海龟交易策略(Turtle Trading Strategy)是由Richard Dennis和William Eckhardt在20世纪80年代开发的一种经典趋势跟随策略。该策略通过追踪价格的最高价和最低价来确定买入和卖出点位,并旨在捕捉长期趋势并获取利润。
海龟交易策略是如何诞生的
Richard Dennis是美国70年代著名的期货投资者,据传他在短短三年内从期货市场赚走了3.5亿美金。他曾和朋友William Eckhardt打赌,认为交易技能并不是天生的天赋,通过后天的系统培训,小白也可以变成出色的交易者。他招募24个普通人(他称之为“海龟”),并对他们进行了为期两周的培训,通过培训考核后给他们每个人都安排了一笔初始资金作为本金,金额从25万至200万美金不等。五年后,这些“海龟”的资金达到了1.75亿美金,Richard Dennis在实验结束后公布了他的培训体系,这就是著名的海龟交易策略。海龟交易策略是最早的量化交易方法之一,它的成功使得更多的交易者开始采用系统化的方法来进行交易,而不仅仅是依靠主观判断或者情绪。
交易规则
海龟交易策略非常注重严格的风险管理,这对量化交易产生了深远影响。量化交易者开始更加重视风险控制,采用止损和仓位控制等方法来规避风险。以下是海龟交易策略的详细介绍:
- 市场选择:海龟交易策略适用于具有足够流动性和波动性的市场,例如股票、期货或外汇市场。选择市场时,要考虑交易品种的流动性和可交易性。
- 入市规则:海龟交易策略使用突破系统来确定买入和卖出点位。具体来说,当价格突破最近一段时间(例如20日)的最高价时,产生买入信号;当价格突破最近一段时间的最低价时,产生卖出信号。
- 头寸规模:海龟交易策略采用固定风险模型来确定每个交易的头寸规模。根据风险限制,每个交易的风险限制为总资金的一定比例(例如2%)。根据当前的价格和波动性,计算每个交易的头寸规模,以确保风险控制在预设的范围内。
- 止损规则:海龟交易策略非常注重风险管理。在每个交易中,设定一个初始止损点位,当价格达到止损点位时,平仓并止损。初始止损点位通常设置在买入或卖出时的最后一个N日的最低价或最高价。随着价格上涨或下跌,根据市场情况调整止损点位,以保护利润和控制风险。
- 退出规则:海龟交易策略使用固定的盈利目标来确定退出点位。当价格达到预设的盈利目标时,平仓并获利。盈利目标可以根据市场的波动性和策略的需求来设定。
- 信号过滤:为了过滤掉一些无效的交易信号,可以使用其他技术指标或过滤条件来确认买入和卖出信号。常见的过滤指标包括移动平均线、相对强弱指标(RSI)等。
- 回测和优化:在实际应用之前,建议对历史数据进行回测和优化。通过回测,可以评估策略在历史数据上的表现,并根据实际情况进行参数的优化和调整。
需要注意的是,海龟交易策略并非完美无缺,可能会遇到市场不适应或产生较大回撤的情况。因此,风险管理和严格执行交易规则对于该策略的成功至关重要。此外,策略的具体参数和细节可能因个人而异,应根据个人的风险偏好、交易目标和市场条件进行适当的调整和优化。
用Java实现的海龟交易策略示例
import java.util.List; public class TurtleTradingStrategy { public static void main(String[] args) { List<Double> prices = // 获取价格数据的方法,例如从API或文件中读取 int breakoutPeriod = 20; // 突破周期 double highestHigh = Double.MIN_VALUE; double lowestLow = Double.MAX_VALUE; boolean inMarket = false; // 是否持仓 double entryPrice = 0.0; // 入场价格 for (double price : prices) { // 更新最高价和最低价 if (price > highestHigh) { highestHigh = price; } if (price < lowestLow) { lowestLow = price; } if (!inMarket && price > highestHigh) { // 产生买入信号,突破最高价,买入 inMarket = true; entryPrice = price; // 执行买入操作 // ... } else if (inMarket && price < lowestLow) { // 产生卖出信号,突破最低价,卖出 inMarket = false; // 执行卖出操作 // ... } // 更新突破周期内的最高价和最低价 if (prices.indexOf(price) >= breakoutPeriod) { double previousPrice = prices.get(prices.indexOf(price) - breakoutPeriod); if (previousPrice == highestHigh) { // 需要重新计算最高价 highestHigh = calculateHighestHigh(prices, prices.indexOf(price) - breakoutPeriod + 1, prices.indexOf(price)); } if (previousPrice == lowestLow) { // 需要重新计算最低价 lowestLow = calculateLowestLow(prices, prices.indexOf(price) - breakoutPeriod + 1, prices.indexOf(price)); } } } } private static double calculateHighestHigh(List<Double> prices, int startIndex, int endIndex) { double highestHigh = Double.MIN_VALUE; for (int i = startIndex; i <= endIndex; i++) { double price = prices.get(i); if (price > highestHigh) { highestHigh = price; } } return highestHigh; } private static double calculateLowestLow(List<Double> prices, int startIndex, int endIndex) { double lowestLow = Double.MAX_VALUE; for (int i = startIndex; i <= endIndex; i++) { double price = prices.get(i); if (price < lowestLow) { lowestLow = price; } } return lowestLow; } }
用Python实现的海龟交易策略示例
def turtle_trading_strategy(prices, breakout_period=20, risk_percentage=0.02): highest_high = float('-inf') lowest_low = float('inf') in_market = False entry_price = 0.0 for price in prices: # 更新最高价和最低价 if price > highest_high: highest_high = price if price < lowest_low: lowest_low = price if not in_market and price > highest_high: # 产生买入信号,突破最高价,买入 in_market = True entry_price = price # 执行买入操作 # ... elif in_market and price < lowest_low: # 产生卖出信号,突破最低价,卖出 in_market = False # 执行卖出操作 # ... # 更新突破周期内的最高价和最低价 if prices.index(price) >= breakout_period: previous_prices = prices[prices.index(price) - breakout_period:prices.index(price)] previous_highest_high = max(previous_prices) previous_lowest_low = min(previous_prices) if previous_highest_high == highest_high: # 需要重新计算最高价 highest_high = calculate_highest_high(prices, prices.index(price) - breakout_period + 1, prices.index(price)) if previous_lowest_low == lowest_low: # 需要重新计算最低价 lowest_low = calculate_lowest_low(prices, prices.index(price) - breakout_period + 1, prices.index(price)) def calculate_highest_high(prices, start_index, end_index): highest_high = float('-inf') for i in range(start_index, end_index + 1): price = prices[i] if price > highest_high: highest_high = price return highest_high def calculate_lowest_low(prices, start_index, end_index): lowest_low = float('inf') for i in range(start_index, end_index + 1): price = prices[i] if price < lowest_low: lowest_low = price return lowest_low