آخرین پست در سال 2020. می بینمت، 2020. می بینمت، در سال 2021.

آزمایش معامله گران لاک پشت در اوایل دهه 1980 توسط ریچارد دنیس و ویلیام اکهارت انجام شد تا ببینند آیا می توان به کسی آموزش داد که چگونه در معاملات کسب درآمد کند. بنابراین، استراتژی معاملاتی که به این کارآموزان آموزش داده شده است، پس از این آزمایش به نام «استراتژی لاک پشت» نامگذاری شده است.

در این پست، ما به سرعت خود استراتژی لاک پشت را مرور خواهیم کرد، و من قصد دارم چند چیز را در برابر پلتفرم بک تستی که اخیراً در حال بررسی آن هستم، آزمایش کنم: JoinQuant.

این پست به بخش های زیر تقسیم می شود:

• معرفی سریع
• اهداف
• بک تست
• خلاصه
• ارجاع
• مرجع کد

نسخه چینی این پست در صورت علاقه مندی در اینجا آمده است: 经典海龟策略-股票多标的-短线趋势长线追击双系统.

معرفی سریع

من پست‌های موجود را پشت سر می‌گذارم تا مجبور نباشم تاریخ طولانی آزمایش لاک‌پشت‌ها را اینجا تکرار کنم. می‌توانید به سرعت پست‌های زیر را بخوانید تا ایده‌ای درباره استراتژی لاک پشت پیدا کنید:

به طور خلاصه، استراتژی لاک پشت یک استراتژی حرکتی است که از کانال Donchian به عنوان شاخص برای خرید زمانی که روند صعودی را مشاهده کردیم و برای فروش زمانی که روند نزولی است استفاده می کند. استراتژی لاک پشت همچنین دو سیستم مشابه را برای ثبت حرکات قوی و ضعیف، همراه با یک مکانیسم داخلی برای مدیریت ریسک از دست دادن سرمایه تا 2٪ در یک روز معاملاتی ایجاد می کند.

اهداف

اجرای استراتژی لاک پشت چیز جدیدی برای صنعت کوانت نیست. بنابراین، من می‌خواهم در عوض چند چیز اضافی را آزمایش کنم که ممکن است برای فرآیند تحقیق کمی مفید باشد:

• اکثر استراتژی‌های کوانتی که می‌توانید در پلتفرم‌های بک‌آست معاملات کوانتی ببینید، تعاریف و متغیرهای تابع خود را در همه جا پراکنده کردند. من در این پیاده سازی از مفهوم برنامه نویسی شی گرا استفاده می کنم تا قابلیت استفاده مجدد و خوانایی کد را افزایش دهم.
• با نمونه‌سازی نمونه کلاس TurtleSystemManager()، داده‌های این نمونه را در کل بازه زمانی بک‌آزمایی حفظ می‌کنیم.
• برای کاهش پیچیدگی موقعیت ها، سرمایه و وجوه نقد موجود این دو سیستم در یک اسکریپت معاملاتی الگوریتم، از context. subportfolios در JoinQuant برای ساده کردن منطق و کدها استفاده می کنیم.

بک تست

تنظیمات در نسخه پیاده سازی من عبارتند از:

• هر 15 دقیقه یکبار برای محاسبه و بررسی سیگنال های معاملاتی اجرا کنید
• استخر سهام هر ماه با آخرین داده های بنیادی به روز می شود
• هدف تجارت در استراتژی اصلی لاک پشت آینده سهام است ، اما ما به دنبال سهام موجود در بازار سهام چین هستیم. بنابراین ما باید چندین تنظیم را بر این اساس انجام دهیم:
  • خطر_ ریسک
    • Leverage_Ratio در استراتژی اصلی لاک پشت 10 در حالی که معاملات معاملات آتی سهام را انجام می دهد. در اینجا ما آن را 0. 1 می سازیم تا بیشترین ضرر ما در روز به 0. 1 ٪ محدود شود ، و همچنین می توانیم سهام بیشتری بخریم.
    • استخر سهام که هر ماه به روز می کنیم حاوی بیش از 20 سهام است. از آنجا که استراتژی لاک پشت در مورد خرید موقعیت با قیمت های مختلف به همراه قیمت افزایش یافته است (Vise versa در سمت فروش/سمت کوتاه) ، ما حداکثر 8 سهام در هر سیستم را قرار می دهیم تا اطمینان حاصل کنیم که سرمایه خود را در سهام مورد نظر خود قرار می دهیم. از گسترش سرمایه در ده ها سهام.

    و در اینجا نتایج پشت پرده استراتژی لاک پشت وجود دارد:

    Backtest 1

    تنظیم: یک بار در روز استراتژی را اجرا کنید و هیچ قانون مرتب سازی خاصی در استخر سهام وجود ندارد.

    

    نتیجه:

    نظر: امم ... عملکرد نسبتاً ضعیف است اما انتظار می رود. ما فقط یک بار در روز با سیگنال تجارت می کنیم بدون اینکه نظارت بر حرکت قیمت را برای بقیه روز انجام دهیم. این تقریباً شبیه این است که وقتی قیمت مناسب را در تلویزیون می بینید ، سهام خریداری می کنید ، و سپس تا روز بعد با گربه ها و سگ های خود بازی می کنید. اگر هر معامله گر بتواند مانند این پول کسب کند ، هر کسی که روی زمین است می تواند یک معامله گر باشد و هیچ کس در بازار پول خود را از دست ندهد.

    Backtest 2

    تنظیم: هر 15 دقیقه اجرا کنید ، هیچ قانون مرتب سازی خاصی در استخر سهام وجود ندارد و از قیمت نزدیک روزانه برای ساخت میانگین حرکت 40 روزه و 200 روزه استفاده کنید.

    

    نتیجه:

    نظر: هنگامی که حرکات سهام را هر 15 دقیقه یکبار کنترل می کنید ، کنترل ریسک قوی تر است ، و می توانید ضرر روزانه را در 2N مطابق با آزمایش لاک پشت کنترل کنید. در مورد روند صعودی ، فاصله 15 دقیقه ای نیز به برنامه کمک می کند تا با دقت بیشتری سیگنال ورود را برای به دست آوردن سود بدست آورید. با این حال ، پیام های ورود به سیستم همچنین نشان می دهد که چندین بار وجود دارد که شما نمی توانید موقعیت های خود را در روز ببندید. این نشان می دهد که موقعیت شما در خارج از سیستم مدیریت کنترل ریسک قرار دارد و در هنگام کاهش قیمت سهام باعث ضرر فوق العاده ای می شود.

    Backtest 3

    تنظیم: هر 15 دقیقه یکبار اجرا کنید ، هیچ قانون مرتب سازی خاصی در استخر سهام وجود ندارد و برای ساخت میانگین حرکت 40 روزه و 200 روزه از 15 دقیقه نزدیک استفاده کنید.

    

    نتیجه:

    

    Comment: Urgh….. I thought if I increase the granularity of the secondary indicator (40MA >200MA) از 1 روز تا 15 دقیقه، سیگنال های ورودی دقیق تر و سود بیشتری تولید می شود. با نگاه کردن به نمودارهای زیر، سیگنال های بیشتری تولید می شود زیرا پول نقد موجود در سناریوی 15 دقیقه کمتر است. با این حال، از پیام‌های گزارش متوجه می‌شوید که به دلیل محدودیت بازار سهام چین که در بالا ذکر شد، خطراتی وجود دارد که سهام را صبح بخرید اما بعد از ظهر اوضاع خراب شود. سپس تنها کاری که می توانید انجام دهید این است که به قیمت به سمت جنوب نگاه کنید و تمام صورتتان عرق کند. بنابراین می توانیم به نوعی نتیجه گیری کنیم که استفاده از قیمت بسته روزانه وسیله ای برای هموارسازی داده ها برای جلوگیری از زیگزاگ در حرکت قیمت است.

    بک تست 4

    راه اندازی: هر 15 دقیقه اجرا کنید، استخر سهام را ماهانه مرتب کنید و رتبه بندی کنید، و از قیمت بسته روزانه برای ایجاد میانگین متحرک 40 روزه و 200 روزه استفاده کنید.

    

    نتیجه:

    نظر: با توجه به آنچه در کتاب استراتژی لاک پشت و ویژگی های نوسانات خود آینده بیان شده است، سهام ها را در شاخص 300 شانگهای شنژن مرتب و رتبه بندی کردم تا سهام هایی که سودآوری بالاتری نسبت به سایرین دارند شناسایی کنم. قوانین و فاکتورهایی که من استفاده کردم به شرح زیر است:

    • کالاهای_فروش_و_خدمات_به_درآمد: البته درآمد فروش باید درصد بالاتری از درآمد کل درآمد را نشان دهد، که نشان می‌دهد تجارت بزرگ در حال انجام عالی است.
    • peg_ratio: نسبتی برای جایگزینی pe_ratio سنتی همانطور که پیتر لینچ پیشنهاد کرد. ما به سهام کم تخمین زده شده نگاه می کنیم (با حذف سهام که نسبت peg_ratio منفی است).
    • نسبت بدهی به حقوق صاحبان سهام: هر چه بدهی کمتر باشد بهتر است.
    • FCF (جریان نقدی رایگان): هر چه جریان نقدی آزاد بیشتر باشد بهتر است.
    • نسبت گردش مالی: استراتژی لاک پشت به ما پیشنهاد می کند که بازارهایی را که نسبت گردش مالی بالاتری دارند هدف قرار دهیم، زیرا در اصل، استراتژی لاک پشت همچنان یک استراتژی حرکتی است که به دنبال سهامی است که نقدینگی بالایی دارند.
    • pb_ratio : همچنین باید سهامی را پیدا کنیم که دست کم گرفته شده است.

    من امیدوار بودم که حقه های کوچک من کار کند و باعث شود که نمونه کارها بهتر شود. متاسفانه نشد.

    خلاصه

    حتی اگر نتایج بک تست بالا برای ما امیدوارکننده و سودآور نیست تا به تجارت زنده ادامه دهیم، اهداف این آزمایش محقق شده است. ما می توانیم از یک روش برنامه نویسی شی گرا برای سبک کدنویسی در این پلتفرم های بک تست استفاده کنیم. با انجام این کار، زمانی که ما اسکریپت معاملاتی خودکار خود را بعداً پیاده سازی می کنیم، می توان از کد دوباره استفاده کرد و زمان بازنویسی همه چیز را برای بار دوم کاهش داد.

    به غیر از این ، ما همچنین برخی از محدودیت های اجرای استراتژی لاک پشت در بازار سهام چین را مشخص کرده ایم:

    1. بازار سهام چین این سیاستی را دارد که تجارت روزانه را محدود می کند (فروش سهام که آن روز خریداری کرده اید) و خطر عدم کنترل مواضع ما را به همراه دارد.
    2. یک مقدار در بازار سهام چین 100 سهم را نشان می دهد. هر تعداد سهام که زیر 100 نفر هستند قادر به خرید نیستند. این باعث می شود نوار سهام خرید و فروش سهام آنها بیشتر باشد زیرا ما باید سرمایه خود را به چندین سهام در این استراتژی جابجا کنیم.
    3. نظارت و تجارت چندین سهام در یک استراتژی لاک پشت ارجح است زیرا باعث افزایش پیچیدگی موقعیت های مدیریت در طی هر دو روند صعودی و نزولی می شود.

    اما افکار دیگری نیز وجود دارد که ما هنوز هم می توانیم بر اساس استراتژی لاک پشت که ساختیم گسترش و توسعه دهیم:

    1. ما می توانیم ببینیم که کانال Donchian در استراتژی لاک پشت یک شاخص تاخیر است ، به این معنی که ممکن است حرکت از قبل گذشته باشد که شاخص های ما به ما می گویند خرید یا فروش داشته باشیم. بنابراین ممکن است بتوانیم به یک شاخص دیگر مانند MACD یا RSI تغییر دهیم تا بتوانیم فرصت های خرید/فروش را با روشی سریعتر مشاهده کنیم.
    2. ما همچنین می توانیم سیگنال ها را برای خرید در هنگام فروش سیگنال ها و فروش سیگنال ها معکوس کنیم. این بدان معنی است که ما به جای استراتژی اصلی حرکت ، می خواهیم از استراتژی لاک پشت به عنوان یک استراتژی میانگین برگشت استفاده کنیم.

    به طور خلاصه ، این استراتژی در کوتاه مدت به مرحله تجارت زنده نمی رود. این کد فقط می تواند به عنوان یک الگوی یا مرجع برای هر کسی در اینجا استفاده شود تا نسخه خود را از سیستم لاک پشت با بازنویسی جزئیات در هر عملکرد کلاس اجرا کند.

    منابع

    مرجع کد

    سلب مسئولیت: هیچ چیز در اینجا مشاوره مالی یا حتی توصیه ای برای تجارت پول واقعی نیست. بسیاری از سیستم عامل ها برای تجارت شبیه سازی شده (تجارت کاغذ) وجود دارند که می توانند برای ساخت و توسعه استراتژی های مورد بحث استفاده شوند. لطفاً از عقل سلیم استفاده کنید و قبل از تجارت یا سرمایه گذاری پول سخت خود با یک متخصص مشورت کنید.