好的，我们来详细解析一下如何在 R 语言中实现经典的海龟交易系统。
海龟交易系统是一个完整的趋势跟踪期货交易系统，以其机械性和规则明确性而闻名。它涵盖了从市场选择、头寸规模计算、入市、止损、离市到策略管理的方方面面。
以下是如何在 R 中构建和回测该系统的分步指南。
海龟交易系统的核心规则（R 实现基础）
在编写代码前，我们必须先将规则量化。
1. 入市信号
海龟系统使用两个系统，我们通常实现更常用的系统一：
-
系统一： 以 20 日突破为基础
-
多头： 当价格 > 过去 20 日的最高价时，入场做多。
-
空头： 当价格 < 过去 20 日的最低价时，入场做空。
-
在 R 中，我们可以使用 TTR 包中的 runMax 和 runMin 函数来计算。
2. 头寸规模
这是海龟系统的核心风险管理部分。头寸规模由 N（真实波动幅度均值） 决定。
-
计算 N（20 日 ATR）：
-
TrueRange = max(high - low, high - lag(close), lag(close) - low) -
N = SMA(TrueRange, 20) -
使用
TTR包中的ATR函数可以轻松计算。
-
-
计算头寸单位：
-
Unit = (1% of Account Equity) / (N per Point) -
在回测中，我们通常简化为：每次交易承担账户总价值的 1% 的风险。一个单位的美元波动 = N * 每点价值。为简化，我们可以用
Unit = (Account * 0.01) / (N * ContractSize)，但在单一资产回测中，更简单的方法是固定单位或使用波动率调整的股数。
-
3. 离市规则
-
多头离市： 价格 < 过去 10 日的最低价。
-
空头离市： 价格 > 过去 10 日的最高价。
4. 止损规则
-
多头止损： 入场价 - 2 * N
-
空头止损： 入场价 + 2 * N
R 语言实现代码示例
我们将使用 quantmod 和 TTR 包来获取数据和计算指标，使用 PerformanceAnalytics 包来分析结果。
r
# 加载必要的包
library(quantmod)
library(TTR)
library(PerformanceAnalytics)
# 1. 获取数据（例如：苹果股票）
getSymbols("AAPL", from = "2010-01-01", to = "2020-12-31")
data <- AAPL
# 2. 计算海龟系统所需的指标
# 计算20日最高和最低（用于入市）
data$High_20 <- runMax(Hi(data), n = 20)
data$Low_20 <- runMin(Lo(data), n = 20)
# 计算10日最高和最低（用于离市）
data$High_10 <- runMax(Hi(data), n = 10)
data$Low_10 <- runMin(Lo(data), n = 10)
# 计算真实波动幅度均值（N）
atr <- ATR(HLC(data), n = 20)
data$N <- atr[, "atr"] # 提取ATR列
data$N[is.na(data$N)] <- 0 # 将NA替换为0
# 3. 初始化交易信号列
data$Position <- 0 # 持仓状态： 0 = 无仓， 1 = 多头， -1 = 空头
data$Entry_Price <- NA # 入场价格
data$Stop_Loss <- NA # 止损价格
# 4. 创建交易信号（循环处理每一天）
for(i in 21:nrow(data)) {
# 获取前一天的持仓状态
current_position <- data$Position[i-1]
# 情况A： 当前无持仓
if(current_position == 0) {
# 多头入场信号： 收盘价上破20日最高
if(Cl(data)[i] > data$High_20[i-1]) {
data$Position[i] <- 1
data$Entry_Price[i] <- Cl(data)[i]
data$Stop_Loss[i] <- Cl(data)[i] - 2 * data$N[i]
}
# 空头入场信号： 收盘价下破20日最低
else if(Cl(data)[i] < data$Low_20[i-1]) {
data$Position[i] <- -1
data$Entry_Price[i] <- Cl(data)[i]
data$Stop_Loss[i] <- Cl(data)[i] + 2 * data$N[i]
}
# 无信号，保持空仓
else {
data$Position[i] <- 0
}
}
# 情况B： 当前持有多头
else if(current_position == 1) {
# 检查离市信号： 收盘价下破10日最低
if(Cl(data)[i] < data$Low_10[i-1]) {
data$Position[i] <- 0
data$Entry_Price[i] <- NA
data$Stop_Loss[i] <- NA
}
# 检查止损信号： 收盘价下破止损位
else if(Cl(data)[i] < data$Stop_Loss[i-1]) {
data$Position[i] <- 0
data$Entry_Price[i] <- NA
data$Stop_Loss[i] <- NA
}
# 否则，保持多头持仓，并更新移动止损（只向上移动）
else {
data$Position[i] <- 1
data$Entry_Price[i] <- data$Entry_Price[i-1]
# 止损位只能向上移动，不能向下
data$Stop_Loss[i] <- max(data$Stop_Loss[i-1], Cl(data)[i] - 2 * data$N[i])
}
}
# 情况C： 当前持有空头
else if(current_position == -1) {
# 检查离市信号： 收盘价上破10日最高
if(Cl(data)[i] > data$High_10[i-1]) {
data$Position[i] <- 0
data$Entry_Price[i] <- NA
data$Stop_Loss[i] <- NA
}
# 检查止损信号： 收盘价上破止损位
else if(Cl(data)[i] > data$Stop_Loss[i-1]) {
data$Position[i] <- 0
data$Entry_Price[i] <- NA
data$Stop_Loss[i] <- NA
}
# 否则，保持空头持仓，并更新移动止损（只向下移动）
else {
data$Position[i] <- -1
data$Entry_Price[i] <- data$Entry_Price[i-1]
# 止损位只能向下移动，不能向上
data$Stop_Loss[i] <- min(data$Stop_Loss[i-1], Cl(data)[i] + 2 * data$N[i])
}
}
}
# 5. 计算策略收益率
# 策略收益： 持仓 * 资产的日收益率
data$Returns <- ROC(Cl(data)) * lag(data$Position, 1)
# 资产本身的收益率（作为基准）
data$Benchmark_Returns <- ROC(Cl(data))
# 6. 性能分析（只使用有数据的部分）
results_data <- na.omit(data['2010-02-01/2020-12-31'])
charts.PerformanceSummary(merge(results_data$Returns, results_data$Benchmark_Returns), main = "海龟交易系统 vs 买入持有")代码关键点解释：
-
指标计算： 使用
runMax/Min和ATR函数预计算所有需要的阈值。 -
状态跟踪： 使用
Position,Entry_Price, 和Stop_Loss列来跟踪虚拟交易者的状态。这是回测复杂系统所必需的。 -
信号逻辑： 循环中的
if-else结构严格遵循海龟规则，优先处理离市和止损，然后再考虑入场。 -
移动止损： 止损位在持仓期间是动态的，并且对于多头只会上移，对于空头只会下移，这锁定了利润。
-
收益率计算：
ROC函数计算收益率，乘以lag(Position)表示根据前一天的信号在当天开盘时交易。
进阶改进
这个基础版本可以进一步优化：
-
头寸规模： 在循环中加入账户权益和单位计算，实现真正的基于波动率的头寸管理。
-
系统二： 加入 55 日突破的系统二入市规则。
-
加仓： 实现海龟的 pyramiding（金字塔加仓）规则，在趋势中每 0.5N 有利变动时增加一个单位。
-
多资产组合： 将代码封装成函数，对多个资产进行回测，并统一进行资金管理。
-
交易成本： 在
Returns计算中减去买卖差价或佣金。
通过以上代码和分析，您就拥有了一个在 R 中实现和验证海龟交易系统的坚实基础。