海龟策略深入研究-策略回测系列-11 品种选择检验(四)

海龟交易法--本地回测(Python) 他不仅适用于股市,也适用于一切容易形成趋势的交易标的,如期货,股指,加密货币,外汇等。他的交易思想是,趋势形成后赚取的利润会高于下跌周期中损失的本金,所以从整体上看海龟交易法能通过合理设置交易参数带来可观的盈利。设置海龟交易法需要用到的参数,其中n1表示长周期的天数(用于判断做多和做空的进入点),n2表示短周期的天数(用于判断看多或看空趋势结束的点),atr_parameter则是观察和计算平均波幅的天数,平均波幅和每次交易量成一定比例。接着进行交易过程的可视化,包括k线,唐安奇通道及买入卖出点等。 阅读详情

重新构建投资组合

 

1)初步筛选

 
初步筛选从仅仅基于历史行情外,还加多了品种波动率和自相关性的要求,故总的来说其初步筛选条件为三点:

  • 历史行情:2014年1月1日前上市
  • 调整后波动率比值>1
  • ADF值>10%

 

根据初步筛选标准,剔除了不符合要求品种后,测试样本从调整前的35个缩小至27个,根据其调整后波动率比值的大小按从大到小排序,如图所示。
结合高成交量特征,一般来说,成交量高的品种,其波动率高,自相关性强,故具有正相关性。
 
enter image description here
 
根据交易所分类,这27个品种划分成4部分:

  • 中金所:IF
  • 上交所:ZN、RB、CU、WR、PB、BU、AL
  • 郑商所:TA、CF、RS、SR、RI、WH、FG
  • 大商所:J、BB、B、JM、JD、A、Y、C、FB、M、L、V

 
初步筛选之后,我们会通过不同的回望周期(如2年、3年、4年)以及基于回归夏普比率不同的筛选标准来得到若干个海龟组合备选方案,最后通过相互比较得到最终的组合。
(以下测试基于米筐RQData的小时级别期货指数数据,有兴趣的朋友可以自行验证或者使用别的数据源测试一下!)
 

2)2年回望周期测试

选择标准:回归夏普比率>0.4
 

a.2014-2015年测试


对初步筛选出来的样本进行2014-2015年回测,选择回归夏普比率>0.4的品种,然后构成组合,如图所示。

enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here
enter image description here

 

根据回归夏普比率>0.4的准则,筛选出了14个品种,其历史表现和2016年预测表现如图6-23所示。投资组合在2014-2015年年化收益96.46%,百分比最大回撤-32.75%,夏普比率达2.04,资金曲线平滑且整体向上,但是2016年预测表现不佳,需要剔除更多噪声因子。
下面分析一下挑选出来的品种成分,按交易所分类如下:

  • 中金所:沪深300股指
  • 上期所:铝、铜、螺纹钢、铅、线材、锌
  • 郑商所:普麦、PTA
  • 大商所:玉米、铁矿石、焦煤、黄大豆2号、豆粕、聚乙烯

enter image description here

 
 

b.2015-2016年测试


同样对剩下的样本进行2015-2016年回测,选择回归夏普比率>0.4的品种,然后构成组合。

enter image description here
enter image description here
enter image description here
enter image description here
enter image description here

 
经过第二轮筛选后,剩下9个品种,同样按照交易所分类,如下:

  • 上期所:铝、铜、螺纹钢、锌
  • 郑商所:普麦
  • 大商所:玉米、铁矿石、焦炭、豆粕

 
在新的投资组合中,年化收益达92.04%,百分比最大回撤是-16.8%,夏普比率达2.4,整体资金曲线比较平滑。在2017年预测表现理想,年化收益46.49%,百分比最大回撤-30.45%,夏普比率达1.09,如图所示。

enter image description here

 
 

c.2016-2017测试


最后一轮策略,将挑选出最终的品种组成海龟组合,单品种品种如图所示。
enter image description here
enter image description here
enter image description here

 
第三轮筛选后,基于回归夏普比率>0.4得到由铝、铜、锌、普麦、铁矿石、焦炭、螺纹钢组成的海龟组合,2016-2017年标准夏普达1.56,2018年预测的夏普比率是-0.12,全时间区间的夏普比率表现是1.17。投资组合效果差强人意。

enter image description here
 

基于上面2年回望周期所做展示的回测图,可以更加便捷的更改筛选标准而不用从新进行测试就得到结果,故下面把筛选标准改成回归夏普比率>0.6,其测试情况如图所示。
把筛选标准提高0.2后,得到的样本数量降低到5个,分别是铝、铜、锌、铁矿石、焦炭,2016-2017年标准夏普达1.29,2018年预测的夏普比率是0.7,全时间区间的夏普比率表现是1.22。
enter image description here
 

若把筛选标准提升至回归夏普比率>0.8,则得到4个样本品种:铜、锌、铁矿石、焦炭,2016-2017年标准夏普达1.87,2018年预测的夏普比率是-0.03,全时间区间的夏普比率表现是1.38,如图所示。

enter image description here

海龟交易法则-基于TBQ的交易系统的回测心得 保证金平均占用估计在30%-40%。胜率只有36%,但是盈亏比高达到2.2。从年度收益看,16年和20年、21年这样的趋势大年份均能取得不错的收益,相对震荡的年份则表现为磨损,基本符合趋势策略的特征 阅读详情

相关推荐

量化策略深入研究

摘要:本文系统解析量化交易策略体系,涵盖趋势跟踪、均值回归、统计套利、高频交易和机器学习五大核心策略。详细阐述各类策略的数学模型(如双均线、布林带、协整套利)、适用场景及风险特征,并提供完整的策略评估指标体系(夏普比率、卡玛比率等)。重点强调风险控制体系,包括资金管理模型和止损策略。最后指出深度学习、另类数据等前沿方向,并推荐经典论文与开源工具。核心观点:量化策略开发是持续优化的系统工程,需兼顾逻辑驱动、严格风控和技术支撑,多策略组合是穿越市场周期的关键。

几十年资深高级架构师,技术专家的技术笔记。专注C、Java、Python、微服务、云原生、AI工程化及高并发系统分布式架构实战,分享源码剖析、性能调优与架构治理经验。 789

量化交易之回测篇 - 海龟交易策略(初版)

""" 这个模型写了小半天, 还没来得及测试, 先开源出来; 等期货回测器的cta分支没问题后,再测试该模型; PS: 为了方便模型的回测, 价格设置上确实有不合理的地方, 勿用于实盘, 请见谅; """ from tqz_strategy.template import CtaTemplate from public_module.object import StopOrder, TickData, BarData, TradeData, OrderData from public_module.ut.

1171

量化回测海龟交易策略

海龟交易策略基于价格的趋势特征,通过追踪市场中的价格发展趋势,以捕捉较长期的利润机会。通过backtrader的灵活性和功能强大的API,我们可以轻松地进行策略的开发、回测和优化。在量化交易领域,海龟交易策略是一种经典的趋势跟踪策略。本文将介绍如何利用backtrader库来实现海龟交易策略的量化回测,并提供相应的源代码和描述。接下来,我们将使用backtrader库来实现海龟交易策略的量化回测。在实际的交易中,一定要谨慎选择和验证交易策略,合理管理风险。,分别用于记录买入和卖出的价格。

TgpActionscript的博客 633

运用python进行海龟交易法回测

运用python进行海龟交易法回测

jiangtingrui1的博客 5633

UWB定位进阶:如何利用DW1000的CIR数据做NLOS信号识别?

本文深入探讨了如何利用DW1000芯片的信道脉冲响应(CIR)数据进行非视距(NLOS)信号识别,以提升UWB定位精度。通过分析CIR数据的核心价值、预处理方法、特征提取技术以及机器学习模型构建,为研究人员和工程师提供了实用的解决方案,帮助克服室内定位中的NLOS挑战。

weixin_28729205的博客 474

MTK-AWB 小结 (二)

调试总结:可以将offset 对应的ratio加大,保留更多的喜好色(偏色),影响WF statistic gain,从而影响最终的awb gain。这一部分前期CCT校准的时候就会算出一组默认值,当然这个offset offse 值用于优化T,S,wf 光下的偏色喜好度. offset。后面遇到 A H Shad 光收白或者偏色,还可以优化 A 的offset ,H offset,shad offset.new offset 计算过程(Day locus offset 和M/G offset )

qq_46056347的博客 1170

【量化交易】永久投资组合,海龟交易法则阅读,回测与讨论

这里写自定义目录标题欢迎使用Markdown编辑器新的改变功能快捷键合理的创建标题,有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能,丰富你的文章UML 图表FLowchart流程图导出与导入导出导入 欢迎使用Markdown编辑器 你好! 这是你第一次使用 Markdown编辑器 所展示的欢迎页。如果你想学习如何使用Mar

weixin_39434182的博客 1万+

ISP调试工程师相关面试问题_001

Qualcomm、MTK等ISP pipeline的框架原理及算法原理,还有调试经验。

notgoodenouf的博客 3552

海龟策略深入研究-策略回测系列-14 上一笔盈利过滤检验

上一笔盈利过滤的意思是,若上一次交易为盈利的,则当前的交易信号无效,即当前不进行交易。 基于20日唐奇安通道,费思认为若上一次突破是盈利的,那么新突破点可能离当前价格,因为有可能跑到55日突破点上面去;若上一次突破点亏损,那么新突破点将更加接近当前价格。 若基于传统日内中高频CTA策略的视角,这是非常主观的解释:费思认为这几乎不可能连续2次出现大行情,但是事实是分钟级别的CTA策略有可...

智能量化交易 1138

lvds接口_LVDS,接口,时序讲解,非常好的文章

欢迎FPGA工程师加入官方微信技术群点击蓝字关注我们FPGA之家-中国最好最大的FPGA纯工程师社群1.1.1 LVDS接口分类1.1.1.1 单路6bit LVDS这种接口电路中,采用单路方式传输,每个基色信号采用6位数据,共18位RGB数据,因此,也称18位或18bit LVDS接口。此,也称18位或18bit LVDS接口。1.1.1.2 双路6bit LVDS这种接口电...

weixin_39639286的博客 1907

用Python实现辅助病案首页主诊断编码:从数据清洗到模型上线(上)

本文介绍了一个使用Python构建AI辅助病案首页主诊断编码系统的完整指南。文章从环境搭建开始,详细讲解了数据准备与清洗策略,包括数据格式标准化、文本清洗与脱敏处理等关键步骤。系统采用深度学习技术处理复杂的医疗文本,解决ICD编码面临的文本复杂性、专业性和数据不一致性等挑战。文中提供了完整的代码实现,涵盖数据预处理、敏感信息脱敏、文本分割等实用功能模块,帮助医疗机构构建可落地、可扩展的智能编码系统,提高编码准确性和工作效率。

AllenLV的博客 925

海龟策略深入研究-策略回测系列-9 品种选择检验(二)

传统筛选品种的方法 传统意义上,为保证策略的稳健性,应该进行样本内外检验,其具体步骤如下: 设定好历史回测周期,如2年的回望周期 设置固定的筛选标准,如夏普比率大于0.6 基于筛选标准,对每个品种进行策略回测,然后选择合格的品种组成投资组合 通过样本内筛选出来的组合,去预测其未来表现,如预测1年的策略表现 回望周期向后滚动,基于新组合再次筛选品种,直到预测最新年份未知     1 初...

智能量化交易 1266

普通用户也能免费使用 SAP Joule!

点击 SAP Joule 给出的按钮之后,SAP Business Application Studio 左侧显示的界面,就从 SAP Joule 替换成了 SAP Fiori tools 的 Project Accelerator 工具。接下来就是在后者中标准的操作流程了。笔者之前的文章,有朋友提问,既然 ChatGPT,DeepSeek,Grok 这些主流 AI 工具,回答 SAP 相关问题时都经常翻车,那 SAP 自家的 Joule 表现又如何呢?还有朋友评论:如何才能使用 SAP Joule?

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1018

海龟策略深入研究-策略回测系列-8 品种选择检验(一)

策略回测操作 运行run.ipynb文件 首先进入“examples\TurtleStrategy”文件夹,通过Jupyter Notebook中打开run.ipynb可以执行策略回测。   1)调用海龟回测引擎   %matplotlib inline from datetime import datetime import numpy as np import matplotlib.p...

智能量化交易 1500

2025资源从哪里来!

研究网络通信中的安全问题,如VLAN划分、路由协议(静态、动态如OSPF、BGP)、NAT转换、AAA认证、访问控制列表(ACL)等。‌Wi-Fi安全设置‌、‌密码破解原理‌(仅用于合法测试或教育目的)、‌常见Web安全问题‌如SQL注入、XSS跨站脚本攻击等的防范措施。在这个网站你可以找到你对应的专业-对应的路线-对应的资源-对应的百度网盘里面全是免费的资源------------------惊喜不?‌防火墙配置与策略‌、‌入侵检测与防御系统(IDS/IPS)‌、‌端口扫描与漏洞扫描技术‌等。

qq_56248592的博客 1907

ESM2蛋白预训练模型 蛋白质、氨基酸向量表示

参考: https://github.com/facebookresearch/esm https://huggingface.co/facebook/esm2_t33_650M_UR50D https://esmatlas.com/resources?action=fold tokenizer_对输入蛋白会头尾添加cls、eos特殊字符,占两个字符长度 参考:https://github.com/facebookresearch/esm 直接clone下来代码

weixin_42357472的博客 1万+

海龟策略深入研究-策略回测系列-10 品种选择检验(三)

本章主要讲述构建海龟组合的痛点和解决方案 构建海龟组合痛点 在追求策略稳健性前提下,通过传统的滚动测试的方法不能筛选出盈利组合,即这种适用于日内CTA策略的检验方法针对海龟组合是无效的。 构建海龟组合困难表现为以下几点:   a. 历史数据过于少 从2014年到2018年这5年间,其日线数据仅仅是1,200根。其数据过少导致调整回望周期的灵活性降低,即最多回望周期只能设置为2年、3年、4...

智能量化交易 1696

文档:亲测可用解决vnc灰屏,黑屏,鼠标大黑叉情况

主要解决vnc-viewer灰屏,黑屏,鼠标大黑叉等现象,详细见文档。

海龟策略深入研究-策略回测系列-12 品种选择检验(五)

3)3年回望周期测试 选择标准:回归夏普比率>0.4 a.2014-2016测试 对初步筛选出来的样本进行2014-2016年回测,选择回归夏普比率>0.4的品种,然后构成组合,如图所示。 根据回归夏普比率>0.4的准则,筛选出了17个品种,其历史表现和2017年预测表现如图6-31所示。投资组合在2014-2016年年化收益73.7%,百分比最大回撤-22.9...

智能量化交易 926

win10 跳过U8环境检测的IE WebControls.rar

win10 安装u8的时候 提示IE WebControls 不通过,这个工具可以欺骗u8的检查。 跳过U8环境检测的IE WebControls。提示导入失败后,重新检测通过。

Statistics and Machine Learning Toolbox

Statistics and Machine Learning Toolbox(带书签),MATLAB统计学习工具

海龟策略深入研究-策略回测系列-16 单位头寸限制检验

vn.py实现了2个维度上的单位头寸限制,分别是单品种头寸上限是4,单个方向整体头寸上限是10。那么现在测试一下适用于国内期货品种的新海龟策略,其最优单位头寸限制数值是否与原版海龟策略一致。 实现步骤: 对单品种头寸上限分类,直接分成3、4、5, 然后基于各自的单品种头寸上限再对当个方向的整体头寸上限进行细分,分别是8、9、10、12、14、无限大。 故一共构成了3*6 = 18个测...

智能量化交易 910

VB摄像头监控

该VB模块可对摄像头捕获的画面进行录像等,可在创建的窗口进行控制

海龟策略深入研究-策略回测系列-13 长短周期信号检验

原版海龟策略的出入场交易信号分成2个版本: 短周期版本:1)入场信号:若期货指数价格突破20日最高价/最低价,买入/卖出1个头寸单位。过滤条件是上一次突破是盈利性突破,则当前入市信号无效(其保障性突破点为在55日通道入市)。 2)离场信号:采用10日唐奇安通道突破退出法则,即多头价格跌破10日最低点离场,空头价格超过10日最高点离场。 长周期版本:1)入场信号若价格突破55日最高价...

智能量化交易 1178

海龟策略深入研究-策略回测系列-15 手续费滑点检验

理论上,基于日线数据的中低频趋势跟踪策略,手续费和滑点是可以忽略不计的。为了验证这个结论,进行对比测试,如图所示。 右图为包含手续费和滑点版本的海龟策略,其中手续费设置为交易所手续费的1.1倍,滑点设置为期货合约的最小价格变动。 其结果是总手续费为635364,总滑点为636794,加上手续费和滑点后,其影响在于: 结束资金从77605953降低至76333794, 年化收...

智能量化交易 1186

海龟交易法则我认为该怎么用

收益和风险是对称的,取决于开仓量的,在条件允许的市场,你可以自己定义自己策略中某个因子所能造成的波动大小和容忍区间。或者全部变成美元,你的预期就是他不可能快速变成20W,但是如果你有十亿,你就只能选择类似于这种高容量的策略,来让自己的钱在通胀过程中继续保值。》,其中有一个核心概念,就是当你选择想要成为10倍的结果的时候,你会自然而然的去掉脑中各种你觉得不太可行的路径。(划重点,你就是想要激进增值的部分),采用资金量事宜的交易策略才是最关键的,是否量化或者完全自动化甚至不是最核心的。

m0_67272090的博客 1390

海龟策略深入研究-策略回测系列-2:原版海龟策略(上)

海龟策略7大要素 原版海龟策略出现在《海龟交易法则》最后章节的附录中,有兴趣的朋友可以详细看看,在这里我们概况一下海龟策略的7大要素,如图所示。 (由于内容有点多,故拆分成上下两部分,这里只介绍到第四大要素,即入场信号) 1.品种选择 书中明确表示海龟策略选择标准是流动性高的期货品种,另外两个隐含的条件是具有历史大波动并且无人为干预的品种(例子:肉类交易厅场内交易员腐败问题)。 在国内,...

智能量化交易 3089

【手把手教你】用backtrader量化回测海龟交易策略

01引言海龟交易策略是比较经典的趋势交易系统之一,涵盖了从入场交易(品种选择)、仓位管理(基于ATR加减仓)、离场(触发条件)的整个过程。机械套用海龟交易法则在A股上进行交易可能效果不佳...

Python金融量化 1万+

[交易策略]海龟交易法在上证日线历史数据回测

TR:=MAX(MAX((HIGH-LOW),ABS(REF(CLOSE,1)-HIGH)),ABS(REF(CLOSE,1)-LOW));//真实波幅 ATR:=MA(TR,26); //求26个周期内真实波幅的简单移动平均 TC..INTPART((MONEYTOT*0.01/(UNIT*ATR)));//根据权益的1%计算下单手数 MTC..4*TC; //总的持仓头寸 HH:=HV(H,2

liuyukuan的专栏 5056

海龟策略深入研究-策略回测系列-3:原版海龟策略(下)

首先呢,还是那副图,现在介绍剩下的3个关键要素 5.逐步建仓 在突破点建立1个单位的头寸,然后按0.5*ATR的价格间隔一步步扩大头寸。(1/2的间隔以上一份订单的实际成交价格为基础的) 这个过程将继续下去,直到头寸规模达到上限,即单个合约最大4个单位头寸。 该书举了纽约商品交易所(COMEX)黄金期货指数的例子作为说明 6.止损 止损曾经在入场信号中简单提及,即价格反方向偏离2*A...

智能量化交易 1473
上一篇: VNPY策略加密教程
下一篇: 海龟策略深入研究-策略回测系列-12 品种选择检验(五)
Trader_Python
博客等级 码龄11年 392粉丝 0原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值