期货多策略CTA量化交易系统

期货多策略CTA量化交易系统提供经典的交易策略,一套系统可以同时交易多个品种和多个策略,包括海龟策略、Dual Thrust策略、R-Breaker策略、双均线策略等,如有特殊的要求可以定制优化或开发新的策略。

有意合作请查看这里:合作&开户

1、海龟策略

海龟交易策略是一套非常完整的趋势跟随型的自动化交易策略。这个复杂的策略在入场条件、仓位控制、资金管理、止损止盈等各个环节,都进行了详细的设计,这基本上可以作为复杂交易策略设计和开发的模板。

海龟交易策略要点:

1) 海龟交易策略完全顺应市场趋势,所有的标准都是由股价客观确立的,不需要人为临时决定任何操作。(与基本面、政策面、资金面等因素无关!!!只与价格相关,大道至简)

2) 该策略具备一个交易系统所需的全部内容:品种选择、仓位头寸大小及加仓策略、入市标准、止损标准、止盈离场标准等等。

3) 策略中的第一个主观参数:每个单位头寸对应本金1%,这个可视投资者自己风险承受能力决定,谨慎者可以对应更小值,激进者可对应更大值。通过引入波动值N,将不同价格的不同品种的风险进行了统一,便于量化风险。

4) 策略中的第二个主观参数:每次止损是总账户资金的2%即2N,即两倍平均波动幅度,这是一个比较宽的止损幅度,意味着可以抵御较大的震荡(洗盘);如果反向波动超过2N,则视为原来突破失效。2%为单次交易的最大风险,符合截断亏损的标准。

5) 策略的止盈规则分别为反向突破10日、20日高、低点,股市中可用10日均线、20日均线作为参考,回溯2013年大牛股,20日基本能够拿住大多数。符合放开盈利的要求。

6) 海龟交易法从诞生到公开已经数十年,目前在期货外汇市场中只需稍加修改,仍能实现盈利,至少能够不亏损,证明了该交易策略的强大生命力。不要以为不亏损是个很逊的效果,要知道期货市场是99%投资者必定半年内亏损离场,一个简单的海龟策略能够保你活下来,方有时间完善自己以求盈利。

2、Dual Thrust策略

Dual Thrust策略是一种趋势跟踪系统,属于日内交易策略。该策略由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系统具有简单易用和适用度广的特点,其思路简单且参数少,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。而且该策略适用品种较多,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。在Dual Thrust交易系统中,对于震荡区间的定义非常关键,这也是该交易系统的核心。

Dual Thrust在Range的设置上,引入前N日的四个价位,Range = Max(HH-LC,HC-LL)来描述震荡区间的大小。

其中HH 是N日High的最高价,LC是N日Close的最低价,HC是N日Close的最高价,LL是N日Low的最低价。这种方法使得一定时期内的Range相对稳定,可以适用于日间的趋势跟踪。Dual Thrust对于多头和空头的触发条件,考虑了非对称的幅度,做多和做空参考的Range可以选择不同的周期数,也可以通过参数K1和K2来确定。

3、R-Breaker策略

R-Breaker 是一种短线日内交易策略,它结合了趋势和反转两种交易方式。该策略也长期被Future Thruth 杂志评为最赚钱的策略之一,尤其在标普500股指期货上效果最佳。该策略的主要特点如下:

第一、根据前一个交易日的收盘价、最高价和最低价数据通过一定方式计算出六个价位,从大到小依次为突破买入价、观察卖出价、反转卖出价、反转买入价、观察买入价和突破卖出价,以此来形成当前交易日盘中交易的触发条件。通过对计算方式的调整,可以调节六个价格间的距离,进一步改变触发条件。

第二、根据盘中价格走势,实时判断触发条件,具体条件如下:

1) 当日内最高价超过观察卖出价后,盘中价格出现回落,且进一步跌破反转卖出价构成的支撑线时,采取反转策略,即在该点位(反手、开仓)做空;

2) 当日内最低价低于观察买入价后,盘中价格出现反弹,且进一步超过反转买入价构成的阻力线时,采取反转策略,即在该点位(反手、开仓)做多;

3) 在空仓的情况下,如果盘中价格超过突破买入价,则采取趋势策略,即在该点位开仓做多;

4) 在空仓的情况下,如果盘中价格跌破突破卖出价,则采取趋势策略,即在该点位开仓做空。

4、双均线策略

双均线策略,通过建立m天移动平均线,n天移动平均线,则两条均线必有交点。若m>n,n天平均线“上穿越”m天均线则为买入点,反之为卖出点。该策略基于不同天数均线的交叉点,抓住行情的强势和弱势时刻,进行交易。

5、随机森林策略

机器学习算法是一类从数据中自动分析获得规律,并利用规律对未知数据进行预测的算法。其中,随机森林算法是一种基于统计学习理论的组合分类器。它可以将用户自选的各个因子,以机器训练的方式,自动分析其影响力度,从而给用户投资建议。