Backtrader 实现和理解海龟交易法

1. 海龟交易的理解

（1）资金管理

海龟将总资金分为N个交易单位，每个单位即称为头寸，划分的标准主要是参考标的的波动性。
波动性用一个指标量化即真实波动幅度均值（ATR）。
真实波动幅度均值（ATR）是当前交易日前20交易日真实波动幅度的移动平均值。
真实波动幅度是取最高价与最低价、最高价与前一日收盘价、最低价与前一日收盘价的最大值。
结合交易时点已经形成的当天最高、最低和上一交易日的收盘价，可以计算出交易时点当天的真实波动幅度，用TR表示。计算真是波动幅度均值公式为：
ATR=（19*PDN+TR）/ 20
ATR相当于考虑了21天的真实波动幅度，前20天真实波动幅度的平均值就是公式里的PDN，结合交易当日（第21天）的真实波动幅度（TR），平均后就成了真实波动幅度均值。
波动性就是真实波动幅度均值（ATR），这时用这个波动性来将总资金分成N个交易单位（头寸），核心就一句话：价格波动1个ATR，总仓位资金变化1%。
推导公式，假设当前价格是P，买入1头寸元的该标的，所以：

1头寸 / P * ATR = 总仓位资金*1%

ATR是单只标的资产的价格波动，乘以持有的数量（1头寸资金买该标的，买的数量就是1头寸/价格P）就是盈亏幅度，这个盈亏幅度即为总仓位资金的1%。

1头寸单位 = 总仓位资金*1% * P / ATR

（2）买入/加仓

唐奇安通道是由一条上轨线、中线和下轨线组成，上轨线由N1日内最高价构成，下轨线由N2日内最低价计算，当价格冲破上轨是可能的买入信号，反之，冲破下轨时是可能的卖出信号。
以唐奇安通道为标准：

• 首次买入
  价格突破20日上轨线即决定是否入市。
• 加仓
  入市时买入1头寸资金的标的。
  价格每发生盈利方向波动1/2ATR，加仓1头寸单位。
  4个头寸单位为总持仓上限，加完就等着止盈或者止损退出。

风险：
这种加仓方法的风险就是加仓太密，在遭遇假突破后，后面的仓位退出时经常是亏损的。但在盈利的时候后面的仓位对比前面的仓位又没有价格优势。
加仓太密集的另一后果就是同一时间段的敞口风险太大。

可以考虑浮赢加仓，在第一仓有充足利润了之后，至少大于2倍盈亏比才加仓，这样，第二仓即使亏损了，第一仓的盈利还能补平。（没有实现）

（3）止盈

发生不利价格向下突破10日下轨线，全部清仓。

（4）止损

止损原则是每次交易导致总资金亏损不超过2%。
策略：由于每一个ATR波动引起总资金1%的变动，即价格在不利方向变动超过2个ATR单位，触发止损。
（注意：在多次加仓的情况下，按照最后一次加仓的入市价格，一旦发生不利变动超过2ATR单位，全部头寸清仓，此时可能没有触及第一笔交易的止损点。）

（5）问题

《海龟交易法则》1984年发布，写的是24年前也就是1960年的故事，就是杰西·利弗莫尔(1877-1940)的突破交易法的变种，杰西·利弗莫尔是《股票大作手回忆录（Reminiscences of a Stock Operator）》的主人公。
海龟交易法的成功，源于当时的价格走势总是走趋势且不回调的行情，所以海龟能够在少数抓住趋势的情况下，也能够通过加仓带来的重仓盈利。
当大家都知道了海龟交易法则理论和操作，海龟法则必然就失效了。

2. 验证

（1）代码

# 海龟交易法
class TurtleStrategy(bt.Strategy):# 默认参数params = (('H_period', 20),  # 周期('L_period', 10),  # 唐奇安通道下轨周期('ATRPeriod', 14),  # 平均真实波幅ATR周期('printlog', False) # 打印交易记录日志)# 交易记录日志（默认打印结果）def log(self, txt, dt=None, printlog=False):if printlog:#dt = dt or self.datetime.date(0)dt = dt or self.datetime.date(0)print(f'{dt.isoformat()},{txt}')def __init__(self):# 初始化self.order = None  # 未决订单self.buyprice = 0  # 买单执行价格self.buycomm = 0  # 订单执行佣金self.buy_size = 0  # 买单数量self.buy_count = 0  # 买入次数计数self.buy_count_limit = 4  # 买入次数限制# 海龟交易法则中的唐奇安通道和平均真实波幅ATRself.H_line = bt.indicators.Highest(self.data.high(-1), period=self.p.H_period, plot=False)self.L_line = bt.indicators.Lowest(self.data.low(-1), period=self.p.L_period, plot=False)self.ATR = bt.indicators.AverageTrueRange(self.datas[0], period=self.p.ATRPeriod)# 价格与上下轨线的交叉self.buy_signal = bt.indicators.CrossOver(self.datas[0], self.H_line(0), plot=False)self.sell_signal = bt.indicators.CrossDown(self.datas[0], self.L_line(0), plot=False)def next(self):if self.order:return# 入场：价格突破上轨线且空仓时if self.buy_signal and self.buy_count == 0:# 计算买入数量#self.buy_size = self.broker.getvalue() * 0.01 / self.ATR # 不能用总资金self.buy_size = self.broker.getcash() * 0.01 / self.ATR[0]# 买入数量取整，100的倍数self.buy_size = int(self.buy_size / 100) * 100self.buy_count += 1  # 买入次数计数self.log('空仓状态，创建买单，价格：%.2f,数量：%.2f,头寸数：%.0f' % (self.data.close[0], self.buy_size,self.buy_count))self.log('ATR: %.2f，信号：%s' % (self.ATR[0],self.buy_signal[0]))self.order = self.buy(size=self.buy_size)# 加仓：价格上涨了买入价的0.5的ATR且加仓次数不超过5次（含）# 检查加仓次数是否超过5次elif self.buy_signal and self.data.close[0] > (self.buyprice + 0.5 * self.ATR[0]) \and self.buy_count > 0 and self.buy_count <= self.buy_count_limit:# 计算买入数量self.buy_size = self.broker.getcash() * 0.01 / self.ATR[0]self.buy_size = int(self.buy_size / 100) * 100self.log('持仓状态：%.2f，创建买单，价格：%.2f,数量：%.2f,头寸数：%.0f' % \(self.position.size,self.data.close[0], self.buy_size,self.buy_count))self.log('ATR: %.2f，信号：%s' % (self.ATR[0], self.buy_signal[0]))self.order = self.buy(size=self.buy_size)self.buy_count += 1  # 买入次数计数# 止损策略：由于每一个ATR波动引起总资金1%的变动，即价格在不利方向变动超过2个ATR，触发止损。# （注意：先入市，后加仓，按照最新加仓的入市价格，一旦发生不利变动超过2ATR，全部头寸退出，此时可能没有触及第一笔交易的止损点。）elif self.position:# 止损策略：价格跌破买入价的2倍ATR且持仓时，买入价格都是最后一次加仓的价格if self.data.close < (self.buyprice - 2 * self.ATR[0]):self.log('创建卖单，止损，价格：%.2f,数量：%.2f' % (self.data.close[0], self.position.size))self.log('ATR: %.2f，信号：%s' % (self.ATR[0],self.sell_signal[0]))# 一次性平仓self.order = self.close()  # 清仓self.buy_count = 0elif self.position:# 止盈策略：价格跌破下轨线且持仓时if self.sell_signal :self.log('创建卖单，止盈，价格：%.2f,数量：%.2f' % (self.data.close[0], self.position.size))self.log('ATR: %.2f，信号：%s' % (self.ATR[0],self.sell_signal[0]))# 一次性平仓self.order = self.close()  # 清仓self.buy_count = 0# 止盈和止损策略，可以综合在一起，因为都是平仓操作，条件是 self.sell_signal or self.data.close < (self.buyprice - 2 * self.ATR[0])# 但是为了清晰起见，分开写，更符合海龟交易法则。# 记录交易执行情况（默认不输出结果）def notify_order(self, order):# 如果order为submitted/accepted,返回if order.status in [order.Submitted, order.Accepted]:return# 如果order为buy/sell executed,报告价格结果if order.status in [order.Completed]:if order.isbuy():self.log(f'买入:价格:{order.executed.price},买入数量：{order.executed.size},\成本:{order.executed.value:.2f},手续费:{order.executed.comm:.2f}')self.buyprice = order.executed.price  # 记录买入价格 ，用于加仓判断self.buycomm = order.executed.commelse:self.log(f'卖出:价格：{order.executed.price},卖出数量: {order.executed.size},\成本: {order.executed.value:.2f},手续费：{order.executed.comm:.2f}')# 如果指令取消/交易失败, 报告结果elif order.status in [order.Canceled, order.Margin, order.Rejected]:self.log('交易失败 ：%s' % order.getstatusname())self.log('当前资金：%.2f, 订单买入数量：%.2f, 订单买入价格：%.2f' % (self.broker.getcash(),order.executed.size,order.executed.price))self.order = None# 记录交易收益情况（可省略，默认不输出结果）def notify_trade(self, trade):if not trade.isclosed:returnself.log(f'本次交易完成，策略收益：毛利 {trade.pnl:.2f}, 净利润 {trade.pnlcomm:.2f}')def stop(self):self.log(f'唐奇安通道上/下轨周期：{self.p.H_period},{self.p.L_period} \期末总资产: {self.broker.getvalue():.2f}')self.log(f'收盘价格：{self.data.close[0]},持仓数量：{self.position.size} \期末可用资金: {self.broker.getcash():.2f}')if __name__ == '__main__':# 创建Cerebro引擎cerebro = bt.Cerebro()# 从数据库中取数据stock_df = get_code('000858.SZ')  # 000858.SZ 000651.SZstart_date = datetime.datetime(2018, 1, 1)  # 回测开始时间end_date = datetime.datetime(2023, 12, 31)  # 回测结束时间#print(stock_df)data = bt.feeds.PandasData(dataname=stock_df, fromdate=start_date, todate=end_date)  # 加载数据# 将数据添加到Cerebro引擎中cerebro.adddata(data)# Add a FixedSize sizer according to the stake 每次买卖的股数量cerebro.addsizer(bt.sizers.FixedSize, stake=100)# 将KDJ策略添加到Cerebro引擎中cerebro.addstrategy(TurtleStrategy, printlog=False)  # True False# 设置初始资金为100000cerebro.broker.setcash(1000000.0)# 设置佣金为0.0001 万一cerebro.broker.setcommission(commission=0.0001)# 添加分析指标cerebro.addanalyzer(bt.analyzers.Returns, _name='returns')cerebro.addanalyzer(bt.analyzers.SharpeRatio, _name='sharpe')cerebro.addanalyzer(bt.analyzers.DrawDown, _name='drawdown')cerebro.addanalyzer(bt.analyzers.PyFolio, _name="PyFolio")# 运行回测print('Starting Portfolio Value: %.2f' % cerebro.broker.getvalue())results = cerebro.run()print('Final Portfolio Value: %.2f' % cerebro.broker.getvalue())# 获取回测分析结果strat = results[0]returns = strat.analyzers.returns.get_analysis()sharpe = strat.analyzers.sharpe.get_analysis()drawdown = strat.analyzers.drawdown.get_analysis()# 打印回测指标print('Annualized Return: %.2f%%' % (returns['rnorm100']))print('Sharpe Ratio: %.2f' % (sharpe['sharperatio']))print('Max Drawdown: %.2f%%' % (drawdown['max']['drawdown']))print('Max Drawdown Period: %s' % (drawdown['max']['len']))# 绘制回测结果cerebro.plot(iplot=False, volume=False)# 量化风险和收益指标，图示pyfolio = results[0].analyzers.PyFolioreturns, positions, transactions, gross_lev = pyfolio.get_pf_items()qs.reports.full(returns)

（2）分析

执行结果：

Starting Portfolio Value: 1000000.00
2018-04-24,空仓状态，创建买单，价格：72.43,数量：3800.00,头寸数：1
2018-04-24,ATR: 2.58，信号：1.0
2018-04-25,买入:价格:71.91,买入数量：3800,                成本:273258.00,手续费:27.33
2018-05-03,持仓状态：3800.00，创建买单，价格：73.80,数量：2600.00,头寸数：1
2018-05-03,ATR: 2.70，信号：1.0
2018-05-04,买入:价格:73.55,买入数量：2600,                成本:191230.00,手续费:19.12
2018-05-07,持仓状态：6400.00，创建买单，价格：76.00,数量：2000.00,头寸数：2
2018-05-07,ATR: 2.63，信号：1.0
2018-05-08,买入:价格:75.8,买入数量：2000,                成本:151600.00,手续费:15.16
2018-05-10,持仓状态：8400.00，创建买单，价格：77.98,数量：1500.00,头寸数：3
2018-05-10,ATR: 2.44，信号：1.0
2018-05-11,买入:价格:78.55,买入数量：1500,                成本:117825.00,手续费:11.78
2018-06-04,持仓状态：9900.00，创建买单，价格：81.80,数量：1000.00,头寸数：4
2018-06-04,ATR: 2.63，信号：1.0
2018-06-05,买入:价格:82.0,买入数量：1000,                成本:82000.00,手续费:8.20
2018-06-28,创建卖单，止损，价格：73.65,数量：10900.00
2018-06-28,ATR: 2.97，信号：0.0
2018-06-29,卖出:价格：74.0,卖出数量: -10900,                成本: 815913.00,手续费：80.66
2018-06-29,本次交易完成，策略收益：毛利 -9313.00, 净利润 -9475.25
2018-09-21,空仓状态，创建买单，价格：66.42,数量：5100.00,头寸数：1
2018-09-21,ATR: 1.93，信号：1.0
2018-09-25,买入:价格:65.82,买入数量：5100,                成本:335682.00,手续费:33.57
2018-09-26,持仓状态：5100.00，创建买单，价格：67.20,数量：3300.00,头寸数：1
2018-09-26,ATR: 1.98，信号：1.0
2018-09-27,买入:价格:66.99,买入数量：3300,                成本:221067.00,手续费:22.11
2018-10-10,创建卖单，止损，价格：60.81,数量：8400.00
2018-10-10,ATR: 2.13，信号：1.0
2018-10-11,卖出:价格：58.47,卖出数量: -8400,                成本: 556749.00,手续费：49.11
2018-10-11,本次交易完成，策略收益：毛利 -65601.00, 净利润 -65705.79
2018-12-03,空仓状态，创建买单，价格：55.09,数量：5500.00,头寸数：1
2018-12-03,ATR: 1.65，信号：1.0
2018-12-04,买入:价格:55.0,买入数量：5500,                成本:302500.00,手续费:30.25
2018-12-20,创建卖单，止损，价格：51.86,数量：5500.00
2018-12-20,ATR: 1.40，信号：1.0
2018-12-21,卖出:价格：51.4,卖出数量: -5500,                成本: 302500.00,手续费：28.27
2018-12-21,本次交易完成，策略收益：毛利 -19800.00, 净利润 -19858.52
2019-01-21,空仓状态，创建买单，价格：56.00,数量：5600.00,头寸数：1
2019-01-21,ATR: 1.59，信号：1.0
2019-01-22,买入:价格:56.0,买入数量：5600,                成本:313600.00,手续费:31.36
2019-01-28,持仓状态：5600.00，创建买单，价格：57.47,数量：3600.00,头寸数：1
2019-01-28,ATR: 1.61，信号：1.0
2019-01-29,买入:价格:57.6,买入数量：3600,                成本:207360.00,手续费:20.74
2019-01-31,持仓状态：9200.00，创建买单，价格：60.30,数量：2100.00,头寸数：2
2019-01-31,ATR: 1.83，信号：1.0
2019-02-01,买入:价格:60.8,买入数量：2100,                成本:127680.00,手续费:12.77
2019-02-12,持仓状态：11300.00，创建买单，价格：64.75,数量：1200.00,头寸数：3
2019-02-12,ATR: 2.02，信号：-1.0
2019-02-13,买入:价格:65.48,买入数量：1200,                成本:78576.00,手续费:7.86
2019-02-14,持仓状态：12500.00，创建买单，价格：67.96,数量：800.00,头寸数：4
2019-02-14,ATR: 2.05，信号：1.0
2019-02-15,买入:价格:68.0,买入数量：800,                成本:54400.00,手续费:5.44
2023-12-29,唐奇安通道上/下轨周期：20,10         期末总资产: 1989389.28
2023-12-29,收盘价格：140.31,持仓数量：13300         期末可用资金: 123266.28
Final Portfolio Value: 1989389.28
Annualized Return: 12.63%
Sharpe Ratio: 0.39
Max Drawdown: 60.02%
Max Drawdown Period: 697

Trade1

可以看到第一次trade，经过了4次的加仓，出现止损信号后，平仓后是亏损。
就是存在加仓频度过密集，盈利不够大。

2018-06-28,创建卖单，止损，价格：73.65,数量：10900.00
2018-06-28,ATR: 2.97，信号：0.0
2018-06-29,卖出:价格：74.0,卖出数量: -10900,                成本: 815913.00,手续费：80.66
2018-06-29,本次交易完成，策略收益：毛利 -9313.00, 净利润 -9475.25

Trade2

第二次交易，持仓1次，出现止损信号，卖出，亏损。

2018-09-21,空仓状态，创建买单，价格：66.42,数量：5100.00,头寸数：1
2018-09-21,ATR: 1.93，信号：1.0
2018-09-25,买入:价格:65.82,买入数量：5100,                成本:335682.00,手续费:33.57
2018-09-26,持仓状态：5100.00，创建买单，价格：67.20,数量：3300.00,头寸数：1
2018-09-26,ATR: 1.98，信号：1.0
2018-09-27,买入:价格:66.99,买入数量：3300,                成本:221067.00,手续费:22.11
2018-10-10,创建卖单，止损，价格：60.81,数量：8400.00
2018-10-10,ATR: 2.13，信号：1.0
2018-10-11,卖出:价格：58.47,卖出数量: -8400,                成本: 556749.00,手续费：49.11
2018-10-11,本次交易完成，策略收益：毛利 -65601.00, 净利润 -65705.79

Trade3

同Trade2 的效果

2018-12-03,空仓状态，创建买单，价格：55.09,数量：5500.00,头寸数：1
2018-12-03,ATR: 1.65，信号：1.0
2018-12-04,买入:价格:55.0,买入数量：5500,                成本:302500.00,手续费:30.25
2018-12-20,创建卖单，止损，价格：51.86,数量：5500.00
2018-12-20,ATR: 1.40，信号：1.0
2018-12-21,卖出:价格：51.4,卖出数量: -5500,                成本: 302500.00,手续费：28.27
2018-12-21,本次交易完成，策略收益：毛利 -19800.00, 净利润 -19858.52

Trade4

第三次加仓，有趣的是 信号：-1.0 ，不是0 ，就是认为信号有效，其实是data[0]下穿上轨线。

2019-02-12,持仓状态：11300.00，创建买单，价格：64.75,数量：1200.00,头寸数：3
2019-02-12,ATR: 2.02，信号：-1.0
2019-02-13,买入:价格:65.48,买入数量：1200,                成本:78576.00,手续费:7.86

第四次加仓，信号：1.0：

2019-02-14,持仓状态：12500.00，创建买单，价格：67.96,数量：800.00,头寸数：4
2019-02-14,ATR: 2.05，信号：1.0
2019-02-15,买入:价格:68.0,买入数量：800,                成本:54400.00,手续费:5.44
2023-12-29,唐奇安通道上/下轨周期：20,10         期末总资产: 1989389.28
2023-12-29,收盘价格：140.31,持仓数量：13300         期末可用资金: 123266.28
Final Portfolio Value: 1989389.28

2019-02-15,最后一次买入，一直到23年底持仓。
这就是说，走势如果是一直向上的趋势，海龟交易法是可以有大盈利，小亏损。

看图示

可以清楚看到有三次清仓操作。
最后一次买入，加仓后，一直持有。
需要的是趋势持续向上。

风险

Annualized Return: 12.63%
Sharpe Ratio: 0.39
Max Drawdown: 60.02%
Max Drawdown Period: 697

前面提到的 加仓频繁，造成亏损大，因此回撤大 60% 。
但看年化收益率，似乎还很好，但是这类走势的可遇不可求，非常难。

（3）更换股票

更换股票，000651.SZ

2023-12-29,唐奇安通道上/下轨周期：20,10         期末总资产: 775140.54
2023-12-29,收盘价格：32.17,持仓数量：0         期末可用资金: 775140.54
Final Portfolio Value: 775140.54
Annualized Return: -4.33%
Sharpe Ratio: -0.04
Max Drawdown: 52.94%
Max Drawdown Period: 964

最终结果是亏损。

3.改进

通过两个测试，以及图示，好像有一个重要的环节可以优化。

如有建议，欢迎留言交流，不吝赐教。

未完待续。