-
Notifications
You must be signed in to change notification settings - Fork 298
/
Copy pathETH-海龟策略.py
187 lines (161 loc) · 8.79 KB
/
ETH-海龟策略.py
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
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
# 注：该策略仅供参考和学习，不保证收益。
# !/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：海龟交易策略
# 策略详细介绍：https://wequant.io/study/strategy.turtle_trading.html
# 关键词：趋势跟随、资金管理、分批建仓、动态止损。
# 方法：
# 1)利用唐安奇通道来跟踪趋势产生买卖信号；
# 2)利用ATR（真实波幅均值）分批加仓或者减仓；
# 3)并且动态进行止盈和止损。
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": "2017-06-01 00:00:00",
"end_time": "2017-07-01 00:00:00",
"commission": 0.001, # 此处设置交易佣金
"slippage": 0.001, # 此处设置交易滑点
"account_initial": {"huobi_cny_cash": 100000,
"huobi_cny_eth": 0},
}
# 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 = "60m"
# 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_eth"
# 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_eth"
# 设置ATR值回看窗口
context.user_data.T = 5
# 自定义的初始化函数
init_local_context(context)
# 至此initialize函数定义完毕。
# 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):
# 获取历史数据
hist = context.data.get_price(context.security, count=context.user_data.T + 1, frequency=context.frequency)
if len(hist.index) < (context.user_data.T + 1):
context.log.warn("bar的数量不足, 等待下一根bar...")
return
# 获取当前行情数据
price = context.data.get_current_price(context.security)
# 1 计算ATR
atr = calc_atr(hist.iloc[:len(hist)-1])
# 2 判断加仓或止损
if context.user_data.hold_flag is True and context.account.huobi_cny_eth > 0: # 先判断是否持仓
temp = add_or_stop(price, context.user_data.last_buy_price, atr, context)
if temp == 1: # 判断加仓
if context.user_data.add_time < context.user_data.limit_unit: # 判断加仓次数是否超过上限
context.log.info("产生加仓信号")
cash_amount = min(context.account.huobi_cny_cash, context.user_data.unit * price) # 不够1 unit时买入剩下全部
context.user_data.last_buy_price = price
if cash_amount >= HUOBI_CNY_ETH_MIN_ORDER_CASH_AMOUNT:
context.user_data.add_time += 1
context.log.info("正在买入 %s" % context.security)
context.log.info("下单金额为 %s 元" % cash_amount)
context.order.buy(context.security, cash_amount=str(cash_amount))
else:
context.log.info("订单无效，下单金额小于交易所最小交易金额")
else:
context.log.info("加仓次数已经达到上限，不会加仓")
elif temp == -1: # 判断止损
# 重新初始化参数！重新初始化参数！重新初始化参数！非常重要！
init_local_context(context)
# 卖出止损
context.log.info("产生止损信号")
context.log.info("正在卖出 %s" % context.security)
context.log.info("卖出数量为 %s" % context.account.huobi_cny_eth)
context.order.sell(context.security, quantity=str(context.account.huobi_cny_eth))
# 3 判断入场离场
else:
out = in_or_out(context, hist.iloc[:len(hist) - 1], price, context.user_data.T)
if out == 1: # 入场
if context.user_data.hold_flag is False:
value = context.account.huobi_cny_net * 0.01
context.user_data.unit = calc_unit(value, atr)
context.user_data.add_time = 1
context.user_data.hold_flag = True
context.user_data.last_buy_price = price
cash_amount = min(context.account.huobi_cny_cash, context.user_data.unit * price)
# 有买入信号，执行买入
context.log.info("产生入场信号")
context.log.info("正在买入 %s" % context.security)
context.log.info("下单金额为 %s 元" % cash_amount)
context.order.buy(context.security, cash_amount=str(cash_amount))
else:
context.log.info("已经入场，不产生入场信号")
elif out == -1: # 离场
if context.user_data.hold_flag is True:
if context.account.huobi_cny_eth >= HUOBI_CNY_ETH_MIN_ORDER_QUANTITY:
context.log.info("产生止盈离场信号")
# 重新初始化参数！重新初始化参数！重新初始化参数！非常重要！
init_local_context(context)
# 有卖出信号，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_eth)
context.order.sell(context.security, quantity=str(context.account.huobi_cny_eth))
else:
context.log.info("尚未入场或已经离场，不产生离场信号")
# 用户自定义的函数，可以被handle_data调用:用于初始化一些用户数据
def init_local_context(context):
# 上一次买入价
context.user_data.last_buy_price = 0
# 是否持有头寸标志
context.user_data.hold_flag = False
# 限制最多买入的单元数
context.user_data.limit_unit = 4
# 现在买入1单元的security数目
context.user_data.unit = 0
# 买入次数
context.user_data.add_time = 0
# 用户自定义的函数，可以被handle_data调用: 唐奇安通道计算及判断入场离场
# data是日线级别的历史数据，price是当前分钟线数据（用来获取当前行情），T代表需要多少根日线
def in_or_out(context, data, price, T):
up = np.max(data["high"].iloc[-T:])
# 这里是T/2唐奇安下沿，在向下突破T/2唐奇安下沿卖出而不是在向下突破T唐奇安下沿卖出，这是为了及时止损
down = np.min(data["low"].iloc[-int(T / 2):])
context.log.info("当前价格为: %s, 唐奇安上轨为: %s, 唐奇安下轨为: %s" % (price, up, down))
# 当前价格升破唐奇安上沿，产生入场信号
if price > up:
context.log.info("价格突破唐奇安上轨")
return 1
# 当前价格跌破唐奇安下沿，产生出场信号
elif price < down:
context.log.info("价格跌破唐奇安下轨")
return -1
# 未产生有效信号
else:
return 0
# 用户自定义的函数，可以被handle_data调用：ATR值计算
def calc_atr(data): # data是日线级别的历史数据
tr_list = []
for i in range(len(data)):
tr = max(data["high"].iloc[i] - data["low"].iloc[i], data["high"].iloc[i] - data["close"].iloc[i - 1],
data["close"].iloc[i - 1] - data["low"].iloc[i])
tr_list.append(tr)
atr = np.array(tr_list).mean()
return atr
# 用户自定义的函数，可以被handle_data调用
# 计算unit
def calc_unit(per_value, atr):
return per_value / atr
# 用户自定义的函数，可以被handle_data调用
# 判断是否加仓或止损:当价格相对上个买入价上涨 0.5ATR时，再买入一个unit; 当价格相对上个买入价下跌 2ATR时，清仓
def add_or_stop(price, lastprice, atr, context):
if price >= lastprice + 0.5 * atr:
context.log.info("当前价格比上一个购买价格上涨超过0.5个ATR")
return 1
elif price <= lastprice - 2 * atr:
context.log.info("当前价格比上一个购买价格下跌超过2个ATR")
return -1
else:
return 0