来源：雪球App，作者： Python金融量化，（https://xueqiu.com/1444657641/154494557）

海龟交易策略是比较经典的趋势交易系统之一，涵盖了从入场交易（品种选择）、仓位管理（基于ATR加减仓）、离场（触发条件）的整个过程。机械套用海龟交易法则在A股上进行交易可能效果不佳，但其交易系统的思维和动态仓位管理仍然值得挖掘和学习借鉴。公众号推文《【手把手教你】用Python量化海龟交易法则》简要介绍了海龟交易法则的基本原理，使用Python对其买卖信号进行了可视化分析，并利用Pandas对相关指数和个股运用简化版的海龟交易规则进行了历史回测。本文在此基础上，利用backtrader框架对海龟交易法则进行完整的量化回测。关于backtrader的入门和使用见公众号系列推文。

backtrader系列推文：

（1）【手把手教你】入门量化回测最强神器backtrader（一）

（2）【手把手教你】入门量化回测最强神器backtrader（二）

（3）【手把手教你】入门量化回测最强神器backtrader（三）

（4）backtrader如何加载股票因子数据？以换手率、市盈率为例进行回测【附Python代码】

（5）如何用backtrader对股票组合进行量化回测？

以下代码使用Jupyter notebook进行编译。

from __future__ import (absolute_import, division, print_function,unicode_literals)import backtrader as btimport pandas as pdimport tushare as tsimport matplotlib.pyplot as plt%matplotlib inlinefrom pylab import mplmpl.rcParams['font.sans-serif']=['SimHei']mpl.rcParams['axes.unicode_minus']=False

使用tushare获取数据，根据backtrader的数据格式对数据进行处理。

def get_data(code,start='2010-01-01',end='2020-07-16'):    df=ts.get_k_data(code,autype='qfq',start=start,end=end)    df.index=pd.to_datetime(df.date)    df['openinterest']=0    df=df[['open','high','low','close','volume','openinterest']]    return df

交易策略

回顾一下海龟交易法则的策略思路：

入场条件：当收盘价突破20日价格高点时，买入一单元股票；

加仓条件：当价格大于上一次买入价格的0.5个ATR（平均波幅），买入一单元股票，加仓次数不超过3次；

止损条件：当价格小于上一次买入价格的2个ATR时清仓；

离场条件：当价格跌破10日价格低点时清仓。

这里的20日价格高点和10日价格低点构成唐奇安通道，所以海龟交易法则也可以理解成通道突破的趋势跟踪。

大家可能有一个疑问，唐奇安通道为啥是以20日、10线为上下轨线，不能是30日、5日或其他吗？当然，这里的20日和10日参数其实是根据经验而定的。不同标的参数选取可能存在一定差异，下面不妨将时间周期作为可变参数，通过参数优化选取合适的时间周期进行回测。

class TurtleStrategy(bt.Strategy):

#默认参数    params = (('long_period',20),              ('short_period',10),                ('printlog', False), )   

    def __init__(self):                self.order = None              self.buyprice = 0              self.buycomm = 0              self.buy_size = 0              self.buy_count = 0               # 海龟交易法则中的唐奇安通道和平均波幅ATR                self.H_line = bt.indicators.Highest(self.data.high(-1), period=self.p.long_period)                self.L_line = bt.indicators.Lowest(self.data.low(-1), period=self.p.short_period)               self.TR = bt.indicators.Max((self.data.high(0)- self.data.low(0)),\                                    abs(self.data.close(-1)-self.data.high(0)), \                                    abs(self.data.close(-1)  - self.data.low(0)))                self.ATR = bt.indicators.SimpleMovingAverage(self.TR, period=14)               # 价格与上下轨线的交叉              self.buy_signal = bt.ind.CrossOver(self.data.close(0), self.H_line)                self.sell_signal = bt.ind.CrossOver(self.data.close(0), self.L_line)    

    def next(self):         if self.order:            return                #入场：价格突破上轨线且空仓时                if self.buy_signal > 0 and self.buy_count == 0:                                             self.buy_size = self.broker.getvalue() * 0.01 / self.ATR                        self.buy_size  = int(self.buy_size  / 100) * 100                                         self.sizer.p.stake = self.buy_size                         self.buy_count = 1                        self.order = self.buy()                #加仓：价格上涨了买入价的0.5的ATR且加仓次数少于3次（含）                elif self.data.close >self.buyprice+0.5*self.ATR[0] and self.buy_count > 0 and self.buy_count