分享

【策略】Dual Thrust 交易策略

 AI量化实验室 2023-10-12 发布于北京

【策略】Dual Thrust 交易策略

策略介绍

Dual Thrust是一个趋势跟踪系统,由Michael Chalek在20世纪80年代开发,曾被Future Thruth杂志评为最赚钱的策略之一。Dual Thrust系统具有简单易用、适用度广的特点,其思路简单、参数很少,配合不同的参数、止盈止损和仓位管理,可以为投资者带来长期稳定的收益,被投资者广泛应用于股票、货币、贵金属、债券、能源及股指期货市场等。

当然由于A股没有做空机制,所以,效果肯定受影响。

本策略的核心思路

1.当股票突破上界(Buyline),则认为该股票今天有较大行情,买入该股票。

2.当股价两天内下跌6%,或者三天内下跌8%则卖出股票。

3.根据大盘止损,如果大盘下跌超过3%则空仓。

from aiquant.engine.strategy import Strategy
import pandas as pd

class DualThrust(Strategy):
def __init__(self,context):
Strategy.__init__(self,context)

self.bars = context['bars']
self.events = context['events']
self.porfolio = context['portfolio']

def check_sell_signal(self,df):
hist = df['close']
case1 = (1 - hist[2] / hist[0]) >= 0.06
       case2 = hist[1] / hist[0] <= 0.92
       if case1 or case2:
self.order_target_percent(s, 0)

def check_buy_signal(self,df):

high = df['high']
close = df['close']
low = df['low']
open = df['open']

HH = max(high[:2])
LC = min(close[:2])
HC = max(close[:2])
LL = min(low[:2])
open_price = open[2]
current_price = close[2]

Range = max((HH - LC), (HC - LL))
K1 = 0.9
       BuyLine = open_price + K1 * Range
# print(BuyLine,'buyline')
       if current_price > BuyLine:
return True

       return False

   def onbar(self):
'''
          A股只有LONG,EXIT,就是买入或平仓。
          作为一个策略模板:
          1,看账户里还有多少钱。
          2,一次要交易多少支股票。
          3,分配资金:这里先平均分配。
          4,计算交易信号。
          5,产生交易行为。
          '''

       #简化起见,这里只交易000001,平安银行

     cash = self.get_available_cash()
universe = self.get_universe()

# 分配资金,这里平均分配
     cash_per_symbol = cash / len(universe)

for s in universe:
latest_bars = self.bars.get_latest_bars(s, N=3) # 取最近三天的bars
           df = pd.DataFrame(latest_bars)

b_holded = self.check_is_holding(s)
if b_holded:
b_sell = self.check_sell_signal(df)
if b_sell:
pass
           else:
# 买入cash_per_symbol
               b_buy = self.check_buy_signal(df)
if b_buy:
self.order_value(s, cash_per_symbol)

关于作者:魏佳斌,互联网产品/技术总监,北京大学光华管理学院(MBA),特许金融分析师(CFA),资深产品经理/码农。偏爱python,深度关注互联网趋势,人工智能,AI金融量化。致力于使用最前沿的认知技术去理解这个复杂的世界。

    转藏 分享 献花(0

    0条评论

    发表

    请遵守用户 评论公约

    类似文章 更多