大于等于20日高点，并且处于空仓状态，并且该股票当日可以交易
- if price >= high_point and cur_position == 0 and data.can_trade(sid):
- context.order_target_percent(sid, 1)
- # 最新价小于等于10日低点，并且持有股票，并且该股票当日可以交易
- elif price <= low_point and cur_position > 0 and data.can_trade(sid):
- context.order_target_percent(sid, 0)
- # 策略回测接口
- m=M.backtest.v5(
- instruments=instruments,
- start_date=start_date,
- end_date=end_date,
- initialize=initialize,
- handle_data=handle_data,
- order_price_field_buy='close', # 买入股票订单成交价为收盘价
- order_price_field_sell='close', # 卖出股票订单成交价为收盘价
- capital_base=1000000, # 初始资金为100万
- benchmark='000300.INDX',) # 比较基准为沪深300指数
回测速度超快，输出回测结果图为：
原文链接：见BigQuant量化学堂（https://bigquant.com/tutorial/）
京公网安备 11010802022788号
