[区块链]【量化交易】永久投资组合，海龟交易法则阅读，回测与讨论

【量化交易】永久投资组合，海龟交易法阅读，回测与讨论

首先和大家分享一个真实的故事。
根据网上北京市，1991年至2021年平均工资年鉴。
北京市1991年平均工资为2877元，2021年平均工资为145766元。
30年差了50.66倍。
也就是说91年，你每月能赚240元，在北京就算中等收入水平。而30年后，你收入每月赚的是91年的10倍，2400元，在北京依然算是特别落后的一部分。
由此可见通货膨胀的可怕，
和资本是如何通过，通货膨胀，剥削榨取普通人的资产的。
因此，通过理财手段，抵消通货膨胀带来的负面影响。
可以说是普通人想完成阶级跨越，或者说保持原有阶级不变的必要手段。
正所谓“你不理财，财不理你。”古人诚不欺我。

理财的类型，主要分为：
1.定期存款
2.银行理财
3.货币基金
4.国债
5.股票基金
6.黄金贵金属
当然，像投资房产，古董等，都和黄金类似，都有很好的抗通胀属性。
不过正所谓“鸡蛋不要放在一个篮子里。”，我们还是要考虑到，例如21年房地产行业整体下行的情况。如果把所有资产都投入到一个地方。当风险来临时，如何抵御风险。
下面给大家介绍一下一种投资组合，永久投资组合。

如果不是想通过投机（赌博）致富。就可以参考这个投资组合。由于里面做了一些对冲，导致可以有良好的持有体验。

下面是其他人对永久投资组合做的回测：

显然指数基金虽然收益回报赚的多一点，但是最大回撤（也就是暂时赔的钱）比例却大很多。当然持有体验不如永久投资组合，只适合心里承受能力很强的人去考虑。
当然，永久投资组合还是有很多可以优化的空间。
例如，长期国债和黄金投资都有很好的，抵抗通货膨胀属性。
以笔者为参考，长期国债相较于黄金，普通人更难购买。
显然，可以选择将黄金比例提高，或者用指数基金可以做一些相似性代替。
然后其中收益最高，风险也最大的股票投资部分。则可以考虑，通过今天的主题，海龟交易法则，进行优化。

有本书叫《祖鲁法则》是讲关于选股的，上面有一个观点和就像美国股神巴菲特一样，讲的是要在熟悉的领域进行操作。

显然，海龟交易法则测试的发起人，理查德.丹尼斯，以400美元作为本金，10多年时间，赚取2个多亿的投资大师。就是对于投机领域的专业人士。
海龟交易法则，简单的说，就是以，股票这种零和博弈的本质就是反人性的。所以要用绝对理性的纪律，来实践计划的数学模型。这样才能减少感性主观判断带来的失误操作。

具体的交易原则，笔者总结后为：
1.配资策略：只能有四个头寸单位,关联品种头寸单位不能超过6个；
2.入场策略：突破20日（MA20，短线)或者50日（MA50，长线）平均价格的最高点，入场做多：
(操作细节：
1.使用限价单，不用市价单。限价单可以根据市价取低点，这样完成更多的低卖，可以实现盈利最大化。
2.对于基金股票类N+1天交易类型，最好在尾盘操作，避免盘中波动风险。
)
3.止损策略：止损点位是10日或者20日波动幅度平均值（ATR）。
(例如，20日波动幅度平均值（ATR）n为2，则2n为4。20日(MA20)平均价格为20，止损点位则为16。)
4.出场策略：过去20天最低价就要出场；

数据建模代码如下：

# 标题：海龟交易体系（股票版）
# 作者：MarquiS_houzf


# 导入函数库
from jqdata import *
import numpy

def initialize(context):
    set_params()        #1设置策参数
    set_variables()     #2设置中间变量
    set_backtest()      #3设置回测条件
    run_daily(daily, time='every_bar')

#1 设置策略参数
def set_params():
    #'000001.XSHG'上证指数
    #'600519.XSHG'贵州茅台
    g.security = '600519.XSHG'
    # 系统入市的trailing date
    g.short_in_date = 20
    # 系统 exiting market trailing date
    g.short_out_date = 10
    # 系统2 exiting market trailing date
    # g.dollars_per_share是标的股票每波动一个最小单位，1手股票的总价格变化量。
    # 在国内最小变化量是0.01元，所以就是0.01×100=1
    g.dollars_per_share = 1
    # 可承受的最大损失率
    g.loss = 0.1
    # 若超过最大损失率，则调整率为：
    # 计算N值的天数
    g.number_days = 20
    # 最大允许单元
    g.unit_limit = 4
    # 系统1所配金额占总金额比例

#2 根据不同的时间段设置滑点与手续费
def set_slip_fee(context):
    # 将滑点设置为0
    set_slippage(FixedSlippage(0)) 
    # 根据不同的时间段设置手续费
    dt=context.current_dt

#3 设置中间变量
def set_variables():
    # 初始单元
    g.unit = 1000
    # 存储N值
    g.N = []
    # 系统1的突破价格
    g.break_price = 0
    # 系统2的突破价格
    g.sys = 0
    #存储唐奇安通道上轨
    g.high=[]
    #用来存储唐奇安通道下轨
    g.low=[]

#4 设置回测条件
def set_backtest():
    # 作为判断策略好坏和一系列风险值计算的基准
    set_benchmark(g.security)
    set_option('use_real_price',True) #用真实价格交易
    log.set_level('order','error') # 设置报错等级

#每天开盘前要做的事情
def before_trading_start(context):
    set_slip_fee(context) #设置交易费率
    calculate_N()#计算N
    tqatds()#计算唐奇安通道上轨
    tqatdx()#计算唐奇安通道下轨
    #设置费率
    dt=context.current_dt
    if dt>datetime.datetime(2013,1, 1):
        set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5)) 
        
    elif dt>datetime.datetime(2011,1, 1):
        set_commission(PerTrade(buy_cost=0.001, sell_cost=0.002, min_cost=5))
            
    elif dt>datetime.datetime(2009,1, 1):
        set_commission(PerTrade(buy_cost=0.002, sell_cost=0.003, min_cost=5))
                
    else:
        set_commission(PerTrade(buy_cost=0.003, sell_cost=0.004, min_cost=5))
    
# 每天交易时，按分钟回测
def daily(context):
    #获取当前分钟的价格
    price=attribute_history(g.security, 1, '1m', 'close')
    current_price=price['close'][-1]
    #获取当前账户的价值和资金
    value=context.portfolio.portfolio_value
    cash=context.portfolio.cash
    Dollar_Volatility=g.N[-1]*1
    g.unit=value*0.01/Dollar_Volatility#当前波动率下，最大单次损失1%的购买量
    if g.sys==0:
        market_in(context,current_price,g.short_in_date)#开仓买入
    else:
        stop_loss(current_price)#止损
        market_add(context,current_price,g.short_in_date)#加仓
        market_out(current_price, g.short_out_date)#出局
            
#唐奇安通道上轨
def tqatds():
    price=attribute_history(g.security,20,'1d',('high','low','close'))
    g.high.append(max(price['high']))
    return g.high

#唐奇安通道下轨    
def tqatdx():
    price=attribute_history(g.security,20,'1d',('high','low','close'))
    g.low.append(min(price['low']))
    return g.low

#计算N    
def calculate_N():
    if len(g.N)==0:
        price=attribute_history(g.security,21,'1d',('high','low','close'))
        st1=[]
        for i in range(1,21):
            hl=price['high'][i]-price['low'][i]
            hc=price['high'][i]-price['close'][i-1]
            cl=price['close'][i-1]-price['low'][i]
            True_Range=max(hl,hc,cl)
            st1.append(True_Range)
        current_N=round(np.mean(np.array(st1)),3)
        g.N.append(current_N)
    else:
        price = attribute_history(g.security, 2, '1d',('high','low','close'))
        hl = price['high'][-1]-price['low'][-1]
        hc = price['high'][-1]-price['close'][-2]
        cl = price['close'][-2]-price['low'][-1]
         # Calculate the True Range
        True_Range = max(hl, hc, cl)
        # 计算前g.number_days（大于20）天的True_Range平均值，即当前N的值：
        current_N = round((True_Range + (g.number_days-1)*(g.N)[-1])/g.number_days,3)
        (g.N).append(current_N)

#开仓买入
def market_in(context,current_price,in_date):
    price=attribute_history(g.security,in_date,'1d', 'close')
    # 当前价格突破唐奇安通道上轨
    if current_price > g.high[-1]:
        cash=context.portfolio.available_cash
        #计算当前可买量
        num_of_shares=cash/current_price
        if num_of_shares>=g.unit and g.sys<int(g.unit_limit*g.unit):
            log.info('SYS买入',g.unit)
            order(g.security,int(g.unit))
            g.sys+=int(g.unit)
            g.break_price=current_price

#加仓                   
def market_add(context,current_price,in_date):
   #当前价格大于上市买入价格的0.5个N
    if current_price>=g.break_price+0.5*g.N[-1]:
        cash=context.portfolio.available_cash
        num_of_shares=cash/current_price
        if num_of_shares>=g.unit and g.sys<int(g.unit_limit*g.unit):
            log.info('g.sys加仓{}:{}'.format(g.security,current_price))
            order(g.security,int(g.unit))
            g.sys+=int(g.unit)
            g.break_price=current_price
			
#出局
def market_out(current_price,out_date):
    price=attribute_history(g.security,out_date,'1d',('close','low'))
    #当前价格低于唐奇安通道下轨
    if current_price<g.low[-1] and g.sys>0:
        log.info('SYS离场')
        order_target(g.security, 0)
        g.sys=0

#止损                        
def stop_loss(current_price):
    #价格距离最后买入价格回调2个单位的波动
    if current_price<g.break_price-2*g.N[-1]:
        log,info('SYS止损')
        order_target(g.security, 0)
        g.sys=0



#配资策略：只能有四个头寸单位,关联品种头寸单位不能超过6个；
#入场策略：突破20日（MA20，短线)或者50日（MA50，长线）平均价格的最高点，入场做多：
#(操作细节：
#	1.使用限价单，不用市价单。限价单可以根据市价取低点，这样完成更多的低卖，可以实现盈利最大化。
#	2.对于基金股票累N+1天交易类型，最好在尾盘操作，避免盘中波动风险。
#)
#止损策略：止损点位是10日或者20日波动幅度平均值（ATR）。
#(例如，20日波动幅度平均值（ATR）n为2，则2n为4。20日(MA20)平均价格为20，止损点位则为16。)
#出场策略：过去20天最低价就要出场；

海龟交易法则与贵州茅台股票回测图如下：

从回测图可以明显看出，海龟交易法则是跑不赢，图中对比的，贵州茅台股票的收益率。
所以说交易法则再好，也抵不过风向趋势。
像巴菲特说的“好机会不常来，来了请用桶接。”
其实实现人生转折，阶级跨越的机会是总会来的。只看你是否能发现并掌握住。
最后和大家分享一下，
美国十大财团之首，石油大亨，白手起家的洛克菲勒的作品。《洛克菲勒写给儿子的38封信》。古人说“富不过三代。”然而这本书使他的家族已经六代不衰败。
关键信息总结为:
1.信心是成功之父；
2.不断提升认知；
3.行动是关键；
当然本文都是笔者近期阅读过上面几本书，然后通过程序模拟回测之后的，一些个人看法。非常欢迎大家参与讨论。