WeQuant交易策略—Dual Thrust

Dual Thrust策略

策略介绍

Dual Thrust是一个趋势跟踪系统，由Michael Chalek在20世纪80年代开发，曾被Future Thruth杂志评为最赚钱的策略之一。 Dual Trust是一个追涨杀跌的策略，原理并不复杂。是一个简单而又有效的短期趋势策略。

计算方法（以日为单位举例）

Dual Thrust策略利用前N日的最高价，最低价和收盘价，来确定一个合理的震荡区间Range。利用前一时间点的开盘价和Range，确定当前的上下双轨。如果当前价格向上/向下突破Range一定的比例，则认为一波上涨/下跌行情形成，产生买入/卖出信号。

计算方法如下（以天为单位举例）：

（1）N日内每天的最高价HIGH(N), 最低价LOW(N), 和收盘价CLOSE(N)
（2）HH = N日HIGH的最高价 = MAX(HIGH(N))
        LC = N日CLOSE的最低价 = MIN(CLOSE(N))
        HC = N日CLOSE的最高价 = MAX(CLOSE(N))
        LL = N日LOW的最低价 = MIN(LOW(N))
（3）计算震荡区间Range
        Range = MAX（HH-LC, HC - LL）
（4）计算上下轨
        上轨 = 开盘价 + K1 * Range
        下轨 = 开盘价 - K2 * Range
        K1, K2为Range的系数，由用户自行设定。

使用方法

Dual Thrust策略是一个趋势突破策略。计算好上下轨之后，一旦价格突破上轨，我们就买入；当价格突破下轨，我们就卖出。所以，对于上下轨系数的设定十分关键。

K1和K2的值越小，越容易触发对应的轨道。而且，当K1<K2时，多头相对容易被触发；当K1>K2时，空头相对容易被触发。因此，投资者在使用该策略时，一方面可以参考历史数据测试的最优参数，另一方面，则可以根据自己对后市的判断，或从其他大周期的技术指标入手，阶段性地动态调整K1和K2的值。

优点

Dual Thrust系统具有简单易用、适用度广的特点，其思路简单、参数很少，配合不同的参数、止盈止损和仓位管理，可以为投资者带来长期稳定的收益，被投资者广泛应用于股票、货币、贵金属、债券、能源及股指期货市场等。

Dual Thrust在Range的设置上，引入前N日的四个价位，使得一定时期内的Range相对稳定，可以适用于日间的趋势跟踪。同时，Dual Thrust对于多头和空头的触发条件，考虑了非对称的幅度，可以通过参数K1和K2来确定。

代码

# !/usr/bin/env python
# -*- coding: utf-8 -*-
 
# 策略代码总共分为三大部分，1)PARAMS变量 2)initialize函数 3)handle_data函数
# 请根据指示阅读。或者直接点击运行回测按钮，进行测试，查看策略效果。
 
# 策略名称：Dual Thrust策略
# 策略详细介绍：https://wequant.io/study/strategy.dual_thrust.html
# 关键词：追涨杀跌、价格通道、止损。
# 方法：
# 1)根据一段时间内的最高价，最低价和收盘价，计算出一个价格上下限；
# 2)当前价格突破上限时，全仓买入；当价格突破下线时，全仓卖出；
# 3)加入了止盈止损机制。
 
import numpy as np
 
# 阅读1，首次阅读可跳过:
# PARAMS用于设定程序参数，回测的起始时间、结束时间、滑点误差、初始资金和持仓。
# 可以仿照格式修改，基本都能运行。如果想了解详情请参考新手学堂的API文档。
PARAMS = {
    "start_time": "2017-02-01 00:00:00",  # 回测起始时间
    "end_time": "2017-08-01 00:00:00",  # 回测结束时间
    "slippage": 0.003,  # 此处"slippage"包含佣金（千二）+交易滑点（千一）
    "account_initial": {"huobi_cny_cash": 100000,
                      "huobi_cny_btc": 0},  # 设置账户初始状态
}
 
# 阅读2，遇到不明白的变量可以跳过，需要的时候回来查阅:
# initialize函数是两大核心函数之一（另一个是handle_data），用于初始化策略变量。
# 策略变量包含：必填变量，以及非必填（用户自己方便使用）的变量
def initialize(context):
    # 设置回测频率, 可选："1m", "5m", "15m", "30m", "60m", "4h", "1d", "1w"
    context.frequency = "1d"
    # 设置回测基准, 比特币："huobi_cny_btc", 莱特币："huobi_cny_ltc", 以太坊："huobi_cny_eth"
    context.benchmark = "huobi_cny_btc"
    # 设置回测标的, 比特币："huobi_cny_btc", 莱特币："huobi_cny_ltc", 以太坊："huobi_cny_eth"
    context.security = "huobi_cny_btc"
 
    # 设置策略参数
    # 计算HH,HC,LC,LL所需的历史bar数目，用户自定义的变量，可以被handle_data使用;如果只需要看之前1根bar，则定义window_size=1
    context.user_data.window_size = 5
    # 用户自定义的变量，可以被handle_data使用，触发多头的range
    context.user_data.K1 = 0.2
    # 用户自定义的变量，可以被handle_data使用，触发空头的range.当K1<K2时，多头相对容易被触发,当K1>K2时，空头相对容易被触发
    context.user_data.K2 = 0.5
    # 止损线，用户自定义的变量，可以被handle_data使用
    context.user_data.portfolio_stop_loss = 0.75
    # 用户自定义变量，记录下是否已经触发止损
    context.user_data.stop_loss_triggered = False
    # 止盈线，用户自定义的变量，可以被handle_data使用
    context.user_data.portfolio_stop_win = 100000
    # 用户自定义变量，记录下是否已经触发止盈
    context.user_data.stop_win_triggered = False
 
# 阅读3，策略核心逻辑：
# handle_data函数定义了策略的执行逻辑，按照frequency生成的bar依次读取并执行策略逻辑，直至程序结束。
# handle_data和bar的详细说明，请参考新手学堂的解释文档。
def handle_data(context):
    # 若已触发止盈/止损线，不会有任何操作
    if context.user_data.stop_loss_triggered:
        context.log.warn("已触发止损线, 此bar不会有任何指令 ... ")
        return
    if context.user_data.stop_win_triggered:
        context.log.info("已触发止盈线, 此bar不会有任何指令 ... ")
        return
 
    # 检查是否到达止损线或者止盈线
    if context.account.huobi_cny_net < context.user_data.portfolio_stop_loss * context.account_initial.huobi_cny_net or context.account.huobi_cny_net > context.user_data.portfolio_stop_win * context.account_initial.huobi_cny_net:
        should_stopped = True
    else:
        should_stopped = False
 
    # 如果有止盈/止损信号，则强制平仓，并结束所有操作
    if should_stopped:
        # 低于止损线，需要止损
        if context.account.huobi_cny_net < context.user_data.portfolio_stop_loss * context.account_initial.huobi_cny_net:
            context.log.warn(
                "当前净资产:%.2f 位于止损线下方 (%f), 初始资产:%.2f, 触发止损动作" %
                (context.account.huobi_cny_net, context.user_data.portfolio_stop_loss,
                 context.account_initial.huobi_cny_net))
            context.user_data.stop_loss_triggered = True
        # 高于止盈线，需要止盈
        else:
            context.log.warn(
                "当前净资产:%.2f 位于止盈线上方 (%f), 初始资产:%.2f, 触发止盈动作" %
                (context.account.huobi_cny_net, context.user_data.portfolio_stop_win,
                 context.account_initial.huobi_cny_net))
            context.user_data.stop_win_triggered = True
 
        if context.user_data.stop_loss_triggered:
            context.log.info("设置 stop_loss_triggered（已触发止损信号）为真")
        else:
            context.log.info("设置 stop_win_triggered （已触发止损信号）为真")
 
        # 需要止盈/止损，卖出全部持仓
        if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
            # 卖出时，全仓清空
            context.log.info("正在卖出 %s" % context.security)
            context.order.sell(context.security, quantity=str(context.account.huobi_cny_btc))
        return
 
    # 获取历史数据, 取后window_size+1根bar
    hist = context.data.get_price(context.security, count=context.user_data.window_size + 1,
                                  frequency=context.frequency)
    # 判断读取数量是否正确
    if len(hist.index) < (context.user_data.window_size + 1):
        context.log.warn("bar的数量不足, 等待下一根bar...")
        return
 
    # 取得最近1 根 bar的close价格
    latest_close_price = context.data.get_current_price(context.security)
 
    # 开始计算N日最高价的最高价HH，N日收盘价的最高价HC，N日收盘价的最低价LC，N日最低价的最低价LL
    hh = np.max(hist["high"].iloc[-context.user_data.window_size-1:-1])
    hc = np.max(hist["close"].iloc[-context.user_data.window_size-1:-1])
    lc = np.min(hist["close"].iloc[-context.user_data.window_size-1:-1])
    ll = np.min(hist["low"].iloc[-context.user_data.window_size-1:-1])
    price_range = max(hh - lc, hc - ll)
 
    # 取得倒数第二根bar的close, 并计算上下界限
    up_bound = hist["open"].iloc[-1] + context.user_data.K1 * price_range
    low_bound = hist["open"].iloc[-1] - context.user_data.K2 * price_range
 
    context.log.info("当前 价格：%s, 上轨：%s, 下轨: %s" % (latest_close_price, up_bound, low_bound))
 
    # 产生买入卖出信号，并执行操作
    if latest_close_price > up_bound:
        context.log.info("价格突破上轨，产生买入信号")
        if context.account.huobi_cny_cash >= HUOBI_CNY_BTC_MIN_ORDER_CASH_AMOUNT:
            # 买入信号，且持有现金，则市价单全仓买入
            context.log.info("正在买入 %s" % context.security)
            context.log.info("下单金额为 %s 元" % context.account.huobi_cny_cash)
            context.order.buy(context.security, cash_amount=str(context.account.huobi_cny_cash))
        else:
            context.log.info("现金不足，无法下单")
    elif latest_close_price < low_bound:
        context.log.info("价格突破下轨，产生卖出信号")
        if context.account.huobi_cny_btc >= HUOBI_CNY_BTC_MIN_ORDER_QUANTITY:
            # 卖出信号，且持有仓位，则市价单全仓卖出
            context.log.info("正在卖出 %s" % context.security)
            context.log.info("卖出数量为 %s" % context.account.huobi_cny_btc)
            context.order.sell(context.security, quantity=str(context.account.huobi_cny_btc))
        else:
            context.log.info("仓位不足，无法卖出")
    else:
        context.log.info("无交易信号，进入下一根bar")

回测

Dual Thrust策略既可以用于追踪长期趋势，也可以用于抓取短期波动。

回测一（短期）：

• 参数设置如下：

时间段	2016-10-01至2016-10-10
回测频率(context.frequency)	1m
K1	0.25
K2	0.25
回看时间窗口	1

因为是按照1分钟的频率回测，策略对时间的敏感度很高，所以我们将回看窗口设置的很小，使得其可以很快的对市场变化做出反应，防止对暴涨暴跌做不出及时的调整。同时，K1和K2设置的也相对较小，买卖都容易触碰，做到快进快出。抓住市场短时间的波动带来的收益。

• 回测结果如下：

红色的收益曲线几乎是在直线上升，最大回撤只有0.4%，都远远好于基准。在基准的几次较快的下跌中，都能较为及时的退出。

回测二（长期）：

• 参数设置如下：

时间段	2015-01-01至2016-10-01
回测频率(context.frequency)	1d
K1	0.2
K2	0.5
回看时间窗口	5

因为现在是要用天来回测，我们将回测窗口设置的长了一些，降低假性突破的干扰。同时可以注意到，与之前不同，现在的K1和K2并不相等，这就是我们之前说的非对称。如果长期看好比特币，就将K1设置的小一些，让多头更容易触发，“宽进严出”，防止在价格震荡时被洗出局。

• 回测结果如下：

几次大的上涨行情全部抓住，而且在回调的时候也能较为及时的退出。回撤稍大，但相对于基准来说还是可以接受。在15年上半年的震荡行情中也有一定表现。

总结

Dual Thrust策略是一种简单而又行之有效的追涨杀跌策略，短期和长期都可以使用，重点是对参数的调节。调小参数做短期抓震荡，调大参数做长期抓趋势， 看多调小K1，看空调小K2。只有灵活掌握参数设置的精髓，才能从容面对各种行情。