详解程序化交易Dual Thrust策略
详解程序化交易Dual Thrust策略来自量化投资Quant的雪球原创专栏
Dual Thrust系统是 Michael Chalek 在80 年代开发的 Dual Thrust。在自动化交易排名中，目前为止，仍然排名第二左右。下表是我自己按5分钟周期跑回测的结果，效果非常好：
这是上表成绩最好的沪铜指数的成绩走势图：
通过几个关键数据的对比发现，该模型对于多品种还是有一定的普适性，模型中的参数也采用默认，未针对个别产品进行优化，虽然选出的四个产品都达到了正收益，但由于品种的差异性，区别还是较大。
我们可以看下它的源代码，并不复杂：
Inputs: K1(.5),K2(.5),Mday(1),Nday(1);
Vars: BuyRange(0), SellRange(0);
Vars: BuyTrig(0),SellTrig(0);
Vars: HH(0),LL(0),HC(0),LC(0);
If CurrentBar > 1 Then Begin
HH = Highest(High,Mday);
HC = Highest(Close,Mday);
LL = Lowest(Low,Mday);
LC = Lowest(Close,Mday);
If (HH - LC) >= (HC - LL) Then Begin
SellRange = HH - LC;
End Else Begin
SellRange = HC - LL;
End;
HH = Highest(High,Nday);
HC = Highest(Close,Nday);
LL = Lowest(Low,Nday);
LC = Lowest(Close,Nday);
If (HH - LC) >= (HC - LL) Then Begin
BuyRange = HH - LC;
End Else Begin
BuyRange = HC - LL;
End;
BuyTrig = K1*BuyRange;
SellTrig = K2*SellRange;
If MarketPosition = 0 Then Begin
Buy at Open of next bar + BuyTrig Stop;
Sell at Open of next bar - SellTrig Stop;
End;
If MarketPosition = -1 Then Begin
Buy at Open of next bar + Buytrig Stop;
End;
If MarketPosition = 1 Then Begin
Sell at Open of next bar - SellTrig Stop;
End;
End;
短短几十行而已，难度并不大，但其背后的交易策略却是很厉害。
它的逻辑原型是较为常见的日内交易策略之一开盘区间突破策略，以今日开盘价加减一定比例的昨日振幅，确定上下轨。日内突破上轨时平空做多，突破下轨时平多做空。
开盘区间突破策略基本原理
1. 在今天的收盘，计算两个值：最高价－收盘价，和收盘价－最低价。然后取这两个值较大的那个，乘以k值0.7。把结果称为触发值。
2. 在明天的开盘，记录开盘价，然后在价格超过（开盘＋触发值）时马上买入，或者价格低于（开盘－触发值）时马上卖空。
3. 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）时手头有一口空单，则买入两口。同理，如果在价格低于（开盘－触发值）时手上有一口多单，则卖出两口。
Dual Thrust在开盘区间突破策略上进行了相关改进：
1、在范围（range）的设置上，引入前N日的四个价位，使得一定时期内的范围相对稳定，可以适用于日间的趋势跟踪；
2、Dual Thrust对于多头和空头的触发条件，考虑了非对称的幅度，做多和做空参考的Range可以选择不同的周期数，也可以通过参数K1和K2来确定。当K1时，多头相对容易被触发,当K1>K2时，空头相对容易被触发。
因此，在使用该策略时，一方面可以参考历史数据测试的最优参数，另一方面，则可以根据自己对后势的判断，或从其他大周期的技术指标入手，阶段性地动态调整K1和K2的值。
就是一个典型的观望、等待信号、进场、套利、离场的套路，却效果卓著。
因此对于学习程序化，一是对编程语言和工具的掌握，这个和所有的码农进阶之路一样，练是硬道理，技术要求与你的策略复杂程度成正相关。二就是对交易策略的领会，赚钱本身是体力活，赚钱的逻辑才是脑力活。
推荐几篇程序化交易入门材料：
资料来源此网站
日内交易模型的设计思路
【入市设计】
系统模型入市的设计思路，事实上应与投资者的交易风格喜好、交易时间框架密切相关，可以分别是趋势跟踪、震荡交易、套利交易等，近年来甚至也出现了基于基本面分析数据的量化模型，以及带有人工智能性质的神经网络、遗传算法等具备自学习、自适应市场能力的高级交易系统模型。不过，最简单、最实用、最适合普通投资者的交易系统入市设计思路仍然是趋势跟踪，而趋势跟踪的实质就是追涨杀跌或者美其名曰：顺势而为。突破，是趋势跟踪系统设计中最为简洁实用的设计思路，具体应用设计思路可能包括：
⒈通道突破。最著名的此类程式设计代表作为：海龟交易法则与四周规则。其入市信号触发设计为：价格突破最近N根K线的高低点。长期来看，这种设计思路虽然简单，但永远也不会失效或显得过时。事实上，越简单的反而越有效。
⒉ 均线突破。该设计思路的代表作品有：克罗均线，它由4、9、18等三条均线组成；鳄鱼组线，它由5、8、13等三条移中平均线组成；自适应均线，它由考夫曼博士提出，以市场效率生成弹性浮动参数，以均线拐头为信号触发。
⒊ 指标突破。常见的技术分析指标，如MACD、KDJ、RSI、BOLL、SAR、WR、ADX等，均可独立构成一个简单的趋势跟踪系统，当然，是使用系统默认参数，还是使用优化参数；是使用其常规用法，还是使用创新用法，可能存在仁者见仁、智者见智的分歧。
⒋ 形态突破。形态突破，包括K线形态组合突破、经典技术分析形态突破等，K线形态组合的突破，以酒田战法为最经典，著名的红三兵、黑三兵、希望之星等经典K 线形态均源于此，共分为酒田战法70型。至于经典的双顶、双底、趋势线突破、横盘突破、头肩顶底、三角形态、楔形、旗形、钻石型、圆弧顶底等技术形态，因普通的模型编写语言较难精确描述而存在一定的设计使用障碍，需要使用转向函数及图形模糊识别技术来克服。
⒌ 波动性突破。波动性可以定义为：最高价与最低价、当根K线的最高价与昨收盘、当根K线的最低价与昨收盘，这三组价格差额的最大者即该品种的波动性值，波动性既可以进行横向比较品种间的波动性水平，也可以用于纵向判断价格波动的异常，并作为入市信号的触发器。
⒍ 时间价格突破。在趋势行情的必经之路，守株待兔，是我们进行突破系统设计的基本思路。而时间、价格突破，从速度、幅度的两维视角预约了趋势行情，堪称突破系统设计的典范。基本设计思路为价格在N时间范围内、上涨或下跌了N个点位。进一步拓展思路后，还可以引入周间日、日间时的概念，细化不同时间段的突破标准，以便更好地适应品种个性，此外，还可以时间、价格过滤器的方法来实现对趋势行情的确认，以减少价格盘整阶段的假突破现象。
【离市设计】
⒈ 止损。止损，是交易系统模型设计中一个不可或缺的元素，资金止损、技术止损，是两种主要的考虑方案，采用两者孰低的方案可能更为科学。一方面，你要确保每笔交易不冒过大的风险，另一方面，你要背靠一个关键的压力、支撑技术位置，采用反向交易信号作为自动止损的依据，则是持续在市的交易系统模型的一个常用止损方法。
⒉止盈。虽然固定点位的止盈、止损，也是系统设计中可以采用的方法，但我们更倾向于兼顾利润保护和放大功能的跟踪止盈或SAR抛物线止盈模式，随着利润的扩大，而不断抬高甚至收紧止盈目标位置，可以在一定程度上起到利润最大化的设计目标。
⒊ 时间清仓。以时间为因素考虑离场，无论是作为一种辅助离场方法，还是作为一种独立的出市方法，都是一个不错的思路。比如三根K线过后，如果既没有达到止盈位、也没有触及止损位，就主动离场。
绩效指标的迷失
1、总获利金额(Net Profit)
有没有合理考虑成本？从每笔交易纪录中，推算成本金额，是否合理包含交易税，手续费与滑价损失。另外，换约必然产生的成本，有无考虑？
有没有考虑合理执行达标率？讯号产生到实际交易执行成功，之间的滑价，是否合理估计，这包含交易执行的准备时间充不充分，交易单的方式合不合理？
多久的交易期间？系统总是有表现好的时后，与表现不好的时候。如果交易期间太短（低于５年），可能只是把表现比较好的一面呈现出来，不具整体代表性。
多大的风险代价？如果最大的连续亏损过大（占之前净值高点比例过大），这样的获利报酬的代价是不是可以被接受，如果无法接受，那这样的报酬是无法真正实现的。因为在持续亏损下，早就放弃执行这样的系统，或者，获利之后，又容易回吐殆尽。
2、报酬率：
报酬率期间长度（用多少时间来计算报酬率的分子：盈亏金额）。是年报酬率？还是月报酬率？时间长短不同，累积的报酬率自然不同。
取样的期间长度（总交易期间）。是单年的报酬率？还是多年的平均报酬率？与多久的交易期间观念相同。
报酬率的基准金额为何（报酬率分母）。起始账户资金为何？资金管理模式为何？有一种报酬率，称为最小账户资金报酬率（ROA）。是用过去最大连续亏损金额（MDD），加上原始保证金来当报酬率的分母。这是最大风险下的报酬率。
多大的风险代价？若以ROA代表报酬率，是必须承受将近百分百的账户亏损风险，才能得到这样的报酬率，并不切实际。每个人的风险承受能力不同，但100%的风险承受并不是正常合理的假设。单口系统不易表现出合理的风险报酬率，但可以约略从净值曲线与一些风险报酬进阶指标看出。适当的资金管理多口数系统，可以合理表现报酬率。
3、交易频率：
频率太低，交易次数少，不具代表性。取样期间内应该超过３６笔交易。
频率太高，交易次数多，执行的精神成本过高。因人而异，每日不超过３笔交易为宜。
4、实际绩效与模拟绩效：
模拟绩效
一般系统绩效多是以历史数据来仿真的，必须了解系统仿真的原理与假设。因为Ｋ线资料只有４个统计值（开盘价 / 最高价 / 最低价 / 收盘价），所以，必须有所谓的Ｋ线假设（Bar Assumptions），来模拟行情在Ｋ线中的走势，当Ｋ线的时间架构越大（如日线，周线）时，误差就会越大。在TradeStation中，即使时间架构是日线，仍然可以用分线，甚至是实际每笔交易纪录，这种用更细微的时间单位（Resolution），来仿真过去交易与绩效，误差就大为减少了。当然，前提是历史的数据必须是存在与正确的。
有些仿真程序与TradeStation一样，都有所谓的收盘进场讯号，这本来在实际执行交易上，逻辑是行不通的。之前，最后一盘为5分钟集中撮合，可以在这5分钟内，以市价单来进出场，可以让收盘进场的讯号适用，现在期交所已经取消最后５分钟的集中撮合。另外，有些程序系统参考收盘价，来决定是否收盘进出场，这在仿真程序可以做到，但在实务上，却是无法执行的，也造成了模拟绩效的误谬。
实际绩效
有些人会把实际账户的交易绩效，以交易报告书公布出来。除非是长时间的详细交易纪录，否则，都无法证实是系统完全执行下的结果。
有的系统绩效时好时坏，若只能比对短时间，系统与实际账户的绩效，比较难证明系统与实际账户的一致性。
如果只是公布账户资金的变动，而没有实际的交易纪录，报酬率也可能是虚胖的。比如，股指多手数系统，可以设定10%的总资金风险，来控制交易手数。这时，只要把10%~20%的资金放在保证金账户就可以了，单以保证金账户来看，报酬率与实际总资金报酬率，多了5到10倍。
---「相关文章 」---
1：程序化交易的优点与缺点 http://xueqiu.com/5256769224/32429390
2：全球十大程序化交易系统 (源码) http://xueqiu.com/5256769224/32429269
3：详解程序化交易Dual Thrust策略 http://xueqiu.com/5256769224/32429363
4：金字塔Dual Thrust交易系统源码 http://xueqiu.com/5256769224/32429305
作者：量化投资Quant
链接：https://xueqiu.com/5256769224/32429363?from=timeline&isappinstalled=0
来源：雪球
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
Aberration trading system
Aberration 交易系统由Keith Fitschen 于1986发明，1993年Keith Fitschen 将该系统商业化发布，自发布之日起，该系统业绩一直名列前茅，在1997 年、2001 年、2005 年已发布交易系统的业绩排名中该系统均排名前十。
该交易系统的特点是同时交易在8 种不同的品种上，包括物、肉类、金属、能源、外汇、金融以及股指期货等。Aberration交易系统的交易频率常常是每年交易某一品种3-4次，60%的时间都持有仓位，平均每笔交易持仓60天。它通过长线交易捕捉趋势来获取巨额利润。那它如何来弥补亏损呢？因为它同时交易在多个不相关的市场，当某一品种损失时，另一品种可能获利。在一年的时间里，总是有某一种或者多种品种能获得巨额利润。这些大的利润弥补了那些没趋势市场的小额亏损。Aberration 交易系统对资金进行组合管理，因此可以接受比较大的资金量。
TB开发平台和语言。
//------------------------------------------------------------------------
// 简称: JYXT_Aberration
// 名称: Aberration
// 类别: 公式应用
// 类型: 用户应用
// 输出:Rookies
//------------------------------------------------------------------------
Params
Numeric Length(35);
Numeric StdDevUp(2.0);
Numeric StdDevDn(-2.0);
Numeric Lots(1);
Vars
NumericSeries UpperBand;
NumericSeries LowerBand;
NumericSeries AveMa;
Numeric StdValue;
Begin
AveMa=Average(Close,Length);
StdValue = StandardDev(Close,Length);
UpperBand=Avema+StdDevUp*StdValue;
LowerBand=Avema-StdDevUp*StdValue;
PlotNumeric("UpperBand&# 34;,UpperBand);
PlotNumeric("LowerBand&# 34;,LowerBand);
PlotNumeric("AveMa&# 34;,AveMa);
If(MarketPosition!=1 &&CrossOver(Close,UpperBand))
{
Buy(Lots,Open);
}
If(MarketPosition!=-1 &&CrossUnder(Close,LowerBand))
{
SellShort(Lots,Open);
}
If(MarketPosition==1 && Close
{
Sell(Lots,Open);
}
If(MarketPosition==-1 && Close>AveMa)
{
BuyToCover(Lots,Open);
}
End
作者：量化投资Quant
链接：https://xueqiu.com/5256769224/32429269
来源：雪球
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。
本帖最后由 满盘红 于 2019-3-17 18:01 编辑
-
页:
[1]