Turtle Trading 海龟交易策略

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：

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。
7. 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。

下面是实现海龟交易策略的代码，行情报价使用的是Alltick的数据接口。

用Java实现的海龟交易策略示例

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