量化交易策略—鳄鱼法则交易系统

鳄鱼法则交易系统号称结合了控制论、信息理论、量子物理、混沌科学、分形几何学和全息理论。基本上，鳄鱼组线(Alligator)就是一个指南针，无论即时价格正向哪个方向移动，它都能让你保持适当的交易方向。

    一、鳄鱼线（Alligator）

    鳄鱼线扮演着使我们的交易保持正方向的方向盘角色。在有方向的趋势中，鳄鱼线会协助我们获利。它结合了非线性动力学和不规则碎形几何学的平均线。

    鳄鱼线及公式





    1.蓝线是鳄鱼的颚。它的画法是：取13根bar的平滑移动平均，将结果往未来的方向移动8根bar。

    2.红线是鳄鱼的牙齿。取8根bar的平滑移动平均，将结果往未来的方向移动5根bar。

    3.绿线是鳄鱼的上唇。取5根bar平滑移动平均数，将结果往未来的方向移动3根bar得到。

     当蓝红绿三条均线纠缠在一起，表示鳄鱼睡着了，当它从长眠中醒来会异常饥饿，会进一步追捕价格，直到满足。吃饱之后他就会闭上嘴巴，这是在告诉我们：取得利润并等待。所以，我们要在鳄鱼睡觉时逗留场外并等待，直到有碎形在下颚被触发。

鳄鱼线公式

     Var1:=(H+L)/2;

上唇:   REF(SMA(Var1,5,1),3),
牙齿:   REF(SMA(Var1,8,1),5),
下颚:   REF(SMA(Var1,13,1),8),

碎形—— 交易的起始

    碎形原理：是利用简单的多空原理而形成。 市场上涨时，买方追高价的意愿很高，价格就会不断上升，买方意愿将随价格的不断上升而逐渐减少，价格最终回跌。交易者意愿被市场新入的信息（混沌）所影响，此时市场处于低价值区，虽然目前的价值区买卖双方都同意，但对于价格有着不同看法，当买方意愿再度大于卖方意愿时价格就会上涨，如果这个买方的动能足以超越向上碎形时，我们将在向上碎形上一档积极进场。

碎形结构





最典型的碎形结构如图中A型态。由连续5根的线条所组成，中间的高点一定最高（向下碎形则中间低点一定最低），中间线的左边有两根较低的高点，右边也有两根较低的高点（向下碎形则为左右各有两根较高的低点），你现在看自己的五根手指结构，就是典型的向上碎形。 分辨向上碎形时，我们只在乎高点的位置，向下碎形时，则只在乎低点的位置。
B.向上与向下碎形共享外围bar
C.向上、向下碎形由一根bar完成
D.如今天高点与之前高点相同，今天的bar不算在5根bar之内。

    深度研究可以参考《鳄鱼法则交易系统的设计》

交易系统设计

    寻找机会

    必须在鳄鱼睡着（最好是沉睡一阵子的鳄鱼，即BRG三线接近或相互纠缠）时进入市场。在市场建立仓位后，根据混沌法则不断加码。在价格未脱离鳄鱼上唇或下颚时不要主观判断方向。

    进场

    寻找有效碎形，在有效碎形的高/低点加/减一档作为买/卖的参考价位。并非所有有效讯号都能获利。

    止损

    以鳄鱼的牙齿（红线）作为依据，进场买入时若收盘价低于红线则停损出场，指初期进场时的止损。

    加仓

    第一个有效碎形触发后，建立原始仓位。之后可根据AC，AO等指标同向进场，例如价格在红线之上一直买入。也可以沿途不做任何加码动作。

    出场

    收盘低于鳄鱼牙齿（红线）或者鳄鱼上唇（绿线）；
    出场价格在5根连续相同颜色的bar的低点加一档；
    AO、AC、碎形的反向讯号。   

示意图：



    这个策略主要选择那些『沉睡着的鳄鱼』进行操作。也就是均线纠缠和AO，AC指标徘徊在0附近的股票。可以按这个思路再深入下去。
AO、AC的源码贡献出来。

收益风险

源码：

1. import numpy as np
   
2. def initialize(context):
   
3.     g.up_price = 0 #向上碎形最高价
   
4.     g.low_price = 0 #向下碎形最低价
   
5.     g.up_fractal_exists = False #判断有效向上碎形
   
6.     g.down_fractal_exists = False #判断有效向下碎形
   
7.     g.AO_index = [0] #存放连续的AO指标数据
   
8.     g.cal_AC_index = [] #计算AC指标中转存储
   
9.     g.AC_index = [0] #存放连续的AC指标数据
   
10.     g.amount = 0 #满仓仓位
    
11.     g.stock = ['160119.XSHE']
    
12.     set_benchmark('160119.XSHE')
    
13. 
    
14. #判断 向上 或 向下 碎形
    
15. def is_fractal(stock,direction):
    
16.     hist = history(5,'1d',direction,[stock],df = False)
    
17.     if direction == 'high'\
    
18.     and hist[stock][2] > hist[stock][0]\
    
19.     and hist[stock][2] > hist[stock][1]\
    
20.     and hist[stock][2] > hist[stock][3]\
    
21.     and hist[stock][2] > hist[stock][4]:
    
22.         g.up_price = hist[stock][2]
    
23.         return True
    
24.     elif direction == 'low'\
    
25.     and hist[stock][2] < hist[stock][0]\
    
26.     and hist[stock][2] < hist[stock][1]\
    
27.     and hist[stock][2] < hist[stock][3]\
    
28.     and hist[stock][2] < hist[stock][4]:
    
29.         g.low_price = hist[stock][2]
    
30.         return True
    
31.     return False
    
32. 
    
33. #通过比较碎形与红线位置，判断碎形是否有效
    
34. def is_effective_fractal(stock, direction):
    
35.     if is_fractal(stock,direction):
    
36.         hist = history(13,'1d','close',[stock],df = False)
    
37.         red_line = hist[stock][:-5].mean()
    
38.         close_price = hist[stock][-1]
    
39.         if direction == 'high':
    
40.             if close_price > red_line:
    
41.                 g.up_fractal_exists = True
    
42.             else:
    
43.                 g.up_fractal_exists = False
    
44.         elif direction == 'low':
    
45.             if close_price < red_line:
    
46.                 g.down_fractal_exists = True
    
47.             else:
    
48.                 g.down_fractal_exists = False
    
49. 
    
50. #N日内最高价格的N日线
    
51. def nday_high_point(stock,n):
    
52.     hist = history(2*n,'1d','high',[stock],df = False)[stock]
    
53.     high_point = []
    
54.     for i in range(n):
    
55.         high_point.append(max(hist[-5-i:-1-i]))
    
56.     return np.array(high_point).mean()
    
57. 
    
58. #N日内最低价格的N日线
    
59. def nday_low_point(stock,n):
    
60.     hist = history(2*n,'1d','low',[stock],df = False)[stock]
    
61.     low_point = []
    
62.     for i in range(n):
    
63.         low_point.append(max(hist[-5-i:-1-i]))
    
64.     return np.array(low_point).mean()
    
65. 
    
66. #AO=5日内（最高-最低）/2的5日移动平均-34日内（最高-最低）/2的34日移动平均
    
67. def AO_index(stock):
    
68.     g.AO_index.append(nday_high_point(stock,5)/2 + nday_low_point(stock,5)/2\
    
69.                       - nday_high_point(stock,34)/2 - nday_low_point(stock,34)/2)
    
70.     return g.AO_index[-1]
    
71. 
    
72. #AO-AO的5日平均值的5日平均
    
73. def AC_index(stock):
    
74.     AO_index(stock)
    
75.     if len(g.AO_index) >= 5:
    
76.         g.cal_AC_index.append(g.AO_index[-1] - np.array(g.AO_index[-5:]).mean())
    
77.         if len(g.cal_AC_index) >=5:
    
78.             g.AC_index.append(np.array(g.cal_AC_index[-5:]).mean())
    
79. 
    
80. #判断序列n日上行
    
81. def is_up_going(alist,n):
    
82.     if len(alist) < n:
    
83.         return False
    
84.     for i in range(n-1):
    
85.         if alist[-(1+i)] <= alist[-(2+i)]:
    
86.             return False
    
87.     return True
    
88. 
    
89. #判断序列n日下行
    
90. def is_down_going(alist,n):
    
91.     if len(alist) < n:
    
92.         return False
    
93.     for i in range(n-1):
    
94.         if alist[-(1+i)] >= alist[-(2+i)]:
    
95.             return False
    
96.     return True
    
97. 
    
98. #碎形被突破
    
99. def active_fractal(stock,direction):
    
100.     close_price = history(1,'1d','close',[stock],df=False)[stock][0]
     
101.     if direction == 'up' and close_price > g.up_price:
     
102.         return True
     
103.     elif direction == 'down' and close_price < g.low_price:
     
104.         return True
     
105. 
     
106. #进场，初始仓位50%
     
107. def set_initial_position(stock,context):
     
108.     close_price = history(1,'1d','close',[stock],df=False)[stock][0]
     
109.     g.amount = context.portfolio.cash/close_price
     
110.     order(stock, g.amount*0.8)
     
111.     log.info("buying %s 股数为 %s"%(stock,g.amount*0.7))
     
112.     g.down_fractal_exists = False
     
113. 
     
114. #卖出
     
115. def sell_all_stock(stock,context):
     
116.     order_target(stock,0)
     
117.     log.info("selling %s"%stock)
     
118.     g.up_fractal_exists = False
     
119. 
     
120. #加仓
     
121. def adjust_position(stock,context,position):
     
122.     order(stock,g.amount*position)
     
123.     log.info("adjust position buying %s 股数为 %s"%(stock,g.amount*position))
     
124. 
     
125. def handle_data(context,data):
     
126.     stock = g.stock[0]
     
127.     #计算AO，AC指标
     
128.     AC_index(stock)
     
129.     #止损
     
130.     #空仓时，寻找机会入场
     
131.     if context.portfolio.positions[stock].amount == 0:
     
132.         #计算向上碎形
     
133.         is_effective_fractal(stock,'high')
     
134.         #有效向上碎形存在，并被突破，买入
     
135.         if g.up_fractal_exists and active_fractal(stock,'up'):
     
136.             set_initial_position(stock,context)
     
137.     #有持仓时，加仓或离场
     
138.     else:
     
139.         close_price = history(13,'1d','close',[stock],df=False)
     
140.         red_line = close_price[stock][:-5].mean()
     
141.         #计算向下碎形
     
142.         is_effective_fractal(stock,'low')
     
143.         #出场条件1：有效向下碎形存在，并被突破，卖出
     
144.         if g.down_fractal_exists and active_fractal(stock,'down'):
     
145.             sell_all_stock(stock,context)
     
146.             return
     
147.         #出场条件2：AC
     
148.         #加仓10%：AO，AC同时5日上行，且收盘价走高
     
149.         if is_up_going(g.AO_index,5)\
     
150.         and is_up_going(g.AC_index,3)\
     
151.         and is_up_going(close_price[stock],2):
     
152.             adjust_position(stock,context,0.1)
     
153.         #减仓10%：AO，AC同时3日下行，且收盘价走低
     
154.         if is_down_going(g.AO_index,5)\
     
155.         and is_down_going(g.AC_index,3)\
     
156.         and is_down_going(close_price[stock],2):
     
157.             adjust_position(stock,context,-0.1)
     
158.     record(AOindex = g.AO_index[-1])
     
159.     record(ACindex = g.AC_index[-1])

复制代码

图片看不到了