Backtrader胜率92%策略：兑现承诺，打开实盘之路

上期回顾：今日小试牛刀，明日大刀阔斧-----Backtrader胜率92%策略：自定义Keltner Channel参数，轻松翻倍

下期计划：

香浓是实盘的根基之一

手操实盘

我们从海龟交易法的角度来理解KC

《海龟》一书建议,如果你们不知道止损该放哪,那么统一放2ATR的地方。

所以KC通道的核心就是：

以均线为价格的真实体现，以海龟交易法的ATR认知为开闭仓条件

我们的交易策略 同KC合并：

以ＭＡＣＤ前高为价格为压力点。

以２ＡＴＲ为交易开关。

开始思虑合并：

1，做正确的事比正确的做事重要

2，我们设定一个阈值（ATR）

3，当突破此阈值时，买入

1，我们将一个MACD周期作为一个裸K

2，确定阈值，

3，选取参考线

按照计划sma21日线是最标准的，作为备用选项

按照作者的opt结果看以开盘价最有实战价值。

代码结果：

class NDMACD(bt.Indicator):    #    lines = ('macd', 'HM',  'HH', 'LL',             'HC', )    params = (('short_period', 8),              ('long_period', 21),              ('signal_period', 5),              ('k_period', 14),              ('d_period', 3),              )    plotlines = dict(        macd=dict(_name='MACD', ls='--',                  alpha=0.50, width=0,                  _fill_gt=(0, 'red'), _fill_lt=(0, 'green')                  ),    )    plotinfo = dict(        plot=True,  # 是否绘制        subplot=False,  # 是否绘制成子图
    )
    def __init__(self):        self.addminperiod(self.p.long_period + 1)        self.ema_short = bt.ind.EMA(self.data, period=self.params.short_period)        self.ema_long = bt.ind.EMA(self.data, period=self.params.long_period)        self.dif = self.ema_short - self.ema_long        self.dea = bt.indicators.ExponentialMovingAverage(            self.dif, period=self.params.signal_period)        self.l.macd = (self.dif - self.dea)*10        self.MACD_UP = 0        self.MACD_DOWN = 0        self.MACD_ADD = 1
    def next(self):        if self.l.macd[0] > 0 and self.l.macd[-1] < 0:            self.MACD_ADD = self.MACD_UP            self.MACD_UP = 0        if self.l.macd[0] < 0 and self.l.macd[-1] > 0:            self.MACD_DOWN = 0        self.MACD_UP += 1
        macd_values = self.l.macd.get(            ago=0-self.MACD_UP, size=self.MACD_ADD)        high_values = self.data.high.get(            ago=0-self.MACD_UP, size=self.MACD_ADD)        low_values = self.data.low.get(            ago=0-self.MACD_UP, size=self.MACD_ADD)        close_values = self.data.close.get(            ago=0-self.MACD_UP, size=self.MACD_ADD)        low_values = self.data.low.get(            ago=0-self.MACD_UP, size=self.MACD_ADD)
        self.l.HM[0] = max(macd_values)        High = max(high_values)        Low = min(low_values)        HC = max(close_values)        LC = min(close_values)        R_ATR = max(High-LC,                    HC - Low)        # self.l.HH[0] = self.ema_long[0] + 1.3*R_ATR        # self.l.LL[0] = self.ema_long[0] - 1.3*R_ATR        self.l.HH[0] = self.data.open[0] + R_ATR/2        self.l.LL[0] = self.data.open[0] - R_ATR/2

开关仓条件：

def next(self): dt, dn = self.datetime.date(), self.data0._name # print(dt, dn)
# 当出现shh时开始产生信号 if self.mh[0] > 0: # 价格上穿shh self.buy_signal_chh = (self.dataclose[0] > self.shh[0]) & ( self.dataclose[-1] < self.shh[0]) # 错甲 self.buy_signal_hl = self.sll[0] > self.shh[-1] if not self.position: if self.current_holding_days != dt: if self.buy_signal_hl == 1: # print('1', dt) if self.buy_signal_chh == 1: # print('2', dt) self.buy(size=(self.broker.getcash() / self.data.close)*0.97) # 买入 self.current_holding_days = dt self.holding_days = 0 else: if self.current_holding_days != dt: if self.get_holding_days != dt: if self.data.open[0] < self.data.open[-1]: self.close() # 卖出 # self.current_holding_days = dt 今日卖出后空仓， # self.current_holding_days = 0 今日卖出后开仓 self.current_holding_days = dt self.holding_days = 0 self.get_holding_days = dt elif self.buy_signal_chh == 1: self.close() # 卖出 self.current_holding_days = dt self.holding_days = 0 self.get_holding_days = dt

当今日的阈值范围底部，高于昨日阈值范围顶部时，我们认为此时动量充沛，开仓，第二如果继续冲破阈值，我们认为可以赢取中间差价：

第二日，低于昨日开盘价开盘，我们认为无动量，果断止损。

结果分析：

暴涨的准确控位：

错误一

属于欲扬先抑可将设置：

self.shh[-2]<self.shh[-1]<self.shh[0]

来规避这种错误。

错误二：

前一日有炸板行为的应该摒除。

代码略。

错误三：

长期横盘后假性突破误判。

1，试探性突破可以作为二次突破的基石，当价格突破假性突破点时为真突破，做中线操作。

2，可引入动量指标滤波。

在此将backtrader示例指标加入。

class Momentum(bt.ind.PeriodN): lines = ('trend',) params = dict(period=50)
def next(self): returns = np.log(self.data.get(size=self.p.period)) x = np.arange(len(returns)) slope, _, rvalue, _, _ = sp.stats.linregress(x, returns) annualized = (1 + slope) ** 252 self.lines.trend[0] = annualized * (rvalue ** 2)


动动小手，一起实盘飞

回复 TK 领取源码：

您的小手指是我最大的动力