D期货量化交易策略ual Thrust(期货)

由Michael Chalek在20世纪80年代开发的Dual Thrust策略是一个趋势跟踪策略。

上下界的设定是交易策略的核心部分。在计算上下界时共用到：最高价、最低价、收盘价、开盘价四个参数。

Range = Max(HH-LC,HC-LL)

K1 和 K2一般根据自己经验以及回测结果进行优化。

第一步：设置参数N、k1、k2
第二步：计算HH、LC、HC、LL
第三步：计算range
第四步：设定做多和做空信号

注意：若修改回测期，需要修改对应的回测标的。

1. from __future__ import print_function, absolute_import
2. """
3. 计算前N天的最高价－收盘价和收盘价－最低价。然后取这2N个价差的最大值，乘以k值。把结果称为触发值。
4. 没有明确止损。这个系统是反转系统，也就是说，如果在价格超过（开盘＋触发值）时手头有空单，则平空开多。
5. 选用了SHFE的rb2010 在2020-02-07 15:00:00 到 2020-04-15 15:00:00' 进行回测。
6. 1：为回测方便，本策略使用了on_bar的一分钟来计算，实盘中可能需要使用on_tick。
7. """
8.  
9.  
10. def init(context):
11.  
12. context.symbol = 'SHFE.rb2010' # 订阅&交易标的, 此处订阅的是上期所的螺纹钢 2010
13.  
14. context.N = 5
15. context.k2 = 0.2
16.  
17. time = context.now.strftime('%H:%M:%S')
18.  
19. if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
20. # 如果是交易时间段，等到开盘时间确保进入algo()
21. schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
22.  
23. subscribe(symbols=context.symbol, frequency='60s', count = 1)
24.  
25.  
26. # 取历史数据
27. fields='symbol,open,high,low,close', count=context.N + 1, df=True)
28. # 回测模式下，开盘价可以直接用history_n取到
29. # 获取当天的开盘价
30. # 去掉当天的实时数据
31. # 如果是实时模式，开盘价需要用current取到
32. # 获取当天的开盘价
33. # 计算Dual Thrust 的上下轨
34. HC = data['close'].max()
35. LL = data['low'].min()
36. context.buy_line = current_open + range * context.k1 # 上轨
37. def on_bar(context, bars):
38. bar = bars[0]
39. buy_line = context.buy_line
40. # 获取现有持仓
41. position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
42.  
43. # 如果超过range的上界
44. if position_long: # 已经持有多仓，直接返回
45. elif position_short: # 已经持有空仓，平仓再做多。
46. order_type=OrderType_Market, position_effect=PositionEffect_Close)
47. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
48. print('市价单开多仓', context.symbol)
49. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
50. print('市价单开多仓', context.symbol)
51. elif bar.close < sell_line:
52. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
53. print('市价单平多仓', context.symbol)
54. order_type=OrderType_Market, position_effect=PositionEffect_Open)
55. elif position_short: # 已经持有空仓，直接返回。
56. else: # 没有持仓，直接开空
57. order_type=OrderType_Market, position_effect=PositionEffect_Open)
58. if __name__ == '__main__':
59. strategy_id策略ID,由系统生成
60. mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
61. backtest_start_time回测开始时间
62. backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
63. backtest_commission_ratio回测佣金比例
64. '''
65. filename='main.py',
66. token='token_id',
67. backtest_end_time='2020-04-15 15:00:00',
68. backtest_commission_ratio=0.0001,
69. 4. 回测结果与稳健性分析

    

    为了检验策略的稳健性，设置不同的k1、k2参数，并且设置不同的回测期，检验回测结果。回测结果如下表所示。

    可以发现，在2020年2月-2020年4月，不论k1、k2如何设置，收益率均维持为正，回撤比较稳定。在其他月份，回测结果较差。说明回测参数设置对于回测结果的影响较小，回测期对于回测结果的影响较大。 <p style="box-sizing: border-box; margin-top: 0px; margin-right: 0px; margin-left: 0px; color: rgb(51, 51, 51); font-family: " microsoft="" yahei",="" helvetica,="" "meiryo="" ui",="" "malgun="" gothic",="" "segoe="" "trebuchet="" ms",="" monaco,="" monospace,="" tahoma,="" stxihei,="" 华文细黑,="" stheiti,="" "helvetica="" neue",="" "droid="" sans",="" "wenquanyi="" micro="" hei",="" freesans,="" arimo,="" arial,="" simsun,="" 宋体,="" heiti,="" 黑体,="" sans-serif;="" font-size:="" 15.4px;="" margin-bottom:="" 0px="" !important;"="">注：此策略只用于学习、交流、演示，不构成任何投资建议。