Pengenalan kepada Algoritma Dagangan Teras Dwi

Algoritma dagangan Dual Thrust ialah strategi dagangan kuantitatif terkenal yang dibangunkan oleh Michael Chalek. Ia biasanya digunakan dalam pasaran hadapan, pertukaran asing dan saham. Konsep Dual Thrust ialah sistem dagangan pelarian klasik yang menggunakan sistem “tujahan dwi” untuk membina tempoh lihat balik yang dikemas kini berdasarkan harga sejarah, yang secara teori menjadikannya lebih stabil dalam mana-mana tempoh tertentu.

Dalam artikel ini, kami memberikan butiran logik terperinci tentang strategi ini dan menunjukkan cara untuk melaksanakan algoritma ini pada platform Inventor Quant. Pertama, kita perlu memilih harga sejarah sasaran dagangan Julat dikira berdasarkan harga penutup, harga tertinggi dan harga terendah dalam N hari terakhir. Pembukaan kedudukan dilaksanakan apabila pasaran menggerakkan julat tertentu daripada harga pembukaan.

Kami menguji strategi ini pada satu pasangan dagangan dalam dua keadaan pasaran biasa: pasaran arah aliran dan pasaran yang tidak menentu. Keputusan menunjukkan bahawa sistem perdagangan momentum ini berfungsi lebih baik dalam pasaran trend dan boleh mencetuskan beberapa isyarat beli dan jual yang tidak sah dalam pasaran yang tidak menentu. Dalam pasaran terikat julat, kami boleh melaraskan parameter untuk mendapatkan pulangan yang lebih baik. Sebagai perbandingan dengan sasaran dagangan rujukan individu, kami juga menguji pembuat pasaran hadapan komoditi domestik. Keputusan menunjukkan bahawa strategi berprestasi lebih baik daripada purata.

Prinsip Strategi DT

Prototaip logiknya ialah strategi dagangan hari biasa. Strategi pecah julat pembukaan menentukan jalur atas dan bawah berdasarkan harga pembukaan hari ini campur atau tolak peratusan tertentu julat semalam. Apabila harga menembusi landasan atas, ia akan membuka kedudukan beli, dan apabila ia menembusi landasan bawah, ia akan membuka kedudukan jual.

Prinsip Strategi

• Selepas pasaran ditutup, dua nilai dikira: Tinggi - Penutupan, Penutupan - Rendah. Kemudian ambil yang lebih besar daripada dua nilai dan darabkan nilai itu dengan 0.7. Mari kita panggil nilai ini K, dan kita panggil nilai ini sebagai nilai pencetus.

• Selepas pasaran dibuka pada hari kedua, rekod harga pembukaan, dan kemudian beli serta-merta apabila harga melebihi (harga pembukaan + nilai pencetus), atau jual pendek apabila harga lebih rendah daripada (harga pembukaan - nilai pencetus).

• Strategi ini tidak mempunyai stop loss yang jelas. Sistem ini adalah sistem songsang, iaitu jika terdapat pesanan untuk kedudukan pendek apabila harga melebihi (harga terbuka + nilai pencetus), maka ia akan menghantar dua pesanan beli (satu untuk menutup kedudukan yang salah dan satu lagi untuk membuka dalam. arah yang betul). Atas sebab yang sama, jika terdapat long position dengan harga di bawah (Harga Terbuka - Nilai Pencetus), maka ia akan menghantar dua pesanan jual.

Ungkapan matematik strategi DT

Julat = Maksimum (HH-LC, HC-LL)

Kaedah pengiraan isyarat panjang ialah

cap = open + K1 × Rangecap = open + K1 × Range

Kaedah pengiraan isyarat pendek ialah

floor = open – K2 × Rangefloor = open – K2 × Range

Di mana K1 dan K2 adalah parameter. Apabila K1 lebih besar daripada K2, isyarat panjang dicetuskan, dan begitu juga sebaliknya. Untuk tujuan demonstrasi, kami memilih K1 = K2 = 0.5. Dalam dagangan sebenar, kami masih boleh menggunakan data sejarah untuk mengoptimumkan parameter ini atau melaraskan parameter mengikut arah aliran pasaran. Jika anda menaik di pasaran, K1 sepatutnya kurang daripada K2, dan jika anda menurun di pasaran, K1 sepatutnya lebih besar daripada K2.

Sistem ini adalah sistem pembalikan, jadi jika pelabur memegang kedudukan jual apabila harga menembusi jalur atas, kedudukan jual mesti ditutup sebelum membuka kedudukan beli. Jika pelabur memegang kedudukan beli apabila harga menembusi jalur bawah, kedudukan beli hendaklah ditutup sebelum membuka kedudukan jual baharu.

Penambahbaikan kepada strategi DT:

Dalam tetapan julat, empat mata harga (tinggi, terbuka, rendah, tutup) pada N hari sebelumnya diperkenalkan untuk menjadikan julat dalam tempoh tertentu agak stabil, yang boleh digunakan pada penjejakan arah aliran harian.

Keadaan pencetus untuk membuka kedudukan beli dan pendek dalam strategi ini mengambil kira amplitud asimetri Julat rujukan untuk urus niaga panjang dan pendek harus memilih nombor tempoh yang berbeza, yang juga boleh ditentukan oleh parameter K1 dan K2. Apabila K1K2, isyarat pendek agak mudah untuk dicetuskan.

Oleh itu, apabila menggunakan strategi ini, di satu pihak, anda boleh merujuk kepada parameter optimum ujian balik data sejarah. Sebaliknya, anda boleh melaraskan K1 dan K2 secara berperingkat mengikut pertimbangan anda sendiri tentang arah aliran masa depan atau penunjuk teknikal kitaran utama yang lain.

Ini adalah gaya perdagangan biasa menunggu isyarat, memasuki pasaran, mengambil keuntungan, dan kemudian meninggalkan pasaran, tetapi ia berfungsi dengan baik.

Gunakan strategi DT pada Platform Kuantitatif Pencipta

Kami membuka FMZ.COM, log masuk ke akaun, klik pusat kawalan, dan gunakan hos dan robot.

Untuk mendapatkan maklumat lanjut tentang cara menggunakan hos dan robot, sila rujuk artikel saya sebelum ini: https://www.fmz.com/bbs-topic/4140

Pembaca yang ingin membeli hos penggunaan pelayan pengkomputeran awan mereka sendiri boleh merujuk artikel ini: https://www.fmz.com/bbs-topic/2848

Seterusnya, kami klik pada pustaka strategi di lajur kiri dan klik pada Strategi Baharu

Di penjuru kanan sebelah atas halaman penulisan strategi, ingat untuk memilih Python sebagai bahasa pengaturcaraan, seperti yang ditunjukkan dalam rajah:

Seterusnya, kami menulis kod Python ke dalam halaman penyuntingan kod Kod berikut mempunyai ulasan baris demi baris yang sangat terperinci, dan pembaca perlahan-lahan dapat memahami dan menghargainya.

Mari gunakan niaga hadapan OKCoin untuk menguji strategi ini:

import time # 这里需要引入python自带的时间库，后边的程序会用到

class Error_noSupport(BaseException): # 我们定义一个名为ChartCfg的全局class，用来初始化策略图表设置。对象有很多关于图表功能的属性。图表库为：HighCharts
    def __init__(self): # log出提示信息
        Log("只支持OKCoin期货！#FF0000")

class Error_AtBeginHasPosition(BaseException):
    def __init__(self):
        Log("启动时有期货持仓! #FF0000")

ChartCfg = {
    '__isStock': True, # 该属性用于控制是否显示为单独控制数据序列（可以在图表上取消单独一个数据序列的显示），如果指定__isStock: false, 则显示为普通图表
    'title': { # title为图表的主要标题
        'text': 'Dual Thrust 上下轨图' # title的一个属性text为标题的文本，这里设置为'Dual Thrust 上下轨图'该文本就会显示在标题位置
    },
    'yAxis': { # 图表坐标Y轴的相关设置
        'plotLines': [{ # Y轴上的水平线（和Y轴垂直），该属性的值是一个数组，即多条水平线的设置
            'value': 0, # 水平线在Y轴上的坐标值
            'color': 'red', # 水平线的颜色
            'width': 2, # 水平线的线宽
            'label': {  # 水平线上的标签
                'text': '上轨', # 标签的文本
                'align': 'center' # 标签的显示位置，这里设置为居中（即 ：'center'）
            }, 
        }, {       # 第二条水平线（[{...}，{...}]数组中的第二个元素）
            'value': 0, # 水平线在Y轴上的坐标值
            'color': 'green', # 水平线的颜色
            'width': 2,  # 水平线的线宽
            'label': { # 标签
                'text': '下轨',
                'align': 'center'
            },
        }]
    },
    'series': [{ # 数据序列，即用来在图表上显示数据线、K线、标记等等内容的数据。也是一个数组第一个索引为0。
        'type': 'candlestick', # 索引为0数据序列的类型：'candlestick' 表示为K线图
        'name': '当前周期',  # 数据序列的名称
        'id': 'primary', # 数据序列的ID，用于下一个数据序列相关设置。
        'data': []  # 数据序列的数组，用于储存具体的K线数据
    }, {
        'type': 'flags',  # 数据序列，类型：'flags'，在图表上显示标签，表示做多和做空。索引为1。
        'onSeries': 'primary',  # 这个属性表示标签显示在id为'primary'上。
        'data': []    # 保存标签数据的数组。
    }] 
}

STATE_IDLE = 0  # 状态常量，表示空闲
STATE_LONG = 1 # 状态常量，表示持多仓
STATE_SHORT = 2 # 状态常量，表示持空仓
State = STATE_IDLE # 表示当前程序状态 ，初始赋值为空闲

LastBarTime = 0  # K线最后一柱的时间戳（单位为毫秒，1000毫秒等于1秒，时间戳是1970年1月1日到现在时刻的毫秒数是一个很大的正整数）
UpTrack = 0   # 上轨值
BottomTrack = 0 # 下轨值
chart = None # 用于接受Chart这个API函数返回的图表控制对象。用该对象（chart）可以调用其成员函数向图表内写入数据。
InitAccount = None # 初始账户情况
LastAccount = None # 最新账户情况
Counter = { # 计数器，用于记录盈亏次数
    'w': 0, # 赢次数
    'l': 0  # 亏次数
}

def GetPosition(posType):  # 定义一个函数，用来存储账户持仓信息
    positions = exchange.GetPosition() # exchange.GetPosition()是发明者量化的官方API，关于它的用法，请参考我的官方API文档：https://www.fmz.com/api
    return [{'Price': position['Price'], 'Amount': position['Amount']} for position in positions if position['Type'] == posType] # 返回各种持仓信息

def CancelPendingOrders(): # 定义一个函数，专门用来撤单
    while True: # 循环检查
        orders = exchange.GetOrders() # 如果有持仓
        [exchange.CancelOrder(order['Id']) for order in orders if not Sleep(500)] # 撤单语句
        if len(orders) == 0: # 逻辑判断
            break 

def Trade(currentState,nextState): # 定义一个函数，用来判断下单逻辑
    global InitAccount,LastAccount,OpenPrice,ClosePrice # 定义全局作用域
    ticker = _C(exchange.GetTicker) # 关于_C的用法，请参考：https://www.fmz.com/api
    slidePrice = 1 # 定义滑点值
    pfn = exchange.Buy if nextState == STATE_LONG else exchange.Sell # 买卖判断逻辑
    if currentState != STATE_IDLE: # 循环开始
        Log(_C(exchange.GetPosition)) # 日志信息 
        exchange.SetDirection("closebuy" if currentState == STATE_LONG else "closesell") # 调整下单方向，特别是下过单后
        while True:
            ID = pfn( (ticker['Last'] - slidePrice) if currentState == STATE_LONG else (ticker['Last'] + slidePrice), AmountOP) # 限价单，ID = pfn(-1, AmountOP)为市价单，ID = pfn(AmountOP)为市价单
            Sleep(Interval) # 休息一阵，防止API访问频率过快，账户被封。
            Log(exchange.GetOrder(ID)) # Log信息
            ClosePrice = (exchange.GetOrder(ID))['AvgPrice'] # 设置收盘价
            CancelPendingOrders() # 调用撤单函数
            if len(GetPosition(PD_LONG if currentState == STATE_LONG else PD_SHORT)) == 0: # 撤单逻辑
                break 
        account = exchange.GetAccount() # 获取账户信息
        if account['Stocks'] > LastAccount['Stocks']: # 如果当前账户币值大于之前账户币值
            Counter['w'] += 1 # 盈亏计数器中，盈利次数加一
        else:
            Counter['l'] += 1 # 否者亏损次数加一
        Log(account) # log信息
        LogProfit((account['Stocks'] - InitAccount['Stocks']),"收益率:", ((account['Stocks'] - InitAccount['Stocks']) * 100 / InitAccount['Stocks']),'%')
        Cal(OpenPrice,ClosePrice)
        LastAccount = account 
    
    exchange.SetDirection("buy" if nextState == STATE_LONG else "sell") # 这一段的逻辑同上，不再详述
    Log(_C(exchange.GetAccount))
    while True:
        ID = pfn( (ticker['Last'] + slidePrice) if nextState == STATE_LONG else (ticker['Last'] - slidePrice), AmountOP) 
        Sleep(Interval)
        Log(exchange.GetOrder(ID)) 
        CancelPendingOrders()
        pos = GetPosition(PD_LONG if nextState == STATE_LONG else PD_SHORT)
        if len(pos) != 0:
            Log("持仓均价",pos[0]['Price'],"数量:",pos[0]['Amount'])
            OpenPrice = (exchange.GetOrder(ID))['AvgPrice']
            Log("now account:",exchange.GetAccount())
            break 

def onTick(exchange): # 程序主要函数，程序主要逻辑都是在该函数内处理。
    global LastBarTime,chart,State,UpTrack,DownTrack,LastAccount # 定义全局作用域
    records = exchange.GetRecords() # 关于exchange.GetRecords()的用法，请参见：https://www.fmz.com/api
    if not records or len(records) <= NPeriod: # 防止发生意外的判断语句
        return 
    Bar = records[-1] # 取records K线数据的倒数第一个元素，也就是最后一个bar
    if LastBarTime != Bar['Time']:
        HH = TA.Highest(records, NPeriod, 'High')  # 声明HH变量，调用TA.Highest函数计算当前K线数据NPeriod周期内最高价的最大值赋值给HH。
        HC = TA.Highest(records, NPeriod, 'Close') # 声明HC变量，获取NPeriod周期内的收盘价的最大值。
        LL = TA.Lowest(records, NPeriod, 'Low') # 声明LL变量，获取NPeriod周期内的最低价的最小值。
        LC = TA.Lowest(records, NPeriod, 'Close') # 声明LC变量，获取NPeriod周期内的收盘价的最小值。具体TA相关的应用，请参见官方API文档。
        
        Range = max(HH - LC, HC - LL)  # 计算出范围 
        UpTrack = _N(Bar['Open'] + (Ks * Range))  # 根据界面参数的上轨系数Ks最新K线柱的开盘价等，计算出上轨值。
        DownTrack = _N(Bar['Open'] - (Kx * Range)) # 计算下轨值
        if LastBarTime > 0: # 由于LastBarTime该变量初始化设置的值为0，所以第一次运行到此处LastBarTime > 0必定是false,不会执行if块内的代码，而是会执行else块内的代码
            PreBar = records[-2] # 声明一个变量含义是“前一个Bar”把当前K线的倒数第二Bar赋值给它。
            chart.add(0, [PreBar['Time'], PreBar['Open'], PreBar['High'], PreBar['Low'], PreBar['Close']], -1) # 调用chart图标控制类的add函数更新K线数据（用获取的K线数据的倒数第二Bar去更新图标的倒数第一个Bar，因为有新的K线Bar生成）
        else:  # chart.add函数的具体用法请参见API文档，和论坛里的文章。程序第一次运行到此必定执行else块内代码，主要作用是把第一次获取的K线一次性全部添加到图表上。
            for i in range(len(records) - min(len(records), NPeriod * 3), len(records)): # 此处执行一个for循环，循环次数使用K线长度和NPeriod的3倍二者中最小的值，可以保证初始的K线不会画的太多太长。索引是从大到小的。
                b = records[i] # 声明一个临时变量b用来取每次循环索引为records.length - i的K线柱数据。
                chart.add(0,[b['Time'], b['Open'], b['High'], b['Low'], b['Close']]) # 调用chart.add函数向图表添加K线柱，注意add函数最后一个参数如果传入-1就是更新图表上最后一个Bar（柱）,如果没传参数，就是向最后添加Bar。执行完i等于2这次循环后(i-- 了已经，此时为1了)，就会触发i > 1为false停止循环，可见此处代码只处理到records.length - 2这个Bar，最后一个Bar没有处理。                
        chart.add(0,[Bar['Time'], Bar['Open'], Bar['High'], Bar['Low'], Bar['Close']]) # 由于以上if的2个分支都没处理records.length - 1这个Bar，所以此处处理。添加最新出现的Bar到图表中。
        ChartCfg['yAxis']['plotLines'][0]['value'] = UpTrack  # 把计算出来的上轨值赋值给图表对象（区别于图表控制对象chart），用于稍后显示。
        ChartCfg['yAxis']['plotLines'][1]['value'] = DownTrack # 赋值下轨值
        ChartCfg['subtitle'] = { # 设置副标题
            'text': '上轨' + str(UpTrack) + '下轨' + str(DownTrack) # 副标题文本设置，在副标题上显示出上轨下轨值。
        }
        chart.update(ChartCfg) # 用图表类ChartCfg更新图表
        chart.reset(PeriodShow) # 刷新根据界面参数设置的PeriodShow变量，只保留PeriodShow的值数量的K线柱。
        
        LastBarTime = Bar['Time'] # 此次新产生的Bar的时间戳更新，给LastBarTime用于判断下次循环获取的K线数据最后一个Bar，是否是新产生的。
    else: # 如果LastBarTime等于Bar.Time即：没有新的K线Bar产生。则执行一下{..}内代码
        chart.add(0,[Bar['Time'], Bar['Open'], Bar['High'], Bar['Low'], Bar['Close']], -1) # 用当前K线数据的最后一个Bar（K线的最后一个Bar即当前周期的Bar是不断在变化的），更新图表上的最后一个K线柱。        
    LogStatus("Price:", Bar["Close"], "up:", UpTrack, "down:", DownTrack, "wins:", Counter['w'], "losses:", Counter['l'], "Date:", time.time()) # 调用LogStatus函数显示当前策略的数据在状态栏上。
    msg = "" # 定义一个变量msg。
    if State == STATE_IDLE or State == STATE_SHORT: # 判断当前状态变量State是否等于空闲或者State是否等于持空仓，在空闲状态下可以触发做多，在持空仓状态下可以触发平多仓，并反手。
        if Bar['Close'] >= UpTrack: # 如果当前K线的收盘价大于上轨值，执行if块内代码。
            msg = "做多，触发价：" + str(Bar['Close']) + "上轨" + str(UpTrack) # 给msg赋值，把需要显示的数值组合成字符串。
            Log(msg) # 信息
            Trade(State, STATE_LONG) # 调用上边的Trade函数进行交易
            State = STATE_LONG # 无论开多仓还是反手，此刻程序状态要更新为持多仓。
            chart.add(1,{'x': Bar['Time'], 'color': 'red', 'shape': 'flag', 'title': '多', 'text': msg}) # 在K线相应的位置添加一个标记显示开多。 
    
    if State == STATE_IDLE or State == STATE_LONG: # 做空方向与以上同理，不在赘述。代码完全一致。
        if Bar['Close'] <= DownTrack:
            msg = "做空，触发价：" + str(Bar['Close']) + "下轨" + str(DownTrack)
            Log(msg)
            Trade(State, STATE_SHORT)
            State = STATE_SHORT
            chart.add(1,{'x': Bar['Time'], 'color': 'green', 'shape': 'circlepin', 'title': '空', 'text': msg})

OpenPrice = 0 # 初始化OpenPrice和ClosePrice
ClosePrice = 0
def Cal(OpenPrice, ClosePrice): # 定义一个Cal函数，用来计算策略运行后的盈亏情况
    global AmountOP,State
    if State == STATE_SHORT:
        Log(AmountOP,OpenPrice,ClosePrice,"策略盈亏:", (AmountOP * 100) / ClosePrice - (AmountOP * 100) / OpenPrice, "个币，  手续费：", - (100 * AmountOP * 0.0003), "美元,折合：", _N( - 100 * AmountOP * 0.0003/OpenPrice,8), "个币")
        Log(((AmountOP * 100) / ClosePrice - (AmountOP * 100) / OpenPrice) + (- 100 * AmountOP * 0.0003/OpenPrice))
    if State == STATE_LONG:
        Log(AmountOP,OpenPrice,ClosePrice,"策略盈亏:", (AmountOP * 100) / OpenPrice - (AmountOP * 100) / ClosePrice, "个币，  手续费：", - (100 * AmountOP * 0.0003), "美元,折合：", _N( - 100 * AmountOP * 0.0003/OpenPrice,8), "个币")
        Log(((AmountOP * 100) / OpenPrice - (AmountOP * 100) / ClosePrice) + (- 100 * AmountOP * 0.0003/OpenPrice))

def main(): # 策略程序的主函数。（入口函数）
    global LoopInterval,chart,LastAccount,InitAccount # 定义全局作用域
    if exchange.GetName() != 'Futures_OKCoin':  # 判断添加的交易所对象的名称（通过exchange.GetName函数获取）如果不等于'Futures_OKCoin'即：添加的不是OKCoin期货交易所对象。
        raise Error_noSupport # 抛出异常
    exchange.SetRate(1) # 设置交易所的各种参数
    exchange.SetContractType(["this_week","next_week","quarter"][ContractTypeIdx])  # 确定要交易的哪种具体合约。
    exchange.SetMarginLevel([10,20][MarginLevelIdx]) # 设置保证金率，也就是杠杆。
    
    if len(exchange.GetPosition()) > 0: # 设置容错机制
        raise Error_AtBeginHasPosition
    CancelPendingOrders()
    InitAccount = LastAccount = exchange.GetAccount()
    LoopInterval = min(1,LoopInterval)
    Log("交易平台:",exchange.GetName(), InitAccount)
    LogStatus("Ready...")
    
    LogProfitReset()
    chart = Chart(ChartCfg)
    chart.reset()
    
    LoopInterval = max(LoopInterval, 1)
    while True: # 循环整个交易逻辑，调用onTick函数
        onTick(exchange)
        Sleep(LoopInterval * 1000) # 休息一阵，防止API访问频率过快，账户被封。

Selepas menulis kod, sila ambil perhatian bahawa kami belum menyelesaikan keseluruhan bahagian penulisan strategi Seterusnya, kami perlu menambah parameter yang digunakan dalam strategi ke halaman menulis strategi Cara menambah adalah sangat mudah di bahagian bawah kotak dialog penulisan strategi Hanya tambahkan satu persatu.

Apa yang perlu ditambah:

Pada ketika ini, kami akhirnya telah menyelesaikan bahagian penulisan strategi Seterusnya, mari kita mula menguji semula strategi ini.

Ujian Balik Strategi

Selepas menulis strategi, perkara pertama yang perlu kita lakukan ialah mengujinya untuk melihat prestasinya dalam data sejarah Walau bagaimanapun, sila ambil perhatian bahawa keputusan ujian belakang tidak sama dengan ramalan masa depan hanya boleh digunakan sebagai a Rujuk maklumat untuk mempertimbangkan keberkesanan strategi kami. Sebaik sahaja pasaran berubah dan strategi mula mengalami kerugian besar, kita harus segera mengenal pasti masalah dan kemudian menukar strategi untuk menyesuaikan diri dengan persekitaran pasaran baharu Contohnya, jika strategi mengalami kerugian lebih daripada 10%, Kita harus segera hentikan strategi dan cari masalah, bermula dengan melaraskan ambang.

Klik pada ujian belakang simulasi dalam halaman penyuntingan strategi Pada halaman ujian belakang, parameter boleh dilaraskan mengikut keperluan yang berbeza untuk penyahpepijatan yang mudah dan cepat Terutama untuk strategi dengan logik yang kompleks dan banyak parameter, tidak perlu kembali ke kod sumber dan ubah suainya satu persatu.

Untuk masa ujian belakang, kami memilih enam bulan terbaharu, klik untuk menambah Bursa Hadapan OKCoin, dan pilih sasaran dagangan BTC.

Dapat dilihat bahawa dalam tempoh enam bulan yang lalu, disebabkan oleh aliran unilateral BTC yang sangat baik, strategi tersebut telah memperoleh pulangan yang baik.

Rakan yang mempunyai soalan boleh meninggalkan mesej di https://www.fmz.com/bbs Sama ada mengenai strategi atau teknologi platform, Inventor Quantitative Platform mempunyai kakitangan profesional untuk menjawab anda pada bila-bila masa.