[关闭]
@Channelchan 2018-11-28T10:04:57.000000Z 字数 13317 阅读 63535

仓位管理-fixed_loss

一、固定损失加仓法基础版

二、固定损失加仓法激进版

三、固定损失加仓法保守版

1.固定损失加仓法基础版

盈利加仓模型的一个缺点是加仓后把成本拉高，亏损几率增加。

固定损失加仓法：

（1）每次加仓都是固定仓位，为开仓的手数。

（2）第一次加仓后如果产生亏损并且总盈利变成0，则出场，停止这次交易，保证第一次加仓不会产生亏损

（3）若成功加仓，成功进行第二次加仓，使用第一次加仓与第二次加仓的总手数计算盈利率，如果等于0，则出场停止交 易，因为是固定手数，所以从第二次加仓开始，策略总能保持第一笔交易的盈利。

见 onBar ‘固定损失加仓模块’

用参数 nPos 控制加仓次数，参数 Ratio 控制加仓的进场位置，参数fixsize控制最大仓位手数

每次加仓手数为fixsize

算法如下（这里以盈利/亏损2%举例）：

if 持多头仓位 and 当前加仓次数 nPos < 3：

if 加仓次数大于等于1：

    if 上一次加仓亏损1%：

        sell 全部多头头寸

if 盈利率达到2%：

    nPos = nPos+1

    加仓fixsize手

elif 持空头仓位 and 当前加仓次数 nPos < 3：

if 加仓次数大于等于1：

    if 上一次加仓亏损1%：

        cover 全部空头头寸

if 盈利率达到2%：

    nPos = nPos+1

    加仓fixsize手

当执行平仓信号，将 nPos 重置为 0

if 持有多头仓位 and 死叉：

nPos = 0

elif 持有空头仓位 and 金叉：

nPos = 0

  1. ## 大的价格除以小的价格减1
  2. lastOrder=self.transactionPrice[symbol]
  3. ## 多头亏损大于一个百分比
  4. (self.transactionPrice[symbol] - bar.close)/bar.close
  5. = lastOrder/bar.close-1
  7. ## 多头盈利大于一个百分比
  8. (bar.close-self.transactionPrice[symbol])/self.transactionPrice[symbol]
  9. = bar.close/lastOrder-1
  11. ## 空头亏损大于一个百分比
  12. (bar.close - self.transactionPrice[symbol])/self.transactionPrice[symbol]
  13. = bar.close/lastOrder-1
  15. ## 空头盈利大于一个百分比
  16. (self.transactionPrice[symbol] - bar.close)/bar.close
  17. = lastOrder/bar.close-1
  1. # 设置参数
  2.     nPos = 0
  3.     fixsize = 100
  4.     transactionPrice = {}
  5.     Ratio = 0.02   
  6. # 设置变量
  7.     self.transactionPrice = {s: 0 for s in self.symbolList}
  9. #在onBar中添加:
  10.         lastOrder=self.transactionPrice[symbol]
  11.     # 固定损失加仓模块______________________________________
  13.         if (self.posDict[symbol+'_LONG']!=0 and self.nPos < 3):    # 持有多头仓位并且加仓次数不超过3次
  14.             if self.nPos >= 1:   # 上一次的加仓之后亏损达到原来盈利比例的一半
  15.                 if lastOrder/bar.close-1 >= self.Ratio/2: 
  16.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG']) # 全部头寸出场
  17.             if bar.close/lastOrder-1>= self.Ratio:   # 计算盈利比例,达到2%
  18.                 self.nPos += 1  # 加仓次数减少 1 次
  19.                 self.buy(symbol,bar.close*1.02,self.fixsize)  # 加仓数量固定fixsize
  21.         elif (self.posDict[symbol + "_SHORT"] != 0 and self.nPos < 3):    # 持有空头仓位并且加仓次数不超过3次
  22.             if self.nPos >= 1:   # 上一次的加仓之后亏损达到原来盈利比例的一半
  23.                 if bar.close/lastOrder-1>= self.Ratio/2:
  24.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT']) # 全部头寸出场
  25.             if lastOrder/bar.close-1 >= self.Ratio:   # 计算盈利比例,达到2%
  26.                 self.nPos += 1  # 加仓次数减少 1 次
  27.                 self.short(symbol,bar.close*0.98,self.fixsize)  # 加仓数量固定fixsize

2.固定损失加仓法激进版

盈利加仓模型的一个缺点是加仓后把成本拉高，亏损几率增加。

固定损失加仓法激进版：

（1）每次加仓都是当前仓位的手数，因此每次加仓后总仓位都变成加仓前的2倍（proportion倍）

（2）每一次加仓后如果产生亏损并且总盈利变成0，则出场，停止这次交易，保证加仓不会产生亏损，但有损失所有盈利的风险

见 onBar ‘固定损失加仓激进版模块’

用参数 nPos 控制加仓次数，参数 Ratio 控制加仓的进场位置，参数fixsize控制最大仓位手数，参数proportion控制每一次加仓的数量，即加仓后是加仓前的倍数，参数add_fixsize为每一次加仓的手数。

算法如下（这里以盈利/亏损2%举例）：

if 持多头仓位 and 当前加仓次数 nPos< 3：

if 加仓次数大于等于1：

    if 所有盈利回测100%：

        sell 全部多头头寸

if 盈利率达到2%：

    nPos = nPos+1

    add_fixsize(加仓手数) = fixsize*proportion(加仓后总仓位) - self.fixsize(当前仓位)

    加仓add_fixsize手

    self.fixsize(更新当前仓位) = add_fixsize + self.fixsize

elif 持空头仓位 and 当前加仓次数 nPos< 3：

if 加仓次数大于等于1：

    if 所有盈利回测100%：

        cover 全部多头头寸

if 盈利率达到2%：

    nPos = nPos+1

    add_fixsize(加仓手数) = fixsize*proportion(加仓后总仓位) - self.fixsize(当前仓位)

    加仓add_fixsize手

    self.fixsize(更新当前仓位) = add_fixsize + self.fixsize

当执行平仓信号，将 nPos 重置为 0

if 持有多头仓位 and 死叉：

nPos = 0

elif 持有空头仓位 and 金叉：

nPos = 0

  1. # 设置参数
  2.     nPos = 0
  3.     fixsize = 100
  4.     transactionPrice = {}
  5.     Ratio = 0.02
  6.     proportion = 2    
  8. # 设置变量    
  9.     self.transactionPrice = {s: 0 for s in self.symbolList}
  11. #在onBar中添加:    
  12.         lastOrder=self.transactionPrice[symbol]
  13.     # 固定损失加仓激进版模块______________________________________
  14.         if (self.posDict[symbol+'_LONG']!=0 and self.nPos < 3):    # 持有多头仓位并且加仓次数不超过3次
  15.             if self.nPos >= 1: # 上一次的加仓亏损达到原来盈利比例的 1/proportion 倍
  16.                 if lastOrder/bar.close-1 >= self.Ratio/self.proportion: 
  17.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG'])
  18.             if bar.close/lastOrder-1>= self.Ratio:   # 计算盈利比例,达到2%
  19.                 self.nPos += 1  # 加仓次数减少 1 次
  20.                 add_fixsize = self.fixsize*self.proportion - self.fixsize
  21.                 self.buy(symbol,bar.close*1.02, add_fixsize)  # 加仓数量
  22.                 self.fixsize = add_fixsize + self.fixsize
  23.         elif (self.posDict[symbol + "_SHORT"] != 0 and self.nPos < 3):    # 持有空头仓位并且加仓次数不超过3次
  24.             if self.nPos >= 1: # 上一次的加仓亏损达到原来盈利比例的 1/proportion 倍
  25.                 if bar.close/lastOrder-1>= self.Ratio/self.proportion:
  26.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT'])
  27.             if lastOrder/bar.close-1 >= self.Ratio:   # 计算盈利比例,达到2%
  28.                 self.nPos += 1  # 加仓次数减少 1 次
  29.                 add_fixsize = self.fixsize*self.proportion - self.fixsize
  30.                 self.short(symbol,bar.close*0.98,self.fixsize)  # 目标仓位100手，分别加仓25手、20手、15手，10手
  31.                 self.fixsize = add_fixsize + self.fixsize

3.固定损失加仓法保守版

固定损失加仓法激进版在加仓的同时有损失盈利的风险。优化版本如下

固定损失加仓法保守版：

（1）在激进版的基础上，每一次正方向加仓同时，往反方向加2/1仓位，若发生回撤时，则反方向的仓位能盈利，若继续往正方向，则平掉反方向的头寸

见 onBar ‘固定损失加仓保守版模块’

用参数 nPos 控制加仓次数，参数 Ratio 控制加仓的进场位置，参数fixsize控制最大仓位手数，参数proportion控制每一次加仓的数量，即加仓后是加仓前的倍数，参数add_fixsize为每一次加仓的手数。

算法如下（这里以盈利/亏损2%举例）：

if 持多头仓位 and 当前加仓次数 nPos < 3：

if 加仓次数大于等于1：

    if 所有盈利回测100%：

        sell 全部多头头寸

        cover 全部空头头寸

if 盈利率达到2%：

    nPos = nPos+1

    add_fixsize(加仓手数) = fixsize*proportion(加仓后总仓位) - self.fixsize(当前仓位)

    多头加仓 add_fixsize 手

    空头开仓 add_fixsize/2 手

    self.fixsize(更新当前仓位) = add_fixsize + self.fixsize

elif 持空头仓位 and 当前加仓次数 < 3：

if 加仓次数大于等于1：

    if 所有盈利回测100%：

        cover 全部空头头寸

        sell 全部多头头寸

if 盈利率达到2%：

    nPos = nPos+1

    add_fixsize(加仓手数) = fixsize*proportion(加仓后总仓位) - self.fixsize(当前仓位)

    空头加仓 add_fixsize 手

    多头开仓 add_fixsize/2 手

    self.fixsize(更新当前仓位) = add_fixsize + self.fixsize

当执行平仓信号，将 nPos 重置为 0

if 持有多头仓位 and 死叉：

nPos = 0

elif 持有空头仓位 and 金叉：

nPos = 0

  1. # 设置参数
  2.     nPos = 0
  3.     fixsize = 100
  4.     transactionPrice = {}
  5.     Ratio = 0.02
  6.     proportion = 2
  7. # 设置变量    
  8.     self.transactionPrice = {s: 0 for s in self.symbolList}
  10. #在onBar中添加:
  11.         lastOrder=self.transactionPrice[symbol]
  12.         # 固定损失加仓保守版模块______________________________________
  13.         if (self.posDict[symbol+'_LONG']!=0 and self.nPos < 3):    # 持有多头仓位并且加仓次数不超过3次
  14.             if self.nPos >= 1: # 上一次的加仓亏损达到原来盈利比例的 1/proportion 倍
  15.                 if lastOrder/bar.close-1 >= self.Ratio/self.proportion: 
  16.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG'])
  17.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT'])
  18.                 elif bar.close/firstOrder-1>= self.Ratio/self.proportion:
  19.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT'])
  20.             if bar.close/lastOrder-1>= self.Ratio:   # 计算盈利比例,达到2%
  21.                 self.nPos += 1  # 加仓次数减少 1 次
  22.                 add_fixsize = self.fixsize*self.proportion - self.fixsize
  23.                 self.buy(symbol,bar.close*1.02, add_fixsize)  # 加仓数量为
  24.                 self.short(symbol,bar.close*0.98, add_fixsize/2)
  25.                 self.fixsize = add_fixsize + self.fixsize
  27.         elif (self.posDict[symbol + "_SHORT"] != 0 and self.nPos < 3):    # 持有空头仓位并且加仓次数不超过3次
  28.             if self.nPos >= 1: # 上一次的加仓亏损达到原来盈利比例的 1/proportion 倍
  29.                 if bar.close/lastOrder-1>= self.Ratio/self.proportion:
  30.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT'])
  31.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG'])
  32.                 elif lastOrder/bar.close-1 >= self.Ratio/self.proportion: 
  33.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG'])
  34.             if lastOrder/bar.close-1 >= self.Ratio:   # 计算盈利比例,达到2%
  35.                 self.nPos += 1  # 加仓次数减少 1 次
  36.                 add_fixsize = self.fixsize*self.proportion - self.fixsize
  37.                 self.short(symbol,bar.close*0.98,self.fixsize)  # 目标仓位100手，分别加仓25手、20手、15手，10手
  38.                 self.buy(symbol,bar.close*1.02, add_fixsize)
  39.                 self.fixsize = add_fixsize + self.fixsize

固定损失加仓案例

  1. """
  2. 固定损失加仓，这里的Demo是一个最简单的双均线策略实现
  3. """
  5. from __future__ import division
  6. from vnpy.trader.vtConstant import *
  7. from vnpy.trader.app.ctaStrategy.ctaBarManager import CtaTemplate
  8. import numpy as np
  9. import talib as ta
  10. from datetime import timedelta
  12. ########################################################################
  13. # 策略继承CtaTemplate
  14. class DoubleMaStrategy(CtaTemplate):
  15.     """双指数均线策略Demo"""
  16.     className = 'DoubleMaStrategy'
  17.     author = 'ChannelCMT'
  19.     # 策略参数
  20.     barPeriod = 200
  21.     fastWindow = 60     # 快速均线参数
  22.     slowWindow = 120     # 慢速均线参数
  24.     # 参数列表，保存了参数的名称
  25.     paramList = ['name',
  26.                  'className',
  27.                  'author',
  28.                  'fastWindow',
  29.                  'slowWindow']    
  31.     # 变量列表，保存了变量的名称
  32.     varList = ['barPeriod']  
  33.     nPos = 0
  34.     fixsize = 100
  35.     transactionPrice = {}
  36.     Ratio = 0.02
  37.     # 同步列表，保存了需要保存到数据库的变量名称
  38.     syncList = ['posDict', 'eveningDict']
  40.     #----------------------------------------------------------------------
  41.     def __init__(self, ctaEngine, setting):
  42.         # 首先找到策略的父类（就是类CtaTemplate），然后把DoubleMaStrategy的对象转换为类CtaTemplate的对象
  43.         super().__init__(ctaEngine, setting)
  45.     #----------------------------------------------------------------------
  46.     def onInit(self):
  47.         """初始化策略（必须由用户继承实现）"""
  48.         self.writeCtaLog(u'双EMA演示策略初始化')
  50.         # 生成Bar数组
  51.         self.setArrayManagerSize(self.barPeriod)
  52.         self.transactionPrice = {s: 0 for s in self.symbolList}
  55.         self.mail("chushihuaaaaaaaaaaaaaaaaaaaaaaaaa")
  56.         self.putEvent()
  58.     #----------------------------------------------------------------------
  59.     def onStart(self):
  60.         """启动策略（必须由用户继承实现）"""
  61.         self.writeCtaLog(u'双EMA演示策略启动')
  62.         self.putEvent()
  64.     #----------------------------------------------------------------------
  65.     def onStop(self):
  66.         """停止策略（必须由用户继承实现）"""
  67.         self.writeCtaLog(u'策略停止')
  68.         self.putEvent()
  70.     #----------------------------------------------------------------------
  71.     def onTick(self, tick):
  72.         """收到行情TICK推送（必须由用户继承实现）"""
  73.         pass
  75.     #----------------------------------------------------------------------
  76.     def onBar(self, bar):
  77.         """收到Bar推送（必须由用户继承实现）"""
  78.         symbol = bar.vtSymbol
  79.         lastOrder=self.transactionPrice[symbol]
  80.     # 固定损失加仓模块______________________________________
  82.         if (self.posDict[symbol+'_LONG']!=0 and self.nPos < 3):    # 持有多头仓位并且加仓次数不超过3次
  83.             if self.nPos >= 1:   # 上一次的加仓之后亏损达到原来盈利比例的一半
  84.                 if lastOrder/bar.close-1 >= self.Ratio/2: 
  85.                     self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG']) # 全部头寸出场
  86.             if bar.close/lastOrder-1>= self.Ratio:   # 计算盈利比例,达到2%
  87.                 self.nPos += 1  # 加仓次数减少 1 次
  88.                 self.buy(symbol,bar.close*1.02,self.fixsize)  # 加仓数量固定fixsize
  90.         elif (self.posDict[symbol + "_SHORT"] != 0 and self.nPos < 3):    # 持有空头仓位并且加仓次数不超过3次
  91.             if self.nPos >= 1:   # 上一次的加仓之后亏损达到原来盈利比例的一半
  92.                 if bar.close/lastOrder-1>= self.Ratio/2:
  93.                     self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT']) # 全部头寸出场
  94.             if lastOrder/bar.close-1 >= self.Ratio:   # 计算盈利比例,达到2%
  95.                 self.nPos += 1  # 加仓次数减少 1 次
  96.                 self.short(symbol,bar.close*0.98,self.fixsize)  # 加仓数量固定fixsize
  99.         # 发出状态更新事件
  100.         self.putEvent()
  102.     def on30MinBar(self, bar):
  103.         """30分钟K线推送"""
  104.         symbol = bar.vtSymbol
  106.         am30 = self.getArrayManager(symbol, "30m")
  108.         if not am30.inited:
  109.             return
  111.         # 计算策略需要的信号-------------------------------------------------
  112.         fastMa = ta.EMA(am30.close, self.fastWindow)        
  113.         slowMa = ta.EMA(am30.close, self.slowWindow)
  115.         crossOver = fastMa[-1]>slowMa[-1] and fastMa[-2]<=slowMa[-2]     # 金叉上穿
  116.         crossBelow = fastMa[-1]<slowMa[-1] and fastMa[-2]>=slowMa[-2]   # 死叉下穿
  118.         if crossOver:
  119.             print('crossOver:',crossOver)
  120.         elif crossBelow:
  121.             print('crossBelow:',crossBelow)
  123.         # 构建进出场逻辑-------------------------------------------------
  124.         # 金叉和死叉的条件是互斥
  125.         if crossOver:
  126.             # 如果金叉时手头没有持仓，则直接做多
  127.             if (self.posDict[symbol+'_LONG']==0) and (self.posDict[symbol+'_SHORT']==0):
  128.                 self.buy(symbol, bar.close*1.02, self.fixsize*0.3)
  129.             # 如果有空头持仓，则先平空，再做多
  130.             elif self.posDict[symbol+'_SHORT'] >0:
  131.                 self.cancelAll()
  132.                 self.cover(symbol,bar.close*1.02, self.posDict[symbol+'_SHORT'])
  133.                 self.nPos = 0
  134.                 self.buy(symbol,bar.close*1.02, self.fixsize*0.3)
  136.         # 死叉和金叉相反
  137.         elif crossBelow :
  138.             if (self.posDict[symbol+'_LONG']==0) and (self.posDict[symbol+'_SHORT']==0):
  139.                 self.short(symbol,bar.close*0.98, self.fixsize*0.3)
  140.             elif self.posDict[symbol+'_LONG'] >0:
  141.                 self.cancelAll()
  142.                 self.sell(symbol,bar.close*0.98, self.posDict[symbol+'_LONG'])
  143.                 self.nPos = 0
  144.                 self.short(symbol,bar.close*0.98, self.fixsize*0.3)
  146.         # 发出状态更新事件
  147.         self.putEvent()
  148.     #----------------------------------------------------------------------
  149.     def onOrder(self, order):
  150.         """收到委托变化推送（必须由用户继承实现）"""
  151.         # 对于无需做细粒度委托控制的策略，可以忽略onOrder
  152. #         print(u'出现未知订单，需要策略师外部干预,ID:%s, symbol:%s,direction:%s,offset:%s'% (order.vtOrderID, order.vtSymbol, order.direction, order.offset))
  153.         pass
  155.     #----------------------------------------------------------------------
  156.     def onTrade(self, trade):
  157.         """收到成交推送（必须由用户继承实现）"""
  158.         symbol = trade.vtSymbol
  159.         self.transactionPrice[symbol] = trade.price
  160.         pass
  162.     #----------------------------------------------------------------------
  163.     def onStopOrder(self, so):
  164.         """停止单推送"""
  165.         pass

绩效测试

  1. from vnpy.trader.app.ctaStrategy.ctaBarManager import BacktestingEngine
  2. import pandas as pd
  4. def runBacktesting(strategyClass, settingDict,
  5.                    startDate, endDate, size, slippage, rate):
  6.     engine = BacktestingEngine()
  7.     engine.setBacktestingMode(engine.BAR_MODE)
  8.     engine.setDatabase('VnTrader_1Min_Db')
  9.     engine.setStartDate(startDate, initHours=200)
  10.     engine.setEndDate(endDate)
  11.     engine.setSize(size)
  12.     engine.setSlippage(slippage)
  13.     engine.setRate(rate)
  14.     engine.initStrategy(strategyClass, settingDict)
  15.     engine.setCapital(100000)
  16.     engine.setLog(True, 'E://log//')
  17.     engine.runBacktesting()
  18.     #显示逐日回测结果
  19.     engine.showDailyResult()
  20.     #显示逐笔回测结果
  21.     engine.showBacktestingResult()
  22.     # 计算回测结果
  23.     perfromance = engine.calculateDailyResult()
  24.     perfromanceDf , result = engine.calculateDailyStatistics(perfromance)
  25.     tradeReport = pd.DataFrame([obj.__dict__ for obj in engine.tradeDict.values()])
  26.     tradeDf = tradeReport.set_index('dt')
  27.     return perfromanceDf, tradeDf
  29. if __name__ == '__main__':
  30.     # 同时传入信号与执行的数据
  31.     performanceReport, tradeReport = \
  32.         runBacktesting(DoubleMaStrategy, {'symbolList': ['BTCUSDT:binance']},
  33.                        '20181001 12:00', '20181031 16:00', 100, 0, 5/10000)
  34.     # tradeReport.to_excel('BBandMa5MinStrategyReport.xlsx')
2018-11-15 17:14:00.236010  计算按日统计结果
2018-11-15 17:14:00.273987  ------------------------------
2018-11-15 17:14:00.273987  首个交易日：  2018-10-01 00:00:00
2018-11-15 17:14:00.273987  最后交易日：  2018-10-31 00:00:00
2018-11-15 17:14:00.273987  总交易日：   31
2018-11-15 17:14:00.273987  盈利交易日   12
2018-11-15 17:14:00.273987  亏损交易日：  8
2018-11-15 17:14:00.273987  起始资金：   100000
2018-11-15 17:14:00.273987  结束资金：   1,455,216.18
2018-11-15 17:14:00.273987  总收益率：   1,355.22%
2018-11-15 17:14:00.273987  年化收益：   10,492.0%
2018-11-15 17:14:00.273987  总盈亏：    1,355,216.18
2018-11-15 17:14:00.274987  最大回撤:   -496,430.72
2018-11-15 17:14:00.274987  百分比最大回撤: -201.73%
2018-11-15 17:14:00.274987  总手续费：   306,913.82
2018-11-15 17:14:00.274987  总滑点：    0.0
2018-11-15 17:14:00.274987  总成交金额：  613,827,650.0
2018-11-15 17:14:00.274987  总成交笔数：  18
2018-11-15 17:14:00.274987  日均盈亏：   43,716.65
2018-11-15 17:14:00.274987  日均手续费：  9,900.45
2018-11-15 17:14:00.274987  日均滑点：   0.0
2018-11-15 17:14:00.274987  日均成交金额： 19,800,891.94
2018-11-15 17:14:00.274987  日均成交笔数： 0.58
2018-11-15 17:14:00.274987  日均收益率：  7.79%
2018-11-15 17:14:00.274987  收益标准差：  88.92%
2018-11-15 17:14:00.275986  Sharpe Ratio：   1.36

2018-11-15 17:14:01.109477  策略回测绩效图已保存

output_12_3.png-36.2kB

2018-11-15 17:14:01.883788  计算回测结果
2018-11-15 17:14:01.890782  交割单已生成
2018-11-15 17:14:01.891780  ------------------------------
2018-11-15 17:14:01.891780  第一笔交易：  2018-10-04 22:30:00
2018-11-15 17:14:01.891780  最后一笔交易： 2018-10-31 15:58:00
2018-11-15 17:14:01.891780  总交易次数：  11
2018-11-15 17:14:01.891780  总盈亏：    1,314,045.31
2018-11-15 17:14:01.891780  最大回撤:   -1,065,331.1
2018-11-15 17:14:01.891780  平均每笔盈利： 119,458.66
2018-11-15 17:14:01.891780  平均每笔滑点： 0.0
2018-11-15 17:14:01.891780  平均每笔佣金： 31,644.06
2018-11-15 17:14:01.891780  胜率      36.36%
2018-11-15 17:14:01.891780  盈利交易平均值 731,392.53
2018-11-15 17:14:01.891780  亏损交易平均值 -230,217.83
2018-11-15 17:14:01.891780  盈亏比：    3.18
2018-11-15 17:14:02.622515  策略回测统计图已保存

output_12_5.png-36.6kB

2018-11-15 17:14:03.262126  计算按日统计结果

绩效报告

  1. tradeReport
添加新批注
在作者公开此批注前，只有你和作者可见。
回复批注