### 商品期货的Dual Thrust日内交易策略
本帖主要介绍了基于事件驱动回测框架实现Dual Thrust日内交易策略。可在[这里](https://github.com/quantOS-org/JAQS/blob/master/example/eventdriven/DualThrust.py)直接下载策略源代码。
#### 一. 策略介绍
Dual Thrust是一个趋势跟踪策略，具有简单易用、适用度广的特点，其思路简单、参数较少，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，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。
在本文中，我们将Dual Thrust应用于商品期货市场中。
简而言之，该策略的逻辑原型是较为常见的开盘区间突破策略，以今日开盘价加减一定比例确定上下轨。日内突破上轨时平空做多，突破下轨时平多做空。
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和精髓。Dual Thrust系统使用
$$Range = Max(HH-LC,HC-LL)$$
来描述震荡区间的大小。其中HH是过去N日High的最大值，LC是N日Close的最小值，HC是N日Close的最大值，LL是N日Low的最小值。
#### 二. 参数准备
我们在test_spread_commodity.py文件中的test_spread_trading()函数中设置策略所需参数，例如交易标的，策略开始日期，终止日期，换仓频率等，其中$k1，k2$为确定突破区间上下限的参数。
```python
props = {
"symbol" : "rb1710.SHF",
"start_date" : 20170510,
"end_date" : 20170930,
"buffersize" : 2,
"k1" : 0.7,
"k2" : 0.7,
"bar_type" : "MIN",
"init_balance" : 1e5,
"future_commission_rate": 0.00002,
"stock_commission_rate" : 0.0001,
"stock_tax_rate" : 0.0000
}
```
#### 三. 策略实现
策略实现全部在DualThrust.py中完成，创建名为DualThrustStrategy()的class继承EventDrivenStrategy，具体分为以下几个步骤：
##### 1. 策略初始化
这里将后续步骤所需要的变量都创建好并初始化。其中self.bufferSize为窗口期长度，self.pos记录了实时仓位，self.Upper和self.Lower记录了突破区间上下限。
```python
def __init__(self):
EventDrivenStrategy.__init__(self)
self.symbol = ''
self.quote = None
self.bufferCount = 0
self.bufferSize = ''
self.high_list = ''
self.close_list = ''
self.low_list = ''
self.open_list = ''
self.k1 = ''
self.k2 = ''
self.pos = 0
self.Upper = 0.0
self.Lower = 0.0
```
##### 2. 从props中得到变量值
这里将props中设置的参数传入。其中，self.high_list为固定长度的list，保存了最近$N$天的日最高价，其他变量类似。
```python
def init_from_config(self, props):
super(DualThrustStrategy, self).init_from_config(props)
self.symbol = props.get('symbol')
self.init_balance = props.get('init_balance')
self.bufferSize = props.get('buffersize')
self.k1 = props.get('k1')
self.k2 = props.get('k2')
self.high_list = np.zeros(self.bufferSize)
self.close_list = np.zeros(self.bufferSize)
self.low_list = np.zeros(self.bufferSize)
self.open_list = np.zeros(self.bufferSize)
```
##### 3. 策略实现
在每天开始时，首先调用initialize()函数，得到当天的open，close，high和low的值，并对应放入list中。
```python
def initialize(self):
self.bufferCount += 1
# get the trading date
td = self.ctx.trade_date
ds = self.ctx.data_api
# get the daily data
df, msg = ds.daily(symbol=self.symbol, start_date=td, end_date=td)
# put the daily value into the corresponding list
self.open_list[0:self.bufferSize - 1] =
self.open_list[1:self.bufferSize]
self.open_list[-1] = df.high
self.high_list[0:self.bufferSize - 1] =
self.high_list[1:self.bufferSize]
self.high_list[-1] = df.high
self.close_list[0:self.bufferSize - 1] =
self.close_list[1:self.bufferSize]
self.close_list[-1] = df.close
self.low_list[0:self.bufferSize - 1] =
self.low_list[1:self.bufferSize]
self.low_list[-1] = df.low
```
策略的主体部分在on_quote()函数中实现。因为我们选择分钟级回测，所以会在每分钟调用on_quote()函数。
首先取到当日的quote，并计算过去$N$天的HH，HC，LC和LL，并据此计算Range和上下限Upper，Lower
```python
HH = max(self.high_list[:-1])
HC = max(self.close_list[:-1])
LC = min(self.close_list[:-1])
LL = min(self.low_list[:-1])
Range = max(HH - LC, HC - LL)
Upper = self.open_list[-1] + self.k1 * Range
Lower = self.open_list[-1] - self.k2 * Range
```
几个关键变量的意义如下图所示：
我们的交易时间段为早上9:01:00到下午14:28:00,交易的逻辑为：
1. 当分钟Bar的open向上突破上轨时，如果当时持有空单，则先平仓，再开多单；如果没有仓位，则直接开多单；
2. 当分钟Bar的open向下突破下轨时，如果当时持有多单，则先平仓，再开空单；如果没有仓位，则直接开空单；
```python
if self.pos == 0:
if self.quote.open > Upper:
self.short(self.quote, self.quote.close, 1)
elif self.quote.open < Lower:
self.buy(self.quote, self.quote.close, 1)
elif self.pos < 0:
if self.quote.open < Lower:
self.cover(self.quote, self.quote.close, 1)
self.long(self.quote, self.quote.close, 1)
else:
if self.quote.open > Upper:
self.sell(self.quote, self.quote.close, 1)
self.short(self.quote, self.quote.close, 1)
```
由于我们限制该策略为日内策略，故当交易时间超过14:28:00时，进行强行平仓。
```python
elif self.quote.time > 142800:
if self.pos > 0:
self.sell(self.quote, self.quote.close, 1)
elif self.pos < 0:
self.cover(self.quote, self.quote.close, 1)
```
我们在下单后，可能由于市场剧烈变动导致未成交，因此在on_trade_ind()函数中记录具体成交情况，当空单成交时，self.pos减一，当多单成交时，self.pos加一。
```python
def on_trade_ind(self, ind):
if ind.entrust_action == 'sell' or ind.entrust_action == 'short':
self.pos -= 1
elif ind.entrust_action == 'buy' or ind.entrust_action == 'cover':
self.pos += 1
print(ind)
```
#### 四. 回测结果
回测结果如下图所示：
#### 五、参考文献
> [1]: https://www.ricequant.com/community/topic/392/
> [2]: https://xueqiu.com/5256769224/32429363