从巅峰到谷底:柯蒂斯·费思与海龟交易法则的警示录

如何处理动态语言(Python / JS)的“隐形”调用链? 本文揭示动态语言(Python/JS)中静态AST解析导致调用链“断链”的核心问题,提出通过运行时追踪补全图谱的解决方案。基于Code-Graph-RAG的cgr trace机制,分别利用pytest插件与V8 Profiler捕获真实调用路径,将动态边合并至静态图谱,并在权重体系中提升动态边优先级。实践表明,该方法可显著提升图谱覆盖率,实现“结构+行为”双视角理解代码,为MCP与Rerank系统提供可靠支持。 阅读详情

近来的公开报道显示,经典著作《海龟交易法则》已经流浪街头,这位昔日的交易明星已陷入困境——2022年因扰乱公共秩序和破坏财产等罪名在波士顿被捕时,其登记住址竟是无家可归者收容所;更早前的2012年,他就已宣称身无分文,甚至被家人指责依靠虚构“金融天才”形象骗取钱财。柯蒂斯·费思曾是金融交易领域的传奇人物,作为上世纪80年代“海龟实验”中最成功的学员之一,他在实验期间为导师理查德·丹尼斯创造了超过3000万美元的利润,并系统总结了趋势跟踪策略的核心原理。本文将展示完整源代码,带您逐行解析这套基于唐奇安通道与波动率管理的海龟交易系统。
在这里插入图片描述

海龟交易法则源于理查德·丹尼斯与威廉·埃克哈特在1983年的著名赌约。两人通过报纸招募并培训了一批毫无交易经验的普通人(即“海龟”),向他们传授基于突破信号的趋势跟踪系统。该策略包含三个关键要素:一是双重入市机制,分别采用20日和55日价格突破作为买卖依据;二是动态仓位管理,根据市场波动率(ATR指标)调整头寸规模,单个市场最大持仓限制为4个单位;三是严格的止损规则,当单笔亏损达到本金的2%时强制平仓。这套完全机械化的交易系统旨在消除主观判断干扰,证明交易能力可通过标准化训练获得。柯蒂斯·费思正是这批学员中的佼佼者,其业绩验证了该策略在特定市场环境下的强大盈利能力。

这套系统严格遵循理查德·丹尼斯创立的海龟实验核心原则:通过突破入场、波动率调整仓位和止损机制实现趋势跟踪。其独特之处在于结合了唐奇安通道技术指标(Donchian Channel),并采用动态N值计算方式控制风险敞口。整个架构分为预处理模块、决策引擎和执行单元三大部分,形成完整的闭环交易流程。

1.1 初始化配置阶段
def before_trading_start(context):
    set_slip_fee(context) #设置交易费率
    calculate_N()#计算N
    tqatds()#计算唐奇安通道上轨
    tqatdx()#计算唐奇安通道下轨
    dt=context.current_dt
    if dt>datetime.datetime(2013,1, 1):
        set_commission(PerTrade(buy_cost=0.0003, sell_cost=0.0013, min_cost=5))
  • set_slip_fee:预设滑点成本补偿机制,确保回测结果贴近真实市场环境
  • calculate_N():首次启动时初始化平均真实波幅(ATR)基准值
  • tqatds/tqatdx:构建多空双向的趋势边界线
  • 特殊日期规则:对2013年后的交易施加差异化手续费结构,反映市场微观结构变化
1.2 核心变量说明

全局字典g存储关键状态量:

变量名类型作用
NList[float]平滑后的ATR序列
high/lowList[float]最高价/最低价的历史极值记录
sysint当前持仓单位数
unitfloat单笔交易的风险配额
break_pricefloat最近一次建仓价格

二、每日主循环逻辑

def daily(context):
    price=attribute_history(g.security, 1, '1m', 'close')
    current_price=price['close'][-1]
    value=context.portfolio.portfolio_value
    cash=context.portfolio.cash
    Dollar_Volatility=g.N[-1]*1
    g.unit=value*0.01/Dollar_Volatility
2.1 数据获取与更新
  • 分钟级行情抓取:使用attribute_history获取最新收盘价,保证时效性
  • 账户快照:实时同步组合市值(portfolio_value)和可用资金(cash)
  • 波动率标准化:将当前N值转换为美元波动幅度,为后续仓位计算做准备
2.2 动态仓位管理

核心公式推导:

目标头寸规模 = (总权益×1%) / 单日波动额
=> g.unit = value * 0.01 / Dollar_Volatility

该算法确保每次开仓的潜在损失不超过总资本的1%,完美体现海龟法则的风险控制理念。当系统处于不同状态时触发相应操作:

if g.sys==0:
    market_in(context,current_price,g.short_in_date)#开仓买入
else:
    stop_loss(current_price)#止损
    market_add(context,current_price,g.short_in_date)#加仓
    market_out(current_price, g.short_out_date)#出局

三、关键技术指标实现

3.1 唐奇安通道构建
上轨计算函数
def tqatds():
    price=attribute_history(g.security,20,'1d',('high','low','close'))
    g.high.append(max(price['high']))
    return g.high
  • 时间窗口:过去20个交易日的最高价极大值
  • 堆栈特性:新数据追加至列表末尾,自动维护历史轨迹
  • 应用场景:作为多头突破信号的判断标准
下轨计算函数
def tqatdx():
    price=attribute_history(g.security,20,'1d',('high','low','close'))
    g.low.append(min(price['low']))
    return g.low
  • 对称设计:对应空头止损位的确认依据
  • 统计学意义:反映特定周期内的价格支撑水平
3.2 ATR指标优化算法
def calculate_N():
    if len(g.N)==0:
        price=attribute_history(g.security,21,'1d',('high','low','close'))
        st1=[]
        for i in range(1,21):
            hl=price['high'][i]-price['low'][i]
            hc=price['high'][i]-price['close'][i-1]
            cl=price['close'][i-1]-price['low'][i]
            True_Range=max(hl,hc,cl)
            st1.append(True_Range)
        current_N=round(np.mean(np.array(st1)),3)
        g.N.append(current_N)
    else:
        price = attribute_history(g.security, 2, '1d',('high','low','close'))
        hl = price['high'][-1]-price['low'][-1]
        hc = price['high'][-1]-price['close'][-2]
        cl = price['close'][-2]-price['low'][-1]
        True_Range = max(hl, hc, cl)
        current_N = round((True_Range + (g.number_days-1)*(g.N)[-1])/g.number_days,3)
        (g.N).append(current_N)
分段处理机制
  • 冷启动阶段:前21根K线采用简单移动平均法计算初始ATR
  • 持续更新阶段:引入指数平滑概念,公式等价于EMA变形:
    EMA_t = (TR_t + (n-1)*EMA_{t-1}) / n
    

其中n代表平滑周期长度,此处由g.number_days参数控制。

四、交易指令模块详解

4.1 建仓逻辑
def market_in(context,current_price,in_date):
    price=attribute_history(g.security,in_date,'1d', 'close')
    if current_price > g.high[-1]:
        cash=context.portfolio.available_cash
        num_of_shares=cash/current_price
        if num_of_shares>=g.unit and g.sys<int(g.unit_limit*g.unit):
            log.info('SYS买入',g.unit)
            order(g.security,int(g.unit))
            g.sys+=int(g.unit)
            g.break_price=current_price
  • 双重验证机制:同时满足价格突破和资金充足条件
  • 整数约束:实际下单量为经取整后的标准化合约单位
  • 状态标记更新:记录最新成交价用于后续追踪
4.2 动态调仓策略
def market_add(context,current_price,in_date):
    if current_price>=g.break_price+0.5*g.N[-1]:
        cash=context.portfolio.available_cash
        num_of_shares=cash/current_price
        if num_of_shares>=g.unit and g.sys<int(g.unit_limit*g.unit):
            log.info('g.sys加仓{}:{}'.format(g.security,current_price))
            order(g.security,int(g.unit))
            g.sys+=int(g.unit)
            g.break_price=current_price
  • 金字塔加仓规则:每上涨0.5个ATR幅度追加同等头寸
  • 风控阈值:总持仓不得超过预设的最大单位限制倍数
  • 成本保护:随着价格上涨逐步提高安全边际
4.3 退出机制设计
止盈平仓
def market_out(current_price,out_date):
    price=attribute_history(g.security,out_date,'1d',('close','low'))
    if current_price<g.low[-1] and g.sys>0:
        log.info('SYS离场')
        order_target(g.security, 0)
        g.sys=0
  • 反向突破确认:价格跌破历史低点触发清仓动作
  • 全仓了结:使用市价委托确保快速离场
强制止损
def stop_loss(current_price):
    if current_price<g.break_price-2*g.N[-1]:
        log,info('SYS止损')
        order_target(g.security, 0)
        g.sys=0
  • 固定比例回撤:允许最大亏损幅度为2倍ATR
  • 刚性风控:不考虑市场噪音直接斩仓出局

在这里插入图片描述
回测2025年1月1日 - 2025年9月15日,​​策略累计收益​​为 ​​+6.56%​​(年化 ​​+9.68%​​),但显著跑输同期 ​​沪深300指数(+15.20%)​​,超额收益为 ​​-7.50%​​。策略在震荡市环境下未能捕捉主要上涨波段,尤其在2025年4月后与基准收益差距持续扩大。

从表面看,海龟法则的成功依赖于对趋势行情的精准捕捉。但深入分析会发现,其有效性高度依赖当时的市场结构特征。在上世纪80年代,商品期货市场以机构投资者为主,价格走势呈现明显的连续性波动,这为趋势跟踪策略提供了肥沃土壤。然而,随着高频交易和算法模型的普及,现代金融市场已发生根本性变化。数据显示,当前超过70%的市场波动由程序化订单驱动,传统突破策略面临反应滞后、滑点成本上升等问题。

对于普通交易者而言,第一,交易系统的生命周期管理至关重要。历史回测表明,任何单一策略的有效周期通常不超过市场周期的三分之一,必须建立定期评估机制。第二,心理建设与技术优化同等重要。持续盈利的交易者普遍具备更低的皮质醇水平(压力激素指标),这提示情绪管理能力可能是比代码更关键的竞争力。第三,生活与交易的边界需要清晰界定。建议设立独立的资金池用于日常开支,避免将生活费计入保证金账户。

金融市场只是检验综合能力的试炼场之一。那些能够穿越牛熊周期的交易者,往往是在生活中也同样恪守纪律的人。

A类功率放大器 在A类放大器中,导通角是完整的360°或100%的输入信号,而在其他类别的放大器中,晶体管在一个较小的导通角内导通。通过在输出级使用两个互补的晶体管,其中一个晶体管是NPN或N通道类型,而另一个晶体管是PNP或P通道(互补)类型,以所谓的 "推挽 "配置连接,可以获得比A类放大器更大的功率输出和效率。这种类型的电路效率很低(低于30%),而且对直流电源的消耗很大,输出的功率却很小。由于我们感兴趣的是向负载提供最大的交流功率,同时从电源中消耗尽可能少的直流电,所以我们主要关注的是放大器的 "转换效率"。 阅读详情

相关推荐

PaddleOCR SVTRv2中文识别模型训练全流程:从数据准备到推理部署

本文详细介绍了基于PaddleOCR的SVTRv2中文识别模型从数据准备、模型训练到推理部署的全流程实战。SVTRv2凭借其单视觉Transformer架构和分层混合机制,在中文文字识别任务上实现了高精度与效率的平衡。文章重点解析了数据工程、训练调优技巧及部署优化方案,帮助开发者构建定制化的OCR解决方案。

weixin_29194817的博客 288

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

本地化部署 DeepSeek,构建单细胞与空间转录组 AI 分析平台

weixin_53637133的博客 188

基于OkHttp3+Retrofit2+RxJava3搭建响应式网络框架

本文介绍了一个基于OkHttp3+Retrofit3+RxJava3的响应式网络框架设计。该框架采用分层架构,OkHttp3负责底层网络请求,Retrofit3封装HTTP接口,RxJava3实现响应式流处理。核心亮点包括:1)高度解耦的分层设计;2)统一的异常处理和响应体封装;3)RxJava3实现线程切换和请求管理;4)MVVM架构适配,业务层只需关注数据逻辑。框架提供了完整的实现方案,包括全局配置、拦截器、响应转换、接口声明、仓库封装等组件,并支持生产环境扩展功能如Cookie持久化、Token刷新等

fuge2008的博客 875

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

GLM-5.3-CYBERSECURITY-FP8本地量化[3]:工程环境

缘友一世的博客 343

AI开发提效10倍:从需求到部署的全流程实战指南(附Prompt模板)

用AI开发不是“偷懒”,而是把时间花在更有价值的地方——原来花80%时间写重复代码,现在用AI搞定后,能把精力放在“优化用户体验”“提升系统性能”这些核心工作上,这才是AI给开发者的真正红利。如果你还没开始用AI做开发,建议从“写一个简单接口”“补一段注释”开始尝试,先用起来再优化方法。记住:AI是工具,不是对手,学会驾驭它,你会发现开发效率提升的同时,还能告别无效加班。

这里只有干货:从 Modbus 通信到 MES 对接,从 YOLO 训练到工控机部署,带你搞定工业软件开发全流程。 1534

物料帐配置之 重估消耗

物料帐配置 ML material ledger

SAP刺客的博客 5919

【第 009 讲】全面掌握 Python 注释:注释的定义与作用 | 单行注释 | 三引号与多行注释 | 注释使用的最佳实践

本文系统讲解 Python 注释的完整知识体系:从注释的定义与作用讲起,梳理单行注释的书写位置、临时屏蔽用法与 PEP 8 排版规范,剖析注释被忽略的底层机制;进而说明三引号字符串的本质与嵌套问题;最后给出注释使用的三条实践原则,帮助读者写好可读性高的注释。

大模型全栈工程师 · Thanks_ks 1295

树莓派 RP2350B 开发环境搭建

本文介绍了树莓派RP2350B开发环境的搭建过程。

张一西的博客 288

我开源了一个屏幕录 GIF 工具:框选任意区域直接出图,只有 2 个依赖(Python)

仓库直达:[github.com/yund229/RectGif](https://github.com/yund229/RectGif) · exe 在 [Releases](https://github.com/yund229/RectGif/releases)

w_2345678的博客 468

优化YOLOv8检测精度:Damo-YOLO的RepGFPN特征融合技术解析【YOLOv8】

YOLOv8在结构上依旧延续了自YOLOv4以来的CSPNet(Cross Stage Partial Network)和FPN(Feature Pyramid Network)的设计,结合了PANet(Path Aggregation Network)来增强特征的多尺度表达。然而,随着目标检测任务的复杂性增加,如何更有效地融合不同层级的特征成为提升检测性能的关键。Damo-YOLO中的RepGFPN引入了重参数化的思想,通过在训练和推理阶段对特征融合模块进行结构优化,显著提升了检测效果。

博客 1584

执行HDevelop项目

这一节,我们讲述的是如何用HDevEngine加载和执行一个HDevelop项目。代码部分来源于示例程序exec_program(源文件exec_program.cpp),检测塑料零件边界上的毛刺。1.Step 1:初始化首先,我们包含HALCON/C++和HDevEngine头文件以及命名空间。注意到在这个示例程序中,HDevEngine头文件已经包含在my_hdevoperatorimpl中,所

Z's Palace 2998

3天干完6个月的活,Claude把模型搬上AMD

一条挺刺激的消息:Anthropic 给投资人的材料里有一张幻灯片,写着它的 Claude Mythos Preview 只花了大约​,就摸清了怎么让另一个 Claude 模型在 AMD 的 MI355X 上跑起来。同一处还写了个对照数字:过去给一块新芯片做推理适配,通常要几十名工程师、​。3 天对 6 个月,这个比值太扎眼,当天中文互联网上就冒出一堆「英伟达的护城河塌了」的说法。我把能翻到的材料都翻了一遍,越看越觉得,塌掉的那一小块是真的,可塌的位置和很多人想的不一样。

DeepPing,日更,陪你聪明看世界。 460

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

Python 的 yield from 到底转发了什么:拆开 send、throw 和那个 return 值

很多人把yield from记成「省一层 for 循环的语法糖」。写和写,结果看着一样,于是就当它只是少敲几个字。这个理解会在三个地方翻车:调用方.send()的值送不进去、子生成器return的值拿不到、异常和close()传不下去。yield from真正做的事是,外层生成器退成一个透明通道。本文所有输出来自本机 CPython 3.13.14 实测。yield from不是循环,是委托——nextsendthrowclose四个方向的流量全部直通子生成器,并且子生成器return。

小小张说故事的博客 164

jdk-8u144-linux-x64.tar.gz.

该资源为搭建Linux系统Java环境用,资源的后缀为tar.gz格式的压缩包

pscad IEEE标准系统搭建说明

pscad IEEE标准系统搭建说明,包含典型的IEEE 9节点、14节点、30节点、39节点和118节点系统。内含标准测试系统的原始数据和潮流结果。

双路径优化+双容差校准

默认使用向量化路径处理常规数据,当检测到内存非连续或需要极致短路性能时,自动切换至 Numba JIT 路径。“当 CI 宽度中位数为 $W$ 时,实际判定容差为 $10^{-12} + 10^{-9} \times W$"针对表征谱算子 2 的实际输出量纲(例如 $10^{-3}$ 至 $10^3$),调整。准确标记了哪些数组被复制。非短路、静默拷贝风险、量纲耦合容差),本方案重构了核心逻辑。,并完善审计元数据以记录内存拷贝状态。, 确保在不同量纲下判定标准的一致性。,否则需排查上游数据生成逻辑。

2301_77211362的博客 211

OV9734 DATASHEET,完整规格书

OV9734完整规格书,包括电气参数,尺寸规格,寄存器配置表等

yolo 和 deft 算法的区别

你应该是打错了:是,不是 defrat;

曾大强博客 293

蓝桥杯·全国青少年信息素养大赛·电子学会Python/C++考级 备考:莫队算法离线区间查询详解

备赛进行时:第十八届蓝桥杯软件赛报名已于 2026-10-08 10:00 开启、12-18 14:00 截止,省赛定在 2027-04-10(C/C++·Python 程序设计 9:00–13:00);中国电子学会 2026 年 12 月软件编程(C/C++ 一级至十级、Python 一级至六级)考级报名 9/23–12/2 16:00、统考 12-12;全国青少年信息素养大赛 2026—2027 赛季算法应用主题赛也已进入复盘练兵窗口。

IT_Scratch的博客 193

两张表合并之后,行数悄悄多了一倍

pandas merge 行数异常膨胀源于右表键不唯一,导致数据静默复制。实测显示,未聚合的右表(756行)与左表合并后行数增至504行,合计膨胀3.5倍,但无报错。validate 参数仅在检查键唯一性时有效,one_to_one 和 many_to_one 可拦截问题,但需结合 duplicated() 前置检查。正确做法为先按键聚合右表,再合并,避免重复。建议合并前后核对行数、合计,并使用 indicator=True 排查匹配情况,确保数据一致性。

patrickstar231的博客 252

我用 200 行代码写了个“代码屎山检测器“,扫完公司的老项目后我沉默了

这个工具不能帮你把屎山铲平,但至少能让你知道自己面对的是多大的山,也能在代码评审时用数据说话——“这个 PR 把圈复杂度从 12 推到了 18,能不能拆一下?毕竟,不能量化的东西,就没法改进。

xixiaoyunya的博客 277

智慧农业实战:育秧车间秧盘计数与苗情分级的Python实现

首先,建立统一的数据结构,保存每盘秧苗的编号、批次、覆盖度、叶色得分和播种天数。A = "壮苗"B = "合格苗"C = "弱苗"@dataclassdays: int。

荆棘鸟智能的博客 140

Python 入门必学:基础数据类型 + 变量核心知识,一篇吃透

文章浏览阅读384次,点赞8次,收藏4次。print 函数的执行核心是解释器的翻译工作,是 Python 解释型语言的体现;五大基本数据类型各有分工

2601_96797912的博客 167

黄仁勋走了,护城河留下了什么

11 月 12 日,英伟达董事会批准黄仁勋辞去总裁、CEO 和董事职务,即刻生效,CFO 克雷斯出任临时 CEO;股价开盘一度跌 14.35%,收盘只跌 4.34%,市值单日蒸发 1820 亿美元;本文把「创始人走了护城河就没了」这个流行说法拆开——CUDA 还在,但 CUDA 正在被 Claude 三天凿穿,真正决定下一段路的是三个可以核对的东西:治理结构、决策机制、以及下一个百亿美元由谁拍板。

领码SPARK - 以无代码之星火,燎原数字之未来! 193

基于深度学习的工业表面缺陷检测系统-毕业设计

只用正常样本训练的工业表面缺陷检测系统:15 类工业品、5354 张图、73 种缺陷。PatchCore-lite 图像级 AUROC 0.896、像素级 0.951,单张 CPU 推理 115 毫秒;附 PaDiM 与整图基线对照,含 Django 系统、论文与使用文档。

csbysj2020 220

十万次区间增减怎么不卡?差分与前缀和本机实测

十万次区间增减怎么不卡?差分与前缀和本机实测CSDN 热榜这几天同时挂着「C++ 算法基础(差分)」和「C++ 算法基础(前缀和)」两篇在榜文章(418 / 366 阅读),秋招笔试季把这对双子星又顶了上来。背公式不如本机跑一遍账:本文 Mac mini M4、Python 3.12(numpy 2.5.5 经 uv 加载),纯 Python 与 numpy 双视角实测,每个倍数都来自真实计时,脚本和数据全量落盘。

weixin_41407416的博客 142

Properties、Collections、Arrays、Stream

继承自Hashtable,是双列集合特点:键和值只能是 String 类型(泛型固定为 <String,String>)主要用于读取、写入配置文件线程安全,方法同步;现在一般优先用配置框架,但基础 IO 场景仍常用key=value,注释用开头操作 Collection 集合的工具类,全是静态方法和Collection接口区分:Collection:是单列集合的顶层接口(List、Set 的父接口):工具类,用来辅助操作集合操作数组的工具类,全部静态方法。

Sarvartha的博客 198

如何用 Python 计算 Hurst 指数判断「趋势还是均值回归」?

Hurst 指数(赫斯特指数 H)用。用 AlphaFeed 取算日收益,再对不同时间窗口拟合 log(R/S)~log(n) 的斜率即可得 H——它帮你在「上趋势策略还是回归策略」之间先做个方向判断。

2601_96288572的博客 283

MotrixLab 实训营第三周学习笔记:CartPole环境源码精读

这是这套代码里很干净的一处职责分离。

Jqz2005523的博客 340
上一篇: [QMT量化交易小白入门]-104、QMT平台运行深度学习模型,预测期货价格
下一篇: 金融风控中Python机器学习的实践与探索
python自动化工具
博客等级 码龄17年 1万+粉丝 1215原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

python自动化工具

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值