Dual Thrust(期货)Python策略源码模板【东方财富Python量化】
说明：计算前N天的最高价 - 收盘价 和 收盘价 - 最低价。 然后 取这个2N个价差的最大值，乘以K，然后把结果称为触发值。以生成进场点。[code]# 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[0]
# 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}}',
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)
[/code]
页:
[1]