海龟交易策略也叫唐奇安通道策略，是一个非常经典的策略，本质上就是通道突破策略。海龟策略起源于上世纪八十年代两个投资大师理查德丹尼斯和比尔的打赌，两人的分歧在于，优秀的交易者是否是可以训练出来的，理查德选了一些候选者，并教他们交易方法，称之为“海龟”，后来“海龟”们都取得了不俗的业绩，这套交易系统就是海龟交易系统。
原理：
海龟交易策略的建仓和加仓规模都与平均真实波幅有关（ATR）。实际上就是判断股价应该运行在一个通道内，如果突破一段时期内的最高价，则发出买入信号；如果跌破一段时期内的通道的最低价，则发出卖出信号，其实就一种突破策略。
额外考虑：
加入止损和仓位管理，添加一个加仓位置，并加入选股功能，测试时间覆盖整轮牛熊转换周期，由于原始策略是应用在期货交易上的，因此突破通道上轨可以做多，跌破通道下轨可以做空，而我这里是针对股票进行交易的，因此只能做多。
具体算法：
1.设置中期（20日）或长期（55日）突破通道，假设20日；
2.每天收盘后从股票池中判断该股票有没有突破近20个交易日的最高价的最大值，若突破了，则存入待买入股票列表，并根据20日ATR计算出止损位，并根据风险仓位，计算出可交易的股数；若股价跌破止损位，则列入卖出列表；若已有持股，且股价收盘价突破加仓点，则加仓，止损位提高1/2 ATR，根据当前收盘价和新的止损位，计算出可以加仓的数量。
3.开盘后，若买入列表中有待买入股票信息，则买入；若待卖出列表中有待卖出股票，则进行卖出
4.股票池从沪深300指数成分股中选择。
回测：
我用宁波银行和今世缘进行回测，可以看到收益是负的，我查了一下原因，发现是因为由于止损位和突破价格过于接近，原始策略中，止损位是由突破价格减去1/2的ATR，而可交易的数量是由可交易资金/（收盘价-止损位），计算出来的，因此这样会造成，一次性交易过多，而在下跌的时候放大了损失。
df = get_price(stockCode, count=6, end_date=current_dt)
attr = getATR(stockCode, g.N)
close_data = attribute_history(stockCode, g.N+1, '1d', ['close','open','high','low'])
don_stop = don_open - 1/2*attr
don_addpoint = don_open + 1/2*attr
if (df['close'][-1] > don_open) and (not isHoldStock(stockCode)):
## 存入待买入列表
buyMoney = context.portfolio.available_cash/len(g.stockList)
log.info('don_stop---------->',don_stop)
log.info('close----------->',df['close'][-1])
log.info('r----------->',df['close'][-1]-don_stop)
amount = (g.riskpercent*buyMoney/(df['close'][-1]-don_stop))
log.info('amount------------>',amount)
log.info('预估花费----------->',amount*df['close'][-1])
buy_object = {'stockCode':stockCode,'stopPrice':don_stop,'amount':amount}
g.buyStock.append(buy_object)
因此，我去掉了加仓的功能，仅仅采用了买入和卖出两个功能，并且把止损位的计算修改成了收盘价-ATR，并增加了止盈位的计算，也就是动态止损价，动态止损价=前一个交易日的最低价-5日ATR，也就是说如果今日收盘价比前一个交易日的最低点再减去5日平均波幅还低的话，认为这一段行情已经结束，止盈卖出。判断代码如下：
for stockCode in g.stockList:
df = get_price(stockCode, count=6, end_date=current_dt)
attr = getATR(stockCode, g.N)
close_data = attribute_history(stockCode, g.N+1, '1d', ['close','open','high','low'])
don_open = np.max(close_data['high'])
#don_stop = don_open - 1/2*attr
don_stop = df['close'][-1] - attr
don_addpoint = don_open + 1/2*attr
if (df['close'][-1] > don_open) and (not isHoldStock(stockCode)):
## 存入待买入列表
buyMoney = context.portfolio.available_cash/len(g.stockList)
log.info('don_stop---------->',don_stop)
log.info('close----------->',df['close'][-1])
log.info('r----------->',df['close'][-1]-don_stop)
amount = (g.riskpercent*buyMoney/(df['close'][-1]-don_stop))
log.info('amount------------>',amount)
log.info('预估花费----------->',amount*df['close'][-1])
buy_object = {'stockCode':stockCode,'stopPrice':don_stop,'amount':amount}
g.buyStock.append(buy_object)
## 持仓股跌破止损价或止盈价
for stock in g.currentStock:
df = get_price(stock['stockCode'], count=6, end_date=current_dt)
attr = getATR(stockCode, 5)
don_stop = df['low'][-2] - attr ## 动态止损价位，每日变化，前一日的最低价减去平均波幅
if (df['close'][-1] < stock['stopPrice'] or df['close'][-1] < don_stop):
log.info('--------------跌破动态止损价---------------')
g.sellStock.append(stock['stockCode'])
第二次回测，效果就比较好了，采用了2010-8-1到2021-2-1的区间进行回测，10年多时间收益为162.88%，平均年化9.92%，虽然不是暴涨，但是还算是比较稳定了，不过这也是针对宁波银行和今世缘的回测结果。
接下来，添加选股模块，从沪深300指数中选择业绩比较优秀的个股采用海龟策略进行交易，并把仓位扩大到3万，回测结果如下：
可见，策略可以在选股同时进行择时，2010-8-1至2021-2-1区间内，收益达到167.47%，平均年化10.11%，效果还是可以的。
总结：由于我做的是股票交易策略，因此在A股没有做空的选项，否则还可以在跌破20日最低价的时候开空单进行交易。由于原始策略应用在股票上效果一般，因此我进行了改造，把加仓步骤给省略了，仅仅进行买入和卖出操作，并把止盈变成了动态止损，并加入选股模型。
