量化投资策略——海龟策略

几乎所有的宽客(Quant)都听说过海龟交易策略，该策略以海龟交易法则为核心。海龟交易法则，起源于八十年代的美国，是一套简单有效的交易法则。这个法则以及使用这个法则的人的故事被写成了一本书——《海龟交易法则》，这是一本入门量化交易投资的经典书籍。

海龟交易的具体规则是：

1. 当今天的收盘价大于过去20个交易日中的最高价时，以收盘价买入；
2. 买入后，当收盘价小于过去10个交易日中的最低价时，以收盘价卖出。

这篇文章我们只介绍如何快速编写海龟交易策略（代码如下），暂不涉及复杂的头寸管理和风险控制。

# 策略参数设置
instruments = ['600519.SHA']  # 选择的投资标的
start_date = '2014-07-17'     # 回测开始日期
end_date = '2017-11-08'   # 回测结束日期

# 策略主体函数
def initialize(context):
    context.set_commission(PerDollar(0.0015))  # 手续费设置
    
def handle_data(context, data):
    
    if context.trading_day_index < 20: # 在20个交易日以后才开始真正运行
        return
       
    sid = context.symbol(instruments[0])
    price = data.current(sid, 'price')  # 当前价格
    high_point = data.history(sid, 'price', 20, '1d').max()  # 20日高点 
    low_point = data.history(sid, 'price', 10, '1d').min()  # 10日低点    
        
    # 持仓
    cur_position = context.portfolio.positions[sid].amount  
               
    # 交易逻辑
    #  最新价大于等于20日高点，并且处于空仓状态，并且该股票当日可以交易
    if price >= high_point  and cur_position == 0 and data.can_trade(sid):  
        context.order_target_percent(sid, 1) 
    #  最新价小于等于10日低点，并且持有股票，并且该股票当日可以交易
    elif price <= low_point  and cur_position > 0 and data.can_trade(sid): 
        context.order_target_percent(sid, 0) 

# 策略回测接口    
m=M.trade.v3( 
    instruments=instruments,
    start_date=start_date,
    end_date=end_date,
    initialize=initialize,
    handle_data=handle_data,
    order_price_field_buy='open', # 买入股票订单成交价为收盘价
    order_price_field_sell='open', # 卖出股票订单成交价为收盘价
    capital_base=float("1.0e6"), # 初始资金为100万
    benchmark='000300.INDX',) # 比较基准为沪深300指数

好了，海龟交易策略就是这么简单，但它确实可以长期盈利，是不是很神奇？在文末进入原文，点击 克隆策略按钮就可把完整策略复制到自己的账户了，赶紧试试吧:

源码链接：《量化投资策略——海龟策略》

BigQuant——人工智能量化投资平台