海龟交易法和唐奇安通道

海龟交易法的传奇起源于这样一个问题：交易员是天生的还是后天培养的？传奇交易员理查德·丹尼斯 (Richard Dennis) 相信，成功的交易员可以像海龟一样被“培育”出来。他认为，只要有一套明确、量化的规则，并严格遵守，普通人也能成为顶尖的交易员。这个实验的产物——海龟交易系统，证明了他的观点，并成为了量化交易领域的传世经典。

海龟交易法则的本质是一个趋势跟踪 (Trend Following) 策略。它基于一个哲学信念：市场价格倾向于在一段时间内向某个方向持续运动，形成趋势。该策略的目标就是尽早识别出新趋势的苗头，建立头寸，并尽可能地持有，直到有明确的信号表明趋势已经结束。

它的“完整性”和“机械化”体现在它为一笔交易的全生命周期都提供了清晰的、不带感情色彩的规则：

买卖什么？ (市场)
买卖多少？ (头寸规模)
何时买卖？ (入市信号)
何时止损？ (风险控制)
何时止盈？ (退出信号)

策略的五大支柱

我们可以将海龟交易法则拆解为五个环环相扣的核心组成部分。

头寸规模：买卖多少？ (风险管理的核心)

这是海龟交易法则最核心、最天才的部分。它不问“这个信号能赚多少钱？”，而是先问“如果这个信号错了，我会亏多少钱？”。这一切都围绕着一个核心概念——波动性 (Volatility)。

定义波动性 N (Average True Range - ATR): 策略首先需要量化市场的日常波动幅度。这通过计算平均真实波幅 (ATR) 来实现。
- 真实波幅 (True Range, TR) 的计算如下，取三者中的最大值：
  - 当日最高价 - 当日最低价
  - 当日最高价 - 上一交易日收盘价 |
  - 当日最低价 - 上一交易日收盘价 |
- 平均真实波幅 (N 或 ATR) 则是过去 n 天 TR 值的简单移动平均值。
- 计算 N 的目的是为了让所有的交易决策都基于市场的真实波动性，而不是主观臆断。

定义头寸单位 (Unit): 海龟法则不以固定的“手数”来下单，而是以一个标准化的“单位”(Unit)来下单。一个 Unit 的设计原则是：当价格向不利方向变动 1N 时，账户总资金的损失恰好是 1%。

价值波动量 (Dollar Volatility, DV)：首先计算 1N 的波动对应多少现金价值。

DV = N × 合约每点价值

计算单位 (Unit)：用总资产的1%除以价值波动量，得到每次应该交易的合约数量。

$总资产总资产合约每点价值$

这是风险标准化的关键。通过这个公式，无论是在波动剧烈的原油市场还是在波动平缓的玉米市场，一个 Unit 所承担的风险都是完全一致的，即总资产的1%。

入市信号：何时买入/卖出？

海龟法则使用唐奇安通道 (Donchian Channel) 来识别趋势的突破。唐奇安通道由过去 n 天的最高价（上轨）和最低价（下轨）构成。

系统一 (System 1)：短期系统

入市信号：当价格向上突破过去 20日的最高价时，买入一个 Unit。当价格向下突破过去 20日的最低价时，卖出一个 Unit。

系统二 (System 2)：中长期系统

入市信号：当价格向上突破过去 55日的最高价时，买入一个 Unit。当价格向下突破过去 55日的最低价时，卖出一个 Unit。

突破前期高点或低点被认为是市场原有均衡被打破的标志，可能预示着一轮新趋势的开启。

加仓：如何扩大优势？

海龟法则采用金字塔式加仓 (Pyramiding)，在盈利的头寸上追加投资，让利润奔跑。

加仓规则：在建立第一个 Unit 的头寸后，如果市场价格继续沿着盈利方向移动 1/2N，则加仓一个 Unit。

虽然这种加仓方式比较激进，但它是基于波动性的，只有当趋势得到确认（价格持续朝有利方向移动）时才增加风险暴露。

止损：何时承认错误？

严格的止损是系统的安全带。

止损规则：任何一笔交易的初始止损位都设置在距离入场价 2N 的位置。

风险上限：由于初始头寸是一个 Unit（代表1%的风险），而止损位在 2N，这意味着任何一笔初始交易的最大亏损被严格限制在总资产的 2%。

动态调整：每加仓一次（增加 1/2N 的盈利），整个头寸（包括之前的所有头寸）的止损位也随之提高 1/2N。

这种移动止损机制不仅能保护初始资本，还能逐步锁定浮动盈利。

止盈退出：何时兑现利润？

这是海龟法则中最反人性的部分。它没有固定的盈利目标，而是让趋势决定何时离场。

系统一 (System 1) 退出：

多头头寸：当价格跌破过去 10日的最低价时离场。
空头头寸：当价格涨破过去 10日的最高价时离场。

系统二 (System 2) 退出：

多头头寸：当价格跌破过去 20日的最低价时离场。
空头头寸：当价格涨破过去 20日的最高价时离场。

这种退出机制的哲学是“给趋势足够的呼吸空间”。它允许价格在趋势中有较大幅度的回调而不被震荡出局，目标是完整地抓住一段大趋势，即使这意味着会回吐一部分浮动盈利。

代码示例

下面的代码示例展示了如何实现一个简单的海龟交易策略：

# coding=utf-8
from __future__ import print_function, absolute_import, unicode_literals
import numpy as np
import pandas as pd
from gm.api import *
'''
以短期为例：20日线
第一步：获取历史数据，计算唐奇安通道和ATR
第二步：当突破唐奇安通道时，开仓。
第三步：计算加仓和止损信号。
'''
def init(context):
    # 设置计算唐奇安通道的参数
    context.n = 20
    # 设置合约标的
    context.symbol = 'DCE.i2012'
    # 设置交易最大资金比率
    context.ratio = 0.8
    # 订阅数据
    subscribe(symbols=context.symbol, frequency='60s', count=2)
    # 获取当前时间
    time = context.now.strftime('%H:%M:%S')
    # 如果策略执行时间点是交易时间段，则直接执行algo定义atr等参数，以防直接进入on_bar()导致atr等未定义
    if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
        algo(context)
    # 如果是交易时间段，等到开盘时间确保进入algo()
    schedule(schedule_func=algo, date_rule='1d', time_rule='09:00:00')
    schedule(schedule_func=algo, date_rule='1d', time_rule='21:00:00')
def algo(context):
    # 计算通道的数据:当日最低、最高、上一交易日收盘
    # 注：由于talib库计算ATR的结果与公式求得的结果不符，所以这里利用公式计算ATR
    # 如果是回测模式,当天的数据直接用history取到
    if context.mode == 2:
        data = history_n(symbol=context.symbol, frequency='1d', count=context.n+1, end_time=context.now, fields='close,high,low,bob', df=True) # 计算ATR
        tr_list = []
        for i in range(0, len(data)-1):
            tr = max((data['high'].iloc[i] - data['low'].iloc[i]), data['close'].shift(-1).iloc[i] - data['high'].iloc[i],
                     data['close'].shift(-1).iloc[i] - data['low'].iloc[i])
            tr_list.append(tr)
        context.atr = int(np.floor(np.mean(tr_list)))
        context.atr_half = int(np.floor(0.5 * context.atr))
        # 计算唐奇安通道
        context.don_open = np.max(data['high'].values[-context.n:])
        context.don_close = np.min(data['low'].values[-context.n:])
    # 如果是实时模式，当天的数据需要用current取到
    if context.mode == 1:
        data = history_n(symbol=context.symbol, frequency='1d', count=context.n, end_time=context.now, fields='close,high,low',
                         df=True)  # 计算ATR
        current_data = current(symbols=context.symbol)   # 最新一个交易日的最高、最低
        tr_list = []
        for i in range(1, len(data)):
            tr = max((data['high'].iloc[i] - data['low'].iloc[i]),
                     data['close'].shift(-1).iloc[i] - data['high'].iloc[i],
                     data['close'].shift(-1).iloc[i] - data['low'].iloc[i])
            tr_list.append(tr)
        # 把最新一期tr加入列表中
        tr_new = max((current_data[0]['high'] - current_data[0]['low']),
                     data['close'].iloc[-1] - current_data[0]['high'],
                     data['close'].iloc[-1] - current_data[0]['low'])
        tr_list.append(tr_new)
        context.atr = int(np.floor(np.mean(tr_list)))
        context.atr_half = int(np.floor(0.5 * context.atr))
        # 计算唐奇安通道
        context.don_open = np.max(data['high'].values[-context.n:])
        context.don_close = np.min(data['low'].values[-context.n:])
    # 计算加仓点和止损点
    context.long_add_point = context.don_open + context.atr_half
    context.long_stop_loss = context.don_open - context.atr_half
    context.short_add_point = context.don_close - context.atr_half
    context.short_stop_loss = context.don_close + context.atr_half
def on_bar(context, bars):
    # 提取数据
    symbol = bars[0]['symbol']
    recent_data = context.data(symbol=context.symbol, frequency='60s', count=2, fields='close,high,low')
    close = recent_data['close'].values[-1]
    # 账户仓位情况
    position_long = context.account().position(symbol=symbol, side=PositionSide_Long)
    position_short = context.account().position(symbol=symbol, side=PositionSide_Short)
    # 当无持仓时
    if not position_long and not position_short:
        # 如果向上突破唐奇安通道，则开多
        if close > context.don_open:
            order_volume(symbol=symbol, side=OrderSide_Buy, volume=context.atr, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('开多仓atr')
        # 如果向下突破唐奇安通道，则开空
        if close < context.don_close:
            order_volume(symbol=symbol, side=OrderSide_Sell, volume=context.atr, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('开空仓atr')
    # 有持仓时
    # 持多仓，继续突破（加仓）
    if position_long:
        # 当突破1/2atr时加仓
        if close > context.long_add_point:
            order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Buy, order_type=OrderType_Market,position_effect=PositionEffect_Open)
            print('继续加仓0.5atr')
            context.long_add_point += context.atr_half
            context.long_stop_loss += context.atr_half
        # 持多仓，止损位计算
        if close < context.long_stop_loss:
            volume_hold = position_long['volume']
            if volume_hold >= context.atr_half:
                order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Sell, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            else:
                order_volume(symbol=symbol, volume=volume_hold, side=OrderSide_Sell, order_type=OrderType_Market,position_effect=PositionEffect_Close)
            print('平多仓0.5atr')
            context.long_add_point -= context.atr_half
            context.long_stop_loss -= context.atr_half
    # 持空仓，继续突破（加仓）
    if position_short:
        # 当跌破加仓点时加仓
        if close < context.short_add_point:
            order_volume(symbol = symbol, volume=context.atr_half, side=OrderSide_Sell, order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('继续加仓0.5atr')
            context.short_add_point -= context.atr_half
            context.short_stop_loss -= context.atr_half
        # 持多仓，止损位计算
        if close > context.short_stop_loss:
            volume_hold = position_short['volume']
            if volume_hold >= context.atr_half:
                order_volume(symbol=symbol, volume=context.atr_half, side=OrderSide_Buy, order_type=OrderType_Market, position_effect=PositionEffect_Close)
            else:
                order_volume(symbol=symbol, volume=volume_hold, side=OrderSide_Buy, order_type=OrderType_Market,position_effect=PositionEffect_Close)
            print('平空仓0.5atr')
            context.short_add_point += context.atr_half
            context.short_stop_loss += context.atr_half
if __name__ == '__main__':
    '''
    strategy_id策略ID,由系统生成
    filename文件名,请与本文件名保持一致
    mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    token绑定计算机的ID,可在系统设置-密钥管理中生成
    backtest_start_time回测开始时间
    backtest_end_time回测结束时间
    backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
    backtest_initial_cash回测初始资金
    backtest_commission_ratio回测佣金比例
    backtest_slippage_ratio回测滑点比例
    '''
    run(strategy_id='strategy_id',
        filename='main.py',
        mode=MODE_BACKTEST,
        token='token',
        backtest_start_time='2020-02-15 09:15:00',
        backtest_end_time='2020-09-01 15:00:00',
        backtest_adjust=ADJUST_PREV,
        backtest_initial_cash=1000000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)