A股市场中的“60日均线”交易法则，是一种最简单有效的系统交易法，其涵盖了整个交易的各个细节。而海龟交易法则作为特点鲜明的交易系统之一，其覆盖操作者主观决策的方方面面，包括了市场交易，仓位量级买卖，何时入市，如何止损，如何止盈，投资战术规划等。

1、何为海龟交易法则

海龟交易法则非常适用于期货市场。在股市中，同样适用，因为其几乎涵盖了所有能投资的市场。海龟交易策略的核心之一 —— 量化交易，近些年在投资者群体中倍受认可。对于量化交易机构投资者来说，其所需要做的基础工作很多。但这套系统交易法则并不复杂，只需操作者为其设置某个条件，并按照条件严格执行。

在实际操作中，具体表现为：投资者选择股票类型进行买入，确定购买的时机，仓位量与入市的时间点，设定成交量等。在买入之后，投资者需要确定自己止损点位置与数值，以及止盈预测。这是非常正确的交易顺序，广大投资者需要依据此策略进行投资。

作者写道，“我相信我之所以能够比其他的培训生更快更有信心地接受方法，甚至赚到的钱多于其他任何一个‘海龟’，我的背景是一个重要的原因。对于他们的方法和系统性交易的概念，我的信心从一开始就要强于其他的任何‘海龟’。他之所以相信我能成功，也有能力发挥出我在交易当中的潜力，我的这种信心也起到了重要的作用。我的背景使我能够做到其他‘海龟’做不到的，是严格遵守我们在两个星期的培训课中所学到的简单法则。”

2、价格波动的真正原因

股市中交易者的共同态度促使价格产生上下波动。人们在股票投资时，需要经常关注市场成交量的情况。而“海龟交易法则”表明，市场资金活跃度以及价格涨幅背后的风险都可以被量化。

投资高手永远把风险放在第一位，真正的成功投资者一定是尊重并敬畏市场的。但现实中依然存在一种现象：入门级投资者在刚进市场时所获得的收益容易比一些投资老手要多得多。这些新股民往往在牛市时进场。他们并不了解市场的规则，也不存在任何恐惧心理。所谓“无知者无畏”，就是如此。

作者写到，“价格的变动是取决于市场中所有买者和卖者的共同态度。这些买卖者就是我们所说的那些投机者和对冲者，想在一天内反复赚取微小买卖差价的人，想投机于一天内价格小幅变化的人，想投机于几个星期或几个月内价格的大幅变化的人，以及那些想规避经营风险的人。共同态度变了，价格就会变化。不管是什么原因，一旦卖者不再愿意以目前的价格卖出，而是想提高价格，买者又愿意接受这个更高的价格时，市场的价格就会上涨。同样，不管什么原因，一旦买者不再愿意接受目前的价格，而是想压低价格，卖者又愿意在这个更低的价格卖出时，市场价格就会下跌！”

3、投资风险的平衡与量化

价值投资者对“安全边际”这个名词非常敏感。“安全边际”的标准与范围因风险的量化而确定。这里提出一个“最大衰落”的概念。所谓“最大衰落”即：当出现获利回吐时，确定市场在时间与幅度上的最大回撤比。在A股市场中进行实操，投资者需要重点考虑：股票价格和交易时间是可以成反比的，股票震荡下跌时形势可能会延续两三年。

风险的量化也是投资者大概的估算，精确的预测反而会造成投资的失误，因此跟随趋势，做右侧的交易对普通投资者来说很重要。

左侧的交易一般适合于机构投资者，当整体市场趋势向好时，其庞大的资金量限制了其买进股票的机会，这两者是直接成正比的。而右侧的交易更适用于中小型投资者。股票由震荡筑底到扭转上升是有一个过程的，当市场上涨趋势明确显现时，投资者就可以从容进场了。

右侧的交易具备两点优势：一是大盘系统性风险减小，一是投资者选择股票的主动性增强。因此当资金量较小，且存在低风险交易时，请选择右侧交易。

在这里对机构投资者的建议是：如果自身增量较大，达到几千万甚至上亿资金，其对一部分已经跌进估值安全区域的个股进行分批建仓一点点买入，也是一个不错的策略！

4、心理偏差对交易行为的影响

众所周知，投资者在交易过程中如何控制好自己的情绪，对最终的交易结果至关重要。在市场最狂热的阶段投资者更需要冷静，但因“羊群效应”的影响，真正能做到逆向操作的人并不多。

股票价格的波动，往往酝酿着更大的机会，尤其是股市每一次大幅下跌，其都将成为一次最好的财富再分配运动。而这样的交易备受中长线投资者的青睐，毕竟其投资周期长，情绪也更平稳，这与短线投资者的操作习惯截然不同。

作者写到，“究竟是按最初的决定，在损失了10%的情况下退出，还是继续的持有呢？让我们来看一看认知偏差对这个决策会有怎样的影响。“割肉退出”对于一个有损失厌恶症的交易者来说是件极其痛苦的事，因为这会让损失变成板上钉钉的现实，他相信只要他坚持不退出，他就有机会等待市场的反弹，最终会失而复得。厌恶症的交易者考虑的不是市场下一步会怎么变化，而是怎么想办法避免让真金白银打了水漂，所以新手们决定继续持有手中的股票并不是因为他相信市场会反弹，而是因为他不想接受损失！”

5、投资风险的平衡与量化

很多时候，人们会对自己投资的股票抱有一种特殊的情感，使之难以抛弃该只股票，即便早早地兑现了利润，那只亏损的股票依然会出现名为“处置效应”的继续下跌形势。如果此刻投资者还有损失厌恶症的情绪，放弃不了投资的本金，那最后的投资结果很难可观。

以上的一切，皆是因为投资者选择被情绪支配而没有确定好自己的投资系统。海龟交易法则要求投资者严格按照系统程序来操作，但有时投资者受“认知偏差”的影响，无法按照该系统去实操。这些弱点都需要普通投资者努力克服。

对于如何克服，本书作者提出来三条原则：第一，一定要树立起最重要时机是现在这一意识。每一次交易结果无论胜负盈亏都已经变为过去式了，珍惜当下，不要总去后悔之前的选择。第二，一定要以概率角度来思考问题，普通投资者尽量不要去主观预测。第三，投资者不要经常去寻找一些客观原因来解释自己的投资失误，一定要对自己的交易结果负责。

如果每一位投资者都能经常反省自己这三点，相信会有更多的人克服各种心理偏差，对未来的投资判断给予巨大的帮助！

在A股市场中，普通投资者追涨杀跌的概率较大。但是，如果不带任何主观意愿，市场出现买入信号就买入，出现卖出信号就卖出；在特定条件下，需要按照法则要求加到最大仓位或最小仓位，也毫不犹豫的操作，这种具备高执行力的交易者与那些犹豫不决的操作者相比，最终的投资结果将会大不相同。

趋势交易的方法主要分为两类：

1、无选择地跟随趋势的交易方法。

2、有选择性的趋势交易方法。

无选择地跟随趋势的交易方法是指参照指标，按照一定的标准一直持有订单，不论行情向哪个方向走出趋势，都能够获得利润。例如《海龟交易法则》里面所讲的趋势交易的策略，另外《趋势交易法》这本书中所讲的，用通道线跟随趋势的交易方法也是一样。

这种做法的优点是操作的方法很简单，而且因为一直持有订单，不会错过行情。但也因为一直持有订单，在震荡行情会出现连续的止损，会亏损严重，导致交易者心态变差。

有选择性的趋势交易方法，是交易者使用指标筛选趋势行情进行交易。等行情符合了技术指标的要求，接下来行情有走趋势预期的时候，再进场交易。例如《趋势交易法》中，行情突破了趋势线，通道线和拐点确认反转，再交易反转之后的趋势。

有选择地进行交易，优点是可以避免在震荡行情里连续不断的止损，缺点是用指标筛选可能会错过趋势。

下面我用图表讲解这两种方法，更加清晰易懂一些。

1、无选择地跟随趋势的交易方法。

《海龟交易法则》第十章中的“双重移动均线系统”，这个交易系统的订单始终不离开市场，使用100和350两条均线。

我举一个例子，当100日均线上穿350日均线的时候买入，一直持有多单，直到100日均线下穿350日均线平掉多单，同时反手做空。空单进场之后，持有空单，直到100日均线上穿350日均线，平仓空单，同时开立多单。整个交易系统中，多单空单循环交替，从不中断。

大家看下方的示意图。

图中是“双重移动均线交易系统”的操作示意图，在图片左下方，100日均线上穿350日均线，进场做多，持有多单，直到上方形成100日均线向下击穿350日均线，平掉多单，同时做空。空单进场之后，均线再次向上交叉，订单由空转多，持有多单。直到图片中最右侧100日均线再次向下交叉，多单平仓，空单进场，交易系统就这样多空往复交替。

讲一下这种交易系统的注意事项：

（1）连续不断地交易，在震荡行情中，可能会出现比较严重的亏损情况，所以操作的时候，仓位一定要轻。

（2）选择一些趋势性比较强的品种进行交易，例如黄金原油等。

2、有选择性的趋势交易方法。

《趋势交易法》中讲解的方法是这样，当价格突破了趋势线，通道线和拐点的时候，确认趋势反转，只交易反转之后的趋势，其他时间不交易。

大家看下方的示意图。

图中是趋势交易法交易系统的示意图。价格上穿了1趋势线，2通道线和3拐点之后，就确认了原有下降趋势的反转，行情有了多头的预期。预期形成之后，等待行情回调企稳，形成反转的k线形态之后，进场做多。

因为行情需要经过筛选，这种交易的方式在一些V型反转快速的行情里，会失去进场的机会，错过趋势。

最后做一下总结。

今天这两种趋势交易的方法，我只是分享两种交易思路给到大家，并不是完善的交易系统，大家不要一上手就拿来做交易。

大家可以用自己比较熟悉的技术指标，根据这两种思路去组建自己的交易系统，一定要先复盘测试再实战。

这两种方法中，我更推荐第二种方法，因为无选择的趋势交易系统遇到衰败期的时候，持续的亏损会让人很难受，执行难度很大，对交易者的交易心理要求很高。第二种方法会过滤掉一部分震荡行情，衰败会更加温和，更利于执行。

1引言

对于纯多头或空头的方向性策略而言，只有当证券价格是均值回归或趋势的，交易策略才能盈利。否则，如果价格是随机游走的，交易将无利可图（法玛有效市场假说）。换句话说，目前各种纷繁复杂的所谓量化策略大都可以归结为均值回归或趋势追踪策略。趋势追踪策略认为价格会沿着一定的趋势继续走，也常称为“惯性”或“动量”策略，很多技术指标就是基于动量的思想来设定的。今天为大家介绍著名的趋势交易策略——“海龟交易法则”，着重介绍如何使用Python对海龟的交易规则进行量化回测，尤其是对Pandas的综合运用。关于海龟原理的详细介绍和相关轶事感兴趣的可阅读原书和网上相关资料，在微信公众号后台回复“海龟交易”可下载《海龟交易法则》高清中文PDF。

2海龟交易法则简介

海龟交易法则可以认为是一个完整的交易系统，具备一个完整的交易系统所应该有的所有成分，包括市场、入市、头寸规模、止损/止盈、退出、买卖策略等：

市场：买卖什么？

头寸规模：买卖多少？

入市：什么时候买卖？

止损：什么时候放弃一个亏损的头寸？

离市：什么时候退出一个盈利的头寸？

策略：如何买卖？

趋势追踪——唐奇安通道

海龟交易法则利用唐奇安通道的突破点作为买卖信号指导交易，简单而言唐奇安通道是由一条上轨线、中线和下线组成，上轨线由N1日内最高价构成，下轨线由N2日内最低价计算，当价格冲破上轨是可能的买入信号，反之，冲破下轨时是可能的卖出信号。

买卖单位及首次建仓

海龟交易系统本质上是一个趋势跟随的系统，但是最值得学习的是资金管理尤其是分批建仓及动态止损的部分。书中提到了N值仓位管理法，其中N值与技术指标平均真实波幅 ATR计算类似。ATR是真实波幅TR的20日平均值，而TR是当前交易日最高价和最低价之差 、前一交易日收盘价与当前交易日最高价之差、前一交易日收盘价与当前交易日最低价之差三者中的最大值，用公式表示为：

TR=Max(High−Low,abs(High−PreClose),abs(PreClose−Low))，技术指标库TA-Lib提供了直接计算ATR的函数。

建仓单位：

Unit=（1%∗账户总资金）/N

首次建仓的时候，当捕捉到趋势，即价格突破唐奇安上轨时，买入1个unit。其意义就是，让一个N值的波动与你总资金1%的波动对应，如果买入1unit单位的资产，当天震幅使得总资产的变化不超过1%。

例如：

现在你有1万元资金，1%波动就是100元。假如某股票的N（ATR）值为0.1元，100÷0.1元=1000股。也就是说，你的第一笔仓位应该是在其突破上轨（假设为3元）时立刻买入1000股，耗资3000元。

动态止损或清仓条件

当股价跌破10日唐奇安通道下沿，清空头寸结束本次交易。当价格比最后一次买入价格下跌2N时，则卖出全部头寸止损。

接上面的例子，最后一次加仓价格为3.2。假如此时N值0.2元。当价格下跌到 3.2 - 2*0.2 = 2.8元时，清仓。持仓成本为 （3+3.1+3.2）*1000/3000 = 3.1元。此时亏损 （3.1-2.8）*3000 = 900元， 对于1万来说 这波亏损9%。

原始的海龟交易采用唐奇安通道来追踪趋势，在趋势比较明显的行情表现不错，但是在震荡的行情中效果不佳，当然这是所有趋势型策略的通病。下面着重使用Python对唐奇安通道进行可视化，并利用简化版的海龟交易法则进行简单的历史回测。

2

3海龟交易规则Python实现

#先引入后面可能用到的包（package） import pandas as pd import numpy as np import talib as ta from datetime import datetime,timedelta import matplotlib.pyplot as plt %matplotlib inline #正常显示画图时出现的中文和负号 from pylab import mpl mpl.rcParams['font.sans-serif']=['SimHei'] mpl.rcParams['axes.unicode_minus']=False #使用tushare获取交易数据 #设置token import tushare as ts #注意token更换为你在tushare网站上获取的 token='输入你的token' pro=ts.pro_api(token) index={'上证综指': '000001.SH', '深证成指': '399001.SZ', '沪深300': '000300.SH', '创业板指': '399006.SZ', '上证50': '000016.SH', '中证500': '000905.SH', '中小板指': '399005.SZ', '上证180': '000010.SH'} #获取当前交易的股票代码和名称 def get_code(): df = pro.stock_basic(exchange='', list_status='L') codes=df.ts_code.values names=df.name.values stock=dict(zip(names,codes)) #合并指数和个股成一个字典 stocks=dict(stock,**index) return stocks #获取行情数据 def get_daily_data(stock,start,end): #如果代码在字典index里，则取的是指数数据 code=get_code()[stock] if code in index.values(): df=pro.index_daily(ts_code=code,start_date=start, end_date=end) #否则取的是个股数据 else: df=pro.daily(ts_code=code, adj='qfq',start_date=start, end_date=end) #将交易日期设置为索引值 df.index=pd.to_datetime(df.trade_date) df=df.sort_index() #计算收益率 df['ret']=df.close/df.close.shift(1)-1 return df

下面以沪深300指数为例，对唐奇安通道和买卖突破信号进行可视化。

hs=get_daily_data('沪深300','20180101','')[['close','open','high','low','vol']] #最近N1个交易日最高价 hs['up']=ta.MAX(hs.high,timeperiod=20).shift(1) #最近N2个交易日最低价 hs['down']=ta.MIN(hs.low,timeperiod=10).shift(1) #每日真实波动幅度 hs['ATR']=ta.ATR(hs.high,hs.low,hs.close,timeperiod=20) hs.tail()

下面使用简化版的海龟交易法则进行历史回测，即不考虑仓位管理和动态止损/止盈条件，以唐奇安通道突破作为买入卖出信号。

交易规则为：

（1）当今天的收盘价，大于过去20个交易日中的最高价时，以收盘价买入；

（2）买入后，当收盘价小于过去10个交易日中的最低价时，以收盘价卖出。

def my_strategy(data): x1=data.close>data.up x2=data.close.shift(1)<data.up.shift(1) x=x1&x2 y1=data.close<data.down y2=data.close.shift(1)>data.down.shift(1) y=y1&y2 data.loc[x,'signal']='buy' data.loc[y,'signal']='sell' buy_date=(data[data.signal=='buy'].index).strftime('%Y%m%d') sell_date=(data[data.signal=='sell'].index).strftime('%Y%m%d') buy_close=data[data.signal=='buy'].close.round(2).tolist() sell_close=data[data.signal=='sell'].close.round(2).tolist() return (buy_date,buy_close,sell_date,sell_close) #对K线图和唐奇安通道进行可视化 from pyecharts import * grid = Grid() attr=[str(t) for t in hs.index.strftime('%Y%m%d')] v1=np.array(hs.loc[:,['open','close','low','high']]) v2=np.array(hs.up) v3=np.array(hs.down) kline = Kline("沪深300唐奇安通道",title_text_size=15) kline.add("K线图", attr, v1.round(1),is_datazoom_show=True,) # 成交量 bar = Bar() bar.add("成交量", attr, hs['vol'],tooltip_tragger="axis", is_legend_show=False, is_yaxis_show=False, yaxis_max=5*max(hs["vol"])) line = Line() line.add("上轨线", attr, v2.round(1),is_datazoom_show=True, is_smooth=True,is_symbol_show=False,line_width=1.5) line.add("下轨线", attr, v3.round(1),is_datazoom_show=True, is_smooth=True,is_symbol_show=False,line_width=1.5) #添加买卖信号 bd,bc,sd,sc=my_strategy(hs) es = EffectScatter("buy") es.add( "sell", sd, sc, ) es.add("buy", bd, bc,symbol="triangle",) overlap = Overlap(width=2000, height=600) overlap.add(kline) overlap.add(line) overlap.add(bar,yaxis_index=1, is_add_yaxis=True) overlap.add(es) grid.add(overlap, grid_right="10%") grid

（注：运行上述代码得到的是动态交互图，可调整时间区间）

#关掉pandas的warnings pd.options.mode.chained_assignment = None def strategy(stock,start,end,N1=20,N2=10): df=get_daily_data(stock,start,end) #最近N1个交易日最高价 df['H_N1']=ta.MAX(df.high,timeperiod=N1) #最近N2个交易日最低价 df['L_N2']=ta.MIN(df.low,timeperiod=N2) #当日收盘价>昨天最近N1个交易日最高点时发出信号设置为1 buy_index=df[df.close>df['H_N1'].shift(1)].index df.loc[buy_index,'收盘信号']=1 #将当日收盘价<昨天最近N2个交易日的最低点时收盘信号设置为0 sell_index=df[df.close<df['L_N2'].shift(1)].index df.loc[sell_index,'收盘信号']=0 df['当天仓位']=df['收盘信号'].shift(1) df['当天仓位'].fillna(method='ffill',inplace=True) d=df[df['当天仓位']==1].index[0]-timedelta(days=1) df1=df.loc[d:].copy() df1['ret'][0]=0 df1['当天仓位'][0]=0 #当仓位为1时，买入持仓，当仓位为0时，空仓，计算资金净值 df1['策略净值']=(df1.ret.values*df1['当天仓位'].values+1.0).cumprod() df1['指数净值']=(df1.ret.values+1.0).cumprod() df1['策略收益率']=df1['策略净值']/df1['策略净值'].shift(1)-1 df1['指数收益率']=df1.ret total_ret=df1[['策略净值','指数净值']].iloc[-1]-1 annual_ret=pow(1+total_ret,250/len(df1))-1 dd=(df1[['策略净值','指数净值']].cummax()-df1[['策略净值','指数净值']])/df1[['策略净值','指数净值']].cummax() d=dd.max() beta=df1[['策略收益率','指数收益率']].cov().iat[0,1]/df1['指数收益率'].var() alpha=(annual_ret['策略净值']-annual_ret['指数净值']*beta) exReturn=df1['策略收益率']-0.03/250 sharper_atio=np.sqrt(len(exReturn))*exReturn.mean()/exReturn.std() TA1=round(total_ret['策略净值']*100,2) TA2=round(total_ret['指数净值']*100,2) AR1=round(annual_ret['策略净值']*100,2) AR2=round(annual_ret['指数净值']*100,2) MD1=round(d['策略净值']*100,2) MD2=round(d['指数净值']*100,2) S=round(sharper_atio,2) df1[['策略净值','指数净值']].plot(figsize=(15,7)) plt.title('海龟交易策略简单回测',size=15) bbox = dict(boxstyle="round", fc="w", ec="0.5", alpha=0.9) plt.text(df1.index[int(len(df1)/5)], df1['指数净值'].max()/1.5, f'累计收益率：\ 策略{TA1}%，指数{TA2}%;\n年化收益率：策略{AR1}%，指数{AR2}%；\n最大回撤： 策略{MD1}%，指数{MD2}%;\n\ 策略alpha: {round(alpha,2)}，策略beta：{round(beta,2)}; \n夏普比率： {S}',size=13,bbox=bbox) plt.xlabel('') ax=plt.gca() ax.spines['right'].set_color('none') ax.spines['top'].set_color('none') plt.show() #return df1.loc[:,['close','ret','H_N1','L_N2','当天仓位','策略净值','指数净值']]

下面对上证综指、沪深300、创业板指数、中国平安、东方通信和贵州茅台进行简单回测，看看海龟交易规则唐奇安的择时效果如何，具体指标看图。

strategy('上证综指','20050101','')

strategy('沪深300','','')

strategy('创业板指','','')

strategy('沪深300','20180101','')

strategy('中国平安','20050101','',N1=20,N2=10)

strategy('东方通信','20130101','',N1=20,N2=10)

strategy('贵州茅台','20050101','',N1=20,N2=10)

上述回测没有考虑使用N值的仓位管理和动态止损，下面是在万矿平台上加入了仓位管理进行回测，与上面简单使用Pandas的回测框架相比（图形比较丑陋），贵州茅台的各项回测指标看上去更理想了，最大回撤也只有21%。具体实现代码可参考万矿平台社区上面的分享。此外，聚宽、优矿等量化平台上也提供了相应了策略回测模板，实现代码大同小异，感兴趣的可以进一步了解。

4结语

本文简要介绍了海龟交易法则的基本原理，使用Python对其买卖信号进行了可视化分析，并利用Pandas对相关指数和个股运用简化版的海龟交易规则进行了历史回测。由回测结果可看出，该简化的趋势追踪策略对于某些标的在某些区间效果表现不错，但对于某些标的或某些时期则效果不佳。当然，本文旨在回顾经典策略，展示Pandas在金融量化分析的综合运用，为Python在金融量化中的运用起到抛砖引玉的效果，不作出任何选股或策略推荐。值得注意的是，任何策略都具有一定的局限性，尤其是知道和使用该策略的交易者多了，其作用自然比该理念刚出现的的效果差得多。正如技术分析指标，刚出现的时候很有效，但被大家所熟知或应用后，自然效用就大打折扣（相对于多因子模型中的Alpha被大家挖掘后渐渐成了risk factor）。但所谓新理念、新策略一定是站在前人的肩膀上，因此不能因为经典策略回测效果不佳而全盘否定，如何改进、细化和升级，使之更适合当下的市场才是我们要面对的问题。

关于Python金融量化

专注于分享Python在金融量化领域的应用。加入知识星球，可以免费获取30多g的量化投资视频资料、量化金融相关PDF资料、公众号文章Python完整源码、量化投资前沿分析框架，与博主直接交流、结识圈内朋友等。

我们今天讲一个非常有名的案例，叫做海龟交易法则。

这个案例不仅仅可以当故事来听，它本身也是一个非常著名的交易策略。无论是做量化交易的人，还是做主观交易的人，都有必要从这个交易法则里汲取它的养分，了解它的细节，并且把它有机的应用到自己职业生涯的实践当中。

海龟交易法源于全世界最著名的期货投机家理查德·丹尼斯和他的好朋友比尔·埃克哈特的一场争论——杰出的交易者究竟是天生的还是培养出来的。丹尼斯相信他几乎可以把任何一个人变为优秀的交易者，埃克哈特则认为这是一种天赋问题，不是培养问题。

▲ 理查德·丹尼斯

于是这两位朋友就打了一个赌，他们在《巴伦式》、《华尔街期刊》和《纽约时报》刊登了大幅广告，招聘交易学员。

1000名的申请人中，他选择了其中80位进行了会面，又从中挑选了10人。后来这个名单变成了了13人，所增加的3人是他们以前就认识的朋友。

1983年12月底，学员被邀请到芝加哥进行两周的培训。为什么是芝加哥呢？因为当时的CME CBOT（芝加哥商业交易所）都在芝加哥。到1984年1月初，开始用小账户进行交易。2月初，主办方为大多数人提供了50万至200万美元的资金账户。

那怎么测试呢？他们当时就传授了一个交易法则就是——海龟交易法则。

海归实验策略：

海归实验：策略

入场：20日唐齐安通道

仓位：100倍的ATR资金对应1手

加仓：建仓后朝有利方向运动0.5个ATR加仓1手，最多4手

止损：不利方向2倍ATR止损

再次入场：55日唐齐安通道

唐安奇通道由两条线夹成。上面的线是由过去N天的当日最高价的最大值形成。下面的线由过去N天的日最低价的最小值形成。有时候有一条中间线，是上下两条线取平均形成。Donchian发明这个方法的时候把N设成20。

仓位是一百倍的ATR的资金对应一手，这里大家不用关注ATR，我在下一节课会给大家进行ATR指标的简单讲述。

总之我开一手的商品，我就大概得需要不少的资金，保证我的风险是可控的，就开一手。开了之后，如果说市场朝着我持仓们有利的方向走，走上0.5倍的ATR，我就加仓一手；继续走，继续加，加到四手为止。

如果市场走势不随人愿，朝反方向走，那怎么办？

前面说过的避免交易之五难，应用交易之五宝。就直接止损就好了，不利方向走了两倍的ATR，止损。止损之后再等着下次，再严格一点，价格突破五十五日的唐齐安通道再继续入场。

海归实验结果：

海龟成为交易史上最著名的实验，因为在随后四年中，学员取得了年均复利80%的收益。

这就是职业交易的魅力，这就是系统化思维的魅力。

像丹尼斯这样大神迹的人，最后把它总结成一个现成的系统，用一种固化的系统来规避交易之五难，来挖掘交易之五保的时候形成的匪夷所思的成绩。

好，今天的分享就到这里，祝各位投资顺利。

上一篇：二胎概念股(二胎概念股一般多少钱)

下一篇：福晶公司生产线(福晶公司工资)