海龟策略深入研究-策略回测系列-12 品种选择检验(五)

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

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。

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-22.99%,夏普比率达2.48,资金曲线平滑且整体向上,但是2017年预测表现不佳,资金曲线不断上下震荡,夏普比率仅仅是-0.23。

enter image description here

 

 

b.2015-2017测试


2015-2017年回测是最后一轮策略,选择回归夏普比率>0.4的品种,然后构成最终的海龟组合,如图所示。

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

 
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2018年预测表现如图6-33所示。投资组合在2015-2017年年化收益62.2%,百分比最大回撤-23.21%,夏普比率达1.82;但是2017年震荡向上,夏普比率达0.59,故2018年是盈利的;全时间区间的夏普比率为1.42。
enter image description here

 
 
若把筛选标准改成回归夏普比率>0.6后,投资组合的品种数量降低到12个,其其历史表现和2018年预测表现如图6-34所示。投资组合在2015-2017年年化收益63.36%,百分比最大回撤-20.78%,夏普比率达1.81; 2018年预测表现是先发生回撤然后行情走好,夏普比率达0.59;全时间区间的夏普比率为1.5。
enter image description here
 
 
若把筛选标准改成回归夏普比率>0.8后,投资组合的品种数量降低到9个,其其历史表现和2018年预测表现如图6-35所示。投资组合在2015-2017年年化收益63.85%,百分比最大回撤-24.24%,夏普比率达1.84; 2018年预测表现是先发生回撤然后行情走好,夏普比率达0.57;全时间区间的夏普比率为1.52。
enter image description here
 
 

4)4年回望周期测试


选择标准是回归夏普比率>0.4,对初步筛选出来的样本进行2014-2017年回测,然后一步到位构成组合,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15个品种,其历史表现和2017年预测表现如图6-37所示。投资组合在2015-2017年年化收益57.2%,百分比最大回撤-22.61%,夏普比率达1.82;但是2018年资金曲线上下震荡,夏普比率仅仅是0.38;全时间区间的夏普比率为1.61。

enter image description here
 
 

根据回归夏普比率>0.6的准则,剔除了鸡蛋这个品种,其历史表现和2017年预测表现如图6-38所示。投资组合在2015-2017年年化收益57.2%,百分比最大回撤-22.61%,夏普比率达1.67;但是2018年夏普比率是0.33;全时间区间的夏普比率为1.49。
enter image description here
 
 

根据回归夏普比率>0.8的准则,剔除了一号棉花这个品种,其历史表现和2017年预测表现如图6-39所示。投资组合在2015-2017年年化收益58.68%,百分比最大回撤-38.46%,夏普比率达1.48;但是2018年夏普比率是-0.12;全时间区间的夏普比率为1.28。

enter image description here
 
 

根据回归夏普比率>1.0的准则,剔除的品种包括:沪深300股指、铜、铅,其历史表现和2018年预测表现如图6-40所示。投资组合在2015-2017年年化收益53.4%,百分比最大回撤-28.38%,夏普比率达1.37; 2018年夏普比率是0.43;全时间区间的夏普比率为1.19。

enter image description here
 
 

5)多种回望周期回测总结


在上面的测试中,尝试了通过不同的回望周期(如2年、3年、4年)和不同的筛选标准得到了10个备选的海龟组合,下面仅仅以2018年预测效果和全时间区间的夏普比率构建备选表格,如图所示。从该表格可以看出,整体表现最好的是回望周期为3年,筛选标准是回归夏普比率>0.6的组合,故以该投资组合成为最终的海龟组合,用于其他关键要素的验证,比如单位头寸限制,长短周期出入场信号,上一笔盈利过滤等等。
enter image description here

海龟交易法-期货 海龟交易法 1. 原理 1.1 起源 海龟交易思想起源于上世纪八十年代的美国。理查德丹尼斯与好友比尔打赌,主题是一个成功的交易员是天生的还是后天的。理查德用十年时间证明了通过日常系统培训,交易员可以通过后天培训成为一名优秀的交易者。这套培训系统就是海龟交易系统。 海龟交易系统是一个完整的、机械的交易思想,可以系统地完成整个交易过程。它包括了买卖什么、头寸规模、何时买卖、何时退出等一系列交易策略,是一个趋势交易策略。它最显著的特点是捕捉中长期趋势,力求在短期内获得最大的收益。 1.2 建仓资金 海 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

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

Zipformer实战:5分钟快速搭建语音识别模型(附LibriSpeech测试结果)

本文提供了一份详细的Zipformer语音识别模型实战指南。通过清晰的步骤,指导读者在5分钟内完成从环境配置、LibriSpeech数据集准备到模型训练与测试的全过程。文章重点解析了关键配置参数,并分享了在LibriSpeech测试集上的性能结果,帮助开发者快速评估和应用这一高效的语音识别架构。

weixin_35578748的博客 164

【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+

海思Hi3061M MCU:为高速吹风筒市场注入智能动力

此外,海思还提供了丰富的软件开发工具和生态环境组件,帮助开发者快速实现复杂功能。高速吹风筒因其高效的风力和快速的干燥效果,近年来在市场上越来越受欢迎。然而,传统的高速吹风筒在性能、噪音和使用寿命等方面仍有改进的空间。凭借其高性能、低功耗、低噪声和易用的开发工具,为高速吹风筒市场带来了全新的解决方案。这不仅提高了用户的使用体验,还延长了电机的使用寿命。这不仅减少了电机的电磁噪声,还提高了电机的运行效率。还支持风机顺逆风启动适配多种电阻范围的电机,进一步提高了吹风筒的适用性和灵活性。

2401_83448585的博客 2016

安装了anaconda,pycharm导入numpy时提示没有该包(模块)?

**问题详情:**我安装了anaconda,在利用Pycharm学习numpy这个库的时候,导入numpy这个包的时候提示我没有nummpy这个模块:No module named numpy.如下图所示。 应该说安装了Anaconda,里边就自带了numpy这个库,就应该能够使用。我一个新手怎么搞得懂呢?于是网上查了查找到了一个解决办法,说是我项目的解释器应该设置为Anaconda安装目录下的python.exe,而不应该是系统自带的:https://blog.youkuaiyun.com/aanndd77/art

qq_39820505的博客 1万+

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

SoC 验证老兵手册

《SoC验证老兵手册》摘要: 针对大型SoC系统级验证,手册提出Cache+DMA场景的高效验证方案。核心方法采用C测试用例(模拟Linux/RTOS真实场景)触发隐蔽bug,配合SV Checker精准捕捉硬件问题(如DMA读取脏缓存行)。特别强调验证方法论:C用例负责复杂行为模拟,SV专注RTL正确性检查;利用Linux天然并发性暴露硬件缺陷。手册还包含模拟面试攻防技巧,指出验证架构师需具备定义Stimulus/Checker边界的能力。终极判断标准:未通过Linux下Cache+DMA+SMP+中断测

元直的博客 1376

海龟策略深入研究-策略回测系列-1:海龟的历史

(本系列主要在于探讨海龟策略在国内市场的可行性,目标群体是有一定基础的量化新手。)   海龟策略的故事 海龟策略是一个基于日线级别期货数据的中低频趋势跟踪策略。其高盈利性名扬海外,同时也创造出非常多赚钱的案例。 其实海龟策略背后还隐藏一个有趣的故事,而且与赌局有关,你信么? 1983年两位交易大师理查德.丹尼斯与威廉.埃克哈特之间的一次赌约,赌约的内容是伟大的期货交易者能否通过后天的培养产...

智能量化交易 3410

AOA(Angle of Arrival,到达角)定位算法及其误差分析的原理和MATLAB仿真_aoa定位算法

如图所示,有基站 S 1 ( x 1 , y 1 , z 1 ) , S 2 ( x 2 , y 2 , z 2 ) S_1(x_1,y_1,z_1),S_2(x_2,y_2,z_2) S1​(x1​,y1​,z1​),S2​(x2​,y2​,z2​),目标 T ( x , y , z ) T(x,y,z) T(x,y,z)。2+(z_1-z_2)^2} step1:两基站间的距离L=(x1−x2)2+(y1​−y2​)2+(z1​−z2​)2。

2401_87555613的博客 1485

YOLO系列专栏(六):YOLO26热力图可视化 | 解析模型推理逻辑,定位检测关键区域

YOLO26作为新一代目标检测模型,其核心优势是高效的特征提取和精准的目标定位,但模型内部的推理过程的“黑盒”特性,给我们的优化带来了很大困扰:❌ 检测精度低:不知道是模型没学到关键特征,还是特征提取不充分;❌ 出现误检/漏检:无法定位问题根源——是锚框不合适?还是特征图未捕捉到目标?❌ 模型优化盲目:调参、修改网络结构全靠“猜”,缺乏针对性;❌ 难以解释模型行为:实际项目中,需要说明模型“为什么检测到这个目标”,尤其是医疗、工业等对可解释性要求高的场景。而热力图可视化。

qq_36130719的博客 740

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

26届数字IC秋招笔试面试全攻略

《数字IC面试技巧指南》摘要:本文由资深专家团队打造,系统讲解数字IC设计岗位面试三大核心环节。1)自我介绍:强调1-2分钟结构化表达,需包含背景、项目经验、技能特长和职业规划,建议使用量化成果并突出岗位匹配度;2)项目介绍:提供"背景-职责-技术-难点-成果"五步框架,以AXI总线验证平台为例展示技术细节与个人贡献的呈现技巧;3)技术问题应答:提出"理解-结构-举例-坦诚"四步策略,涵盖数字设计、验证方法学等常见问题类型,并附时序违例等典型问题的回答模板。全文配有结

2301_79143213的博客 416

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

用 SAML 2.0 Bearer Assertion 配置 ABAP OAuth 2.0 令牌交换

摘要: SAP系统集成中,身份跨系统传递是关键挑战。OAuth 2.0的SAML 2.0 Bearer Assertion grant机制通过SAML断言换取访问令牌,实现安全身份传递。配置核心在ABAP的SOAUTH2事务码,需绑定可信SAML身份提供商(IdP)并指定访问范围。实际应用中,需确保SSL加密传输,正确配置SAML IdP信任关系,并为OAuth客户端分配专用系统用户。常见问题包括证书不匹配、权限配置不当等,需分层控制权限边界以保障安全。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 838

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

海龟策略深入研究-策略回测系列-11 品种选择检验(四)

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,...

智能量化交易 1069

老版QQ原生表情gif动态

这是老版的QQ表情,不过全是动态的的,Windows照片查看器是不会动的,可以右击用浏览器打开查看,再说一遍是老版的,只是分享给宁愿用老版也要动态的人。

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

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

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-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

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

不借助三方平台自主搭建量化回测系统 ——以海龟交易策略为例

手把手教你搭建自主回测平台

sljsz的博客 1811

基于海龟交易策略的简单回测系统

TurtleTraderAnalyzer是一个基于Web的A股海龟交易策略回测系统,主要功能包括: 数据获取:通过AKShare API获取实时股票数据 技术指标计算:包括ATR、唐奇安通道等 交易信号生成:根据突破规则识别买卖点 回测引擎:支持仓位管理和风险控制 绩效分析:提供收益率、回撤等指标 系统采用Python技术栈,包括Streamlit、Pandas等,实现了完整的海龟交易策略流程,包含改良后的建仓、加仓、止损规则。通过可视化界面展示资金曲线和策略表现,为交易者提供直观的回测分析工具。 项目特色

py_0821的博客 1520

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

海龟策略深入研究-策略回测系列-6 理解海龟策略代码

海龟策略文档 在运行策略回测前,至少要对策略代码有一个整体的概念,便于以后的策略调试以及改进。 v1.9.1提供了两个版本的海龟策略,分别是基于ctaTemple开发的,针对单标的的简化版,以及针对多标的的完整版。 这里只介绍完整版的海龟策略,该模块在"examples\TurtleStrategy"文件夹下,打开如图2-4所示。在这里只需关注4个文件     setting.csv:用于...

智能量化交易 2118

海龟策略深入研究-策略回测系列-5 痛点解决方案以及测试数据的准备

理想解决方案   上一篇介绍了海龟策略在实现中遇到的困难。 本章主要讲其解决方案,那就是vn.py啦! vn.py1.9.1新增完整的投资组合级别的海龟策略实现,经过多次测试发现,这一次海龟策略本地化实现的完成度很高。其投资组合回测资金曲线如下。 投资品种选择了12个,分别是: 上期所的铝、铜、螺纹钢、锌 郑商所的普麦、一号棉花 大商所的玉米、铁矿石、焦煤、焦炭、豆粕、聚氯乙烯。 回测...

智能量化交易 2241

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
上一篇: 海龟策略深入研究-策略回测系列-11 品种选择检验(四)
下一篇: 海龟策略深入研究-策略回测系列-13 长短周期信号检验
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