【宽客策略源码】海龟交易策略源码分享

abctrader

本策略通过计算CZCE.FG801和SHFE.rb1801的ATR.唐奇安通道和MA线,并:上穿唐奇安通道且短MA在长MA上方则开多仓,下穿唐奇安通道且短MA在长MA下方则开空仓


若有 多/空 仓位则分别:
价格 跌/涨 破唐奇安平仓通道 上/下 轨则全平仓位,否则
根据 跌/涨 破持仓均价 -/+ x(x=0.5,1,1.5,2)倍ATR把仓位





回测数据为:CZCE.FG801和SHFE.rb1801的1min数据
回测时间为:2017-09-15 09:15:00到2017-10-01 15:00:00

1. # coding=utf-8
   
2. from __future__ import print_function, absolute_import, unicode_literals
   
3. import numpy as np
   
4. import pandas as pd
   
5. try:
   
6.     import talib
   
7. except:
   
8.     print('请安装TA-Lib库')
   
9. from gm.api import *
   
10. 
    
11. def init(context):
    
12.     # context.parameter分别为唐奇安开仓通道.唐奇安平仓通道.短ma.长ma.ATR的参数
    
13.     context.parameter = [55, 20, 10, 60, 20]
    
14.     context.tar = context.parameter[4]
    
15.     # context.goods交易的品种
    
16.     context.goods = ['CZCE.FG801', 'SHFE.rb1801']
    
17.     # context.ratio交易最大资金比率
    
18.     context.ratio = 0.8
    
19.     # 订阅context.goods里面的品种, bar频率为1min
    
20.     subscribe(symbols=context.goods, frequency='60s', count=101)
    
21.     # 止损的比例区间
    
22. def on_bar(context, bars):
    
23.     bar = bars[0]
    
24.     symbol = bar['symbol']
    
25.     recent_data = context.data(symbol=symbol, frequency='60s', count=101, fields='close,high,low')
    
26.     close = recent_data['close'].values[-1]
    
27.     # 计算ATR
    
28.     atr = talib.ATR(recent_data['high'].values, recent_data['low'].values, recent_data['close'].values,
    
29.                     timeperiod=context.tar)[-1]
    
30.     # 计算唐奇安开仓和平仓通道
    
31.     context.don_open = context.parameter[0] + 1
    
32.     upper_band = talib.MAX(recent_data['close'].values[:-1], timeperiod=context.don_open)[-1]
    
33.     context.don_close = context.parameter[1] + 1
    
34.     lower_band = talib.MIN(recent_data['close'].values[:-1], timeperiod=context.don_close)[-1]
    
35.     # 计算开仓的资金比例
    
36.     percent = context.ratio / float(len(context.goods))
    
37.     # 若没有仓位则开仓
    
38.     position_long = context.account().position(symbol=symbol, side=PositionSide_Long)
    
39.     position_short = context.account().position(symbol=symbol, side=PositionSide_Short)
    
40.     if not position_long and not position_short:
    
41.         # 计算长短ma线.DIF
    
42.         ma_short = talib.MA(recent_data['close'].values, timeperiod=(context.parameter[2] + 1))[-1]
    
43.         ma_long = talib.MA(recent_data['close'].values, timeperiod=(context.parameter[3] + 1))[-1]
    
44.         dif = ma_short - ma_long
    
45.         # 获取当前价格
    
46.         # 上穿唐奇安通道且短ma在长ma上方则开多仓
    
47.         if close > upper_band and (dif > 0):
    
48.             order_target_percent(symbol=symbol, percent=percent, order_type=OrderType_Market,
    
49.                                  position_side=PositionSide_Long)
    
50.             print(symbol, '市价单开多仓到比例: ', percent)
    
51.         # 下穿唐奇安通道且短ma在长ma下方则开空仓
    
52.         if close < lower_band and (dif < 0):
    
53.             order_target_percent(symbol=symbol, percent=percent, order_type=OrderType_Market,
    
54.                                  position_side=PositionSide_Short)
    
55.             print(symbol, '市价单开空仓到比例: ', percent)
    
56.     elif position_long:
    
57.         # 价格跌破唐奇安平仓通道全平仓位止损
    
58.         if close < lower_band:
    
59.             order_close_all()
    
60.             print(symbol, '市价单全平仓位')
    
61.         else:
    
62.             # 获取持仓均价
    
63.             vwap = position_long['vwap']
    
64.             # 获取持仓的资金
    
65.             money = position_long['cost']
    
66.             # 获取平仓的区间
    
67.             band = vwap - np.array([200, 2, 1.5, 1, 0.5, -100]) * atr
    
68.             grid_percent = float(pd.cut([close], band, labels=[0, 0.25, 0.5, 0.75, 1])[0]) * percent
    
69.             # 选择现有百分比和区间百分比中较小的值(避免开仓)
    
70.             target_percent = np.minimum(money / context.account().cash['nav'], grid_percent)
    
71.             if target_percent != 1.0:
    
72.                 print(symbol, '市价单平多仓到比例: ', target_percent)
    
73.                 order_target_percent(symbol=symbol, percent=target_percent, order_type=OrderType_Market,
    
74.                                      position_side=PositionSide_Long)
    
75.     elif position_short:
    
76.         # 价格涨破唐奇安平仓通道或价格涨破持仓均价加两倍ATR平空仓
    
77.         if close > upper_band:
    
78.             order_close_all()
    
79.             print(symbol, '市价单全平仓位')
    
80.         else:
    
81.             # 获取持仓均价
    
82.             vwap = position_short['vwap']
    
83.             # 获取持仓的资金
    
84.             money = position_short['cost']
    
85.             # 获取平仓的区间
    
86.             band = vwap + np.array([-100, 0.5, 1, 1.5, 2, 200]) * atr
    
87.             grid_percent = float(pd.cut([close], band, labels=[1, 0.75, 0.5, 0.25, 0])[0]) * percent
    
88.             # 选择现有百分比和区间百分比中较小的值(避免开仓)
    
89.             target_percent = np.minimum(money / context.account().cash['nav'], grid_percent)
    
90.             if target_percent != 1.0:
    
91.                 order_target_percent(symbol=symbol, percent=target_percent, order_type=OrderType_Market,
    
92.                                      position_side=PositionSide_Short)
    
93.                 print(symbol, '市价单平空仓到比例: ', target_percent)
    
94. if __name__ == '__main__':
    
95.     '''
    
96.     strategy_id策略ID,由系统生成
    
97.     filename文件名,请与本文件名保持一致
    
98.     mode实时模式:MODE_LIVE回测模式:MODE_BACKTEST
    
99.     token绑定计算机的ID,可在系统设置-密钥管理中生成
    
100.     backtest_start_time回测开始时间
     
101.     backtest_end_time回测结束时间
     
102.     backtest_adjust股票复权方式不复权:ADJUST_NONE前复权:ADJUST_PREV后复权:ADJUST_POST
     
103.     backtest_initial_cash回测初始资金
     
104.     backtest_commission_ratio回测佣金比例
     
105.     backtest_slippage_ratio回测滑点比例
     
106.     '''
     
107.     run(strategy_id='strategy_id',
     
108.         filename='main.py',
     
109.         mode=MODE_BACKTEST,
     
110.         token='token_id',
     
111.         backtest_start_time='2017-09-15 09:15:00',
     
112.         backtest_end_time='2017-10-01 15:00:00',
     
113.         backtest_adjust=ADJUST_PREV,
     
114.         backtest_initial_cash=10000000,
     
115.         backtest_commission_ratio=0.0001,
     
116.         backtest_slippage_ratio=0.0001)

复制代码