이중 추진 거래 알고리즘 소개

이중 추진 거래 알고리즘은 마이클 샤렉이 개발한 유명한 양적 거래 전략이다. 이 개념은 일반적으로 선물, 외환 및 주식 시장에서 사용됩니다. 이중 추진의 개념은 전형적인 돌파구 거래 시스템으로, historical price에 따라 최신 역기를 구성하는 이중 추진 주력 시스템을 사용하는 것으로, 이론적으로 어떤 주어진 기간에 더 안정적으로 만들어집니다.

이 문서에서는 이 전략에 대한 세부적인 논리적인 세부사항을 제공하고, 발명자 계량화 플랫폼에서 이 알고리즘을 구현하는 방법을 보여준다. 먼저, 우리는 거래 지표의 역사적 가격을 선택해야 하며, 이는 최근 N 일간의 종료 가격, 최고 가격 및 최저 가격 계산에 기초한 범위이다. 시장이 개시 가격에서 특정 범위를 이동할 때, 입장을 실행한다.

우리는 두 가지 일반적인 시장 상태, 즉 트렌드 마켓과 격동 마켓에서 단일 거래 쌍으로 이 전략을 테스트했습니다. 결과는 이러한 동력 거래 시스템이 트렌드 마켓에서 더 잘 작동하고 더 변동적인 시장에서 유효하지 않은 파고 신호를 유발한다는 것을 보여줍니다. 지역 시장에서 우리는 더 나은 수익을 얻기 위해 매개 변수를 조정할 수 있습니다. 개별 참조 거래 지표의 비교로, 우리는 또한 국내 상품 선물 시장을 테스트했습니다. 결과는이 전략이 평균보다 더 잘 수행한다는 것을 보여줍니다.

DT 전략 원칙

그것의 논리적 프로토타입은 일반적인 내일 거래 전략이다. 오픈 영역의 브레이크 전략은 오늘 오픈 가격과 어제의 폭의 특정 비율을 더하거나 마이너스를 기반으로 상승 궤도를 결정한다. 가격이 위의 궤도를 넘을 때, 그것은 구매를 하고, 아래 궤도를 넘을 때, 그것은 공백을 한다.

전략적 원칙

• 마감 후, 두 값을 계산합니다: 가장 높은 가격 - 마감 가격, 마감 가격 - 최저 가격. 그리고 두 값 중 더 큰 값을 가져와서 그 값을 0.7로 곱합니다.

• 다음 날 시장 개장 후, 개장 가격을 기록하고, 가격이 개장 가격 + 트리거 값보다 높을 때 즉시 구매하거나, 가격이 개장 가격 - 트리거 값보다 낮을 때 판매한다.

• 이 전략에는 명백한 스톱 손실이 없습니다. 이 시스템은 역전 시스템입니다. 즉, 가격이 (개시 가격 + 트리거 값) 을 초과하는 경우 빈 포지션 주문이 있으면 두 개의 지불을 보내게됩니다. 같은 이유로, 많은 포지션 가격이 (개시 가격 - 트리거 값) 보다 낮다면 두 개의 판매 주문을 보내게됩니다.

DT 전략의 수학 표현식

범위= 최대값 (HH-LC,HC-LL)

자, 이제 이 신호를 계산해보죠.

캡 = 오픈 + K1 × 레인지캡 = 오픈 + K1 × 레인지

이 신호를 계산하는 방법은

바닥 = 개방형 K2 × Rangefloor = 개방형 K2 × Range

여기서 K1과 K2는 파라미터이다. K1이 K2보다 커지면 다중 신호를 유발하고, 그 반대의 경우도 마찬가지이다. 예시를 위해, 우리는 K1 = K2 = 0.5를 선택한다. 실제 거래에서 우리는 여전히 역사적 데이터를 사용하여 파라미터들을 최적화하거나 시장 추세에 따라 파라미터들을 조정할 수 있다.

이 시스템은 반전 시스템이며, 따라서 투자자가 가격이 상승할 때 공허한 지위를 보유한 경우, 초과하기 전에 공허한 지위를 평형화한다.

DT 전략의 개선:

범위 설정에서는 전 N 일간의 네 가지 가격 포인트 (??, 열, 낮, 닫) 를 도입하여 일정 기간 동안 범위가 상대적으로 안정되어 일선 트렌드 추적에 사용될 수 있습니다.

이 전략의 과잉과 빈의 트리거 조건은 비대칭의 크기를 고려하여, 여러 공간 거래의 참조 범위는 다른 수의 주기를 선택해야 하며, K1과 K2의 매개 변수로도 결정될 수 있다. K1K2일 때, 빈 헤드 신호가 상대적으로 쉽게 트리거될 수 있다.

따라서 이 전략을 사용함에 있어서는, 한쪽으로는 역사 데이터 재검토의 최적의 매개 변수를 참조할 수 있다. 다른 한편으로는, 당신은 자신의 추후 판단 또는 다른 주요 주기 기술 지표에 따라 K1과 K2의 단계적 조정을 조정할 수 있다.

이 방법은 신호를 기다린 채 시장에 들어가서 이자를 따서 시장에서 빠져나가는 전형적인 거래 방식이지만 효과가 매우 훌륭합니다.

발명자 양적 플랫폼에 DT 전략을 배포

우리는 그것을 열고,FMZ.COM, 로그인 계정, 컨트롤 센터를 클릭하고 관리자 및 로봇을 배치합니다.

관리자와 로봇을 배치하는 방법에 대해 이전 기사를 참조하십시오.https://www.fmz.com/bbs-topic/4140

클라우드 서버 배포 관리자를 구입하려는 독자들은 이 기사를 참조할 수 있습니다:https://www.fmz.com/bbs-topic/2848

다음으로, 왼쪽 메뉴의 정책집을 클릭하고, 새 정책을 클릭합니다.

작성 정책 페이지의 오른쪽 상단에서 Python을 선택하는 것을 기억하십시오.

다음으로 우리는 파이썬 코드를 코드 편집 페이지에 작성하고, 아래 코드는 매우 상세한 줄별 설명으로 구성되어 있습니다.

우리는 OKCoin 선물로 이 전략을 테스트했습니다.

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。

코드가 작성된 후, 우리는 전체 정책의 작성 부분을 완료하지 않았다는 것을 유의하십시오. 다음으로 우리는 정책에서 사용되는 매개 변수를 정책 작성 페이지에 추가해야합니다. 추가 방법은 매우 간단합니다.

이 글은 이 부분의 내용입니다.

이 시점에서, 우리는 마침내 전략의 작성 부분을 완료했습니다. 다음으로, 우리는 전략을 다시 테스트하기 시작합니다.

전략 재검토

전략이 작성된 후, 우리가 해야 할 첫 번째 일은 그것을 재검토하고, 그것이 역사적인 데이터에서 어떻게 동작하는지 보는 것입니다. 그러나 독자 여러분, 재검토의 결과는 미래의 예측과 같지는 않지만, 재검토는 우리의 전략의 효과를 고려하기 위한 참조 정보로서만 사용될 수 있습니다. 시장이 변화하고 전략이 큰 손실이 발생하면 우리는 문제를 적시에 발견하고, 새로운 시장 환경에 적응하기 위해 전략을 변경해야 합니다. 예를 들어, 위에서 언급한 기준값, 만약 전략이 10% 이상의 손실이 발생한다면, 우리는 즉시 전략을 중단하고, 문제를 찾아서 기준값을 조정하는 것을 시작할 수 있습니다.

클릭하여 정책 편집 페이지의 모형 재검토, 재검토 페이지에서, 파라미터의 조정은 필요에 따라 다양하고, 편리하고 빠른 디메이징을 수행 할 수 있습니다. 특히 논리적으로 복잡하고, 많은 파라미터의 정책에 대해, 다시 소스 코드로 돌아가지 않고, 개별적으로 수정 할 수 있습니다.

우리는 지난 6개월을 선택, OKCoin 선물 거래소를 추가 클릭, BTC 거래 지표를 선택.

지난 6개월 동안 BTC의 일방적인 추세로 인해 전략은 좋은 수익을 얻었다는 것을 알 수 있습니다.

문제가 있는 친구가 올 수 있습니다.https://www.fmz.com/bbs이 사이트의 개발자들에 대한 모든 질문과 답변은, 개발자의 전략과 기술에 관한 것이든 간에,