Dual Thrust(期货)

Dual Thrust(期货)

分享
阅读 17205 更新 2021-07-22 13:33:49
  • 1. 原理
  • 2. 策略逻辑
  • 3. 策略代码
  • 4. 回测结果与稳健性分析

Dual Thrust

1. 原理

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。

其核心思想是定义一个区间，区间的上界和下界分别为支撑线和阻力线。当价格超过上界时，如果持有空仓，先平再开多；如果没有仓位，直接开多。当价格跌破下界时，如果持有多仓，则先平仓，再开空仓；如果没有仓位，直接开空仓。

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。

公式如下：

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

上限：Open + K1 Range
下限：Open + k2 Range

K1 和 K2一般根据自己经验以及回测结果进行优化。

2. 策略逻辑

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

回测标的：SHFE.rb2010
回测期：2020-02-07 15:00:00 到 2020-04-15 15:00:00
回测初始资金：3万

注意：若修改回测期，需要修改对应的回测标的。

3. 策略代码

  1. # coding=utf-8
  2. from __future__ import print_function, absolute_import
  3. from gm.api import *
  4. '''
  5. Dual Thrust是一个趋势跟踪系统
  6. 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。
  7. 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。
  8. 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。
  9. 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。
  10. 选用了SHFE的rb2010 在2020-02-07 15:00:00 到 2020-04-15 15:00:00' 进行回测。
  11. 注意：
  12. 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。
  13. 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
  14. '''
  15. # 策略中必须有init方法
  16. def init(context):
  17. # 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）
  18. context.symbol = 'SHFE.rb2010' # 订阅&交易标的, 此处订阅的是上期所的螺纹钢 2010
  19. # 设置参数
  20. context.N = 5
  21. context.k1 = 0.2
  22. context.k2 = 0.2
  23. # 获取当前时间
  24. time = context.now.strftime('%H:%M:%S')
  25. # 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
  26. if '09:00:00' < time < '15:00:00' or '21:00:00' < time < '23:00:00':
  27. algo(context)
  28. # 如果是交易时间段，等到开盘时间确保进入algo()
  29. schedule(schedule_func = algo, date_rule = '1d', time_rule = '09:00:00')
  30. schedule(schedule_func = algo, date_rule = '1d', time_rule = '21:00:00')
  31. # 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
  32. subscribe(symbols=context.symbol, frequency='60s', count = 1)
  33. def algo(context):
  34. # 取历史数据
  35. data = history_n(symbol=context.symbol, frequency='1d', end_time=context.now,
  36. fields='symbol,open,high,low,close', count=context.N + 1, df=True)
  37. # 取开盘价
  38. # 回测模式下，开盘价可以直接用history_n取到
  39. if context.mode == 2:
  40. # 获取当天的开盘价
  41. current_open = data['open'].loc[context.N]
  42. # 去掉当天的实时数据
  43. data.drop(context.N, inplace = True)
  44. # 如果是实时模式，开盘价需要用current取到
  45. else:
  46. # 获取当天的开盘价
  47. current_open = current(context.symbol)[0]['open']
  48. # 计算Dual Thrust 的上下轨
  49. HH = data['high'].max()
  50. HC = data['close'].max()
  51. LC = data['close'].min()
  52. LL = data['low'].min()
  53. range = max(HH - LC, HC - LL)
  54. context.buy_line = current_open + range * context.k1 # 上轨
  55. context.sell_line = current_open - range * context.k2 # 下轨
  56. def on_bar(context, bars):
  57. # 取出订阅的这一分钟的bar
  58. bar = bars[0]
  59. # 取出买卖线
  60. buy_line = context.buy_line
  61. sell_line = context.sell_line
  62. # 获取现有持仓
  63. position_long = context.account().position(symbol=context.symbol, side=PositionSide_Long)
  64. position_short = context.account().position(symbol=context.symbol, side=PositionSide_Short)
  65. # 交易逻辑部分
  66. # 如果超过range的上界
  67. if bar.close > buy_line:
  68. if position_long: # 已经持有多仓，直接返回
  69. return
  70. elif position_short: # 已经持有空仓，平仓再做多。
  71. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
  72. order_type=OrderType_Market, position_effect=PositionEffect_Close)
  73. print('市价单平空仓', context.symbol)
  74. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
  75. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  76. print('市价单开多仓', context.symbol)
  77. else: # 没有持仓时，市价开多。
  78. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Buy,
  79. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  80. print('市价单开多仓', context.symbol)
  81. # 如果低于range的下界
  82. elif bar.close < sell_line:
  83. if position_long: # 已经持有多仓， 平多再开空。
  84. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
  85. order_type=OrderType_Market, position_effect=PositionEffect_Close)
  86. print('市价单平多仓', context.symbol)
  87. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
  88. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  89. print('市价单开空仓', context.symbol)
  90. elif position_short: # 已经持有空仓，直接返回。
  91. return
  92. else: # 没有持仓，直接开空
  93. order_volume(symbol=context.symbol, volume=1, side=OrderSide_Sell,
  94. order_type=OrderType_Market, position_effect=PositionEffect_Open)
  95. print('市价单开空仓', context.symbol)
  96. if __name__ == '__main__':
  97. '''
  98. strategy_id策略ID,由系统生成
  99. filename文件名,请与本文件名保持一致
  100. mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
  101. token绑定计算机的ID,可在系统设置-密钥管理中生成
  102. backtest_start_time回测开始时间
  103. backtest_end_time回测结束时间
  104. backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
  105. backtest_initial_cash回测初始资金
  106. backtest_commission_ratio回测佣金比例
  107. backtest_slippage_ratio回测滑点比例
  108. '''
  109. run(strategy_id='strategy_id',
  110. filename='main.py',
  111. mode=MODE_BACKTEST,
  112. token='token_id',
  113. backtest_start_time='2020-02-07 15:00:00',
  114. backtest_end_time='2020-04-15 15:00:00',
  115. backtest_initial_cash= 30000,
  116. backtest_commission_ratio=0.0001,
  117. backtest_slippage_ratio=0.0001)

4. 回测结果与稳健性分析

设定初始资金3万，手续费率为0.01%，滑点比率为0.01%，N=5，K1=0.2，K2=0.2，回测期为2020-02-07 到 2020-04-15时，回测结果如下图所示。

回测期策略累计收益率为9.88%，年化收益率为52.29%。同期沪深300指数收益率为-2.63%，策略跑赢沪深300指数。最大回撤为5.20%，夏普比率为2.63。

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。

K1 K2 回测期 年化收益率 最大回撤
0.2 0.2 2020.02.07-2020.04.15 52.29% 5.20%
0.3 0.3 2020.02.07-2020.04.15 54.93% 8.80%
0.4 0.4 2020.02.07-2020.04.15 43.40% 4.58%
0.5 0.5 2020.02.07-2020.04.15 -22.15% 7.08%
0.5 0.5 2020.04.07-2020.06.15 6.43% 4.60%
0.5 0.5 2020.06.07-2020.09.15 -24.21% 9.80%

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。

注：此策略只用于学习、交流、演示，不构成任何投资建议。

赞 (0)

相关推荐