Dual Thrust 策略

ZaynPei Lv6
  2025-10-16 13:00 2025-10-16 13:00 Created   2025-10-16 21:13:28 2025-10-16 21:13:28 Updated      1.9k Words  7 Mins

Dual Thrust 策略（双向推力策略）由 Michael Chalek 于 20 世纪 80 年代提出，是一种旨在捕捉日内突破的趋势跟踪系统。它利用前一个交易周期（通常是前一日）的价格波动信息来确定当前交易日的开仓区间。

该策略的关键在于建立一个动态的交易区间，包含一个上限（阻力线）和一个下限（支撑线）。

  • 突破上限（阻力线）：被视为强烈的向上动能，产生做多信号。
  • 跌破下限（支撑线）：被视为强烈的向下动能，产生做空信号。

区间边界的计算（策略核心）

上下限的设定是 Dual Thrust 策略的核心，它决定了突破的敏感度。它结合了前一个交易周期的最高价、最低价和收盘价，以确定一个有效的波动幅度。

  • HH: N 日内的最高价的最高值 (Highest High)。
  • HC: N 日内的收盘价的最高值 (Highest Close)。
  • LC: N 日内的收盘价的最低值 (Lowest Close)。
  • LL: N 日内的最低价的最低值 (Lowest Low)。

波动范围的计算遵循以下公式:

这个公式试图捕捉过去 N 天内市场的最大价格运动幅度。 HH - LC 代表了“最大上涨力量”（从最低收盘价到最高价的距离）。 HC - LL 代表了“最大下跌力量”（从最高收盘价到最低价的距离）。 取这两者中的较大值，可以更稳健地代表近期的市场波动性。

设定上下轨 (Trigger Lines):

  • 上轨 (买入触发线):
  • 下轨 (卖出触发线):

这里的 K1 和 K2 是敏感度系数。它们控制了交易区间的宽度。K 值越小，区间越窄，交易信号越频繁，但也越容易被市场噪音触发。K 值越大，区间越宽，信号更少，但一旦触发，可能代表着更强的趋势。

一个有趣的应用是，当交易者对后市的上涨和下跌预期不对称时，可以设置不同的 K1 和 K2。例如，如果认为上涨趋势更容易形成，可以设置一个较小的 K1 和一个较大的 K2。

策略逻辑

策略的日内执行逻辑是一个清晰的“停止-反转”(Stop-And-Reverse)系统。

每日开盘前:

  • 第一步: 设置好核心参数 N, K1, K2。
  • 第二步: 获取过去 N 天的日线数据。
  • 第三步: 根据公式计算出当日的 Range 值。

当日开盘后:

  • 第四步: 获取当日的开盘价 Open。
  • 第五步: 计算出当日的上轨 BuyLine 和下轨 SellLine。这两条线在当天是固定不变的。

盘中持续监控:

  • 第六步: 监控实时价格。

  • 做多信号: 当价格向上突破 BuyLine 时：

    • 如果当前持有空仓，则先平掉空仓，再开立多仓。

    • 如果当前无持仓，则直接开立多仓。

    • 如果当前已持有多仓，则无操作。

  • 做空信号: 当价格向下突破 SellLine 时：

    • 如果当前持有多仓，则先平掉多仓，再开立空仓。

    • 如果当前无持仓，则直接开立空仓。

    • 如果当前已持有空仓，则无操作。

策略代码

下面的代码示例展示了如何实现 Dual Thrust 交易策略：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
# coding=utf-8
from __future__ import print_function, absolute_import
from gm.api import *
"""
Dual Thrust是一个趋势跟踪系统
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。
在今天的开盘，记录开盘价，然后在价格超过上轨（开盘＋触发值）时马上买入，或者价格低于下轨（开盘－触发值）时马上卖空。
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。
同理，如果在价格低于（开盘－触发值）时手上有多单，则平多开空。
选用了SHFE的rb2010 在2020-02-07 15:00:00 到 2020-04-15 15:00:00' 进行回测。
注意： 
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。
2：实盘中，如果在收盘的那一根bar或tick触发交易信号，需要自行处理，实盘可能不会成交
"""
# 策略中必须有init方法
def init(context):
    # 设置要进行回测的合约（可以在掘金终端的仿真交易中查询标的代码）
    context.symbol = 'SHFE.rb2010'  # 订阅&交易标的, 此处订阅的是上期所的螺纹钢 2010
    # 设置参数
    context.N = 5
    context.k1 = 0.2
    context.k2 = 0.2
    # 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buy_line和sell_line，以防直接进入on_bar()导致context.buy_line和context.sell_line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')
    # 只需要最新价，所以只需要订阅一个, 如果用tick，次数太多，用一分钟线代替
    subscribe(symbols=context.symbol, frequency='60s', count = 1)
def algo(context):
    # 取历史数据
    data = history_n(symbol=context.symbol, frequency='1d', end_time=context.now,
                     fields='symbol,open,high,low,close', count=context.N + 1, df=True)
    # 取开盘价
    # 回测模式下，开盘价可以直接用history_n取到
    if context.mode == 2:
        # 获取当天的开盘价
        current_open = data['open'].loc[context.N]
        # 去掉当天的实时数据
        data.drop(context.N, inplace = True)
    # 如果是实时模式，开盘价需要用current取到
    else:
        # 获取当天的开盘价
        current_open = current(context.symbol)[0]['open']
    # 计算Dual Thrust 的上下轨
    HH = data['high'].max()
    HC = data['close'].max()
    LC = data['close'].min()
    LL = data['low'].min()
    range = max(HH - LC, HC - LL)
    context.buy_line = current_open + range * context.k1  # 上轨
    context.sell_line = current_open - range * context.k2  # 下轨
def on_bar(context, bars):
    # 取出订阅的这一分钟的bar
    bar = bars[0]
    # 取出买卖线
    buy_line =  context.buy_line
    sell_line = context.sell_line
    # 获取现有持仓
    position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
    position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
    # 交易逻辑部分
    # 如果超过range的上界
    if bar.close > buy_line:
        if position_long:  # 已经持有多仓，直接返回
            return
        elif position_short:  # 已经持有空仓，平仓再做多。
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
                         order_type=OrderType_Market, position_effect=PositionEffect_Close)
            print('市价单平空仓', context.symbol)
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
                         order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('市价单开多仓', context.symbol)
        else:  # 没有持仓时，市价开多。
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
                         order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('市价单开多仓', context.symbol)
    # 如果低于range的下界
    elif bar.close < sell_line:
        if position_long:  # 已经持有多仓， 平多再开空。
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
                         order_type=OrderType_Market, position_effect=PositionEffect_Close)
            print('市价单平多仓', context.symbol)
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
                         order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('市价单开空仓', context.symbol)
        elif position_short:  # 已经持有空仓，直接返回。
            return
        else:  # 没有持仓，直接开空
            order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
                         order_type=OrderType_Market, position_effect=PositionEffect_Open)
            print('市价单开空仓', context.symbol)
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_id',
        backtest_start_time='2020-02-07 15:00:00',
        backtest_end_time='2020-04-15 15:00:00',
        backtest_initial_cash= 30000,
        backtest_commission_ratio=0.0001,
        backtest_slippage_ratio=0.0001)
On this page
Dual Thrust 策略
  1. 区间边界的计算（策略核心）
  2. 策略逻辑
  3. 策略代码