外汇中高频 CTA 与风控策略

策略使用 RSI 与布林带两类技术指标进行趋势与突破判断：

1. RSI 因子：用于衡量价格上涨和下跌动能的相对强弱，判断市场是否处于强势上行或弱势下行状态。本案例中，当 RSI 大于 70 时，表示多头动能较强；当 RSI 小于 30 时，表示空头动能较强。

2. 布林带因子：由中轨、上轨和下轨构成，用于刻画价格相对移动均线的波动区间。当价格突破上轨且 K 线收盘价高于开盘价时，说明价格可能向上突破；当价格跌破下轨且 K 线收盘价低于开盘价时，说明价格可能向下突破。

3. 点差过滤与风控参数：策略在生成开仓信号前检查最优卖价与最优买价之间的点差，若点差超过阈值则不下单；下单时同时设置滑点、止盈价、止损价和委托有效期，避免在流动性不足或报价异常时执行交易。

本案例以外汇远期合约为交易标的，选取单只合约在 2018.12.31 至 2019.01.10 期间的 tick 级高频历史行情切片开展策略回测。

外汇远期合约是指买卖双方约定在未来某一特定日期，按照预先约定的汇率交割一定金额货币的金融衍生品，常用于锁定换汇成本和规避汇率波动风险。与场内标准化合约相比，外汇远期多属于场外交易（OTC），具有定制化特征，其价格走势主要受即期汇率、两币种利差、期限结构及市场预期等多重因素影响。

回测以 tick 行情为输入实时合成 1 小时 K 线。策略在 K 线回调中生成交易信号，并通过算法订单根据 tick 行情判断是否触发止盈止损。

• 做多开仓条件：

  • 最优卖价与最优买价之间的点差不超过最大点差阈值；

  • RSI 大于 70，表示多头动能较强；

  • 当前最优卖价突破布林带上轨；

  • K 线收盘价高于开盘价，确认价格向上运行；

  • 当前多头持仓小于 1，避免重复开仓。

• 做空开仓条件：

  • 最优卖价与最优买价之间的点差不超过最大点差阈值；

  • RSI 小于 30，表示空头动能较强；

  • 当前最优买价跌破布林带下轨；

  • K 线收盘价低于开盘价，确认价格向下运行；

  • 当前空头持仓小于 1，避免重复开仓。

• 订单风控规则：

  • 通过算法订单提交限价止盈止损委托；

  • 做多时根据开仓价格设置止损价和止盈价；做空时反向设置止损价和止盈价；

  • 结合滑点参数修正委托价格和风控触发价；

  • 设置订单到期时间（本案例设置为 10 小时），若委托在有效期内未成交或不再满足风控条件，可由算法订单机制处理撤单、止盈与止损。

本示例使用外汇远期合约 tick 级历史行情数据作为回测输入。行情数据需包含回测引擎所需的基础字段（如合约代码、行情时间、最新价、买卖盘口数组等），且需与 Backtest 插件快照行情格式（dataType = 1）保持一致。

样例数据包含的具体字段及类型定义如表 2-1 所示：

下载并解压附录中的 fxCTAData.zip，获取回测所需的 CSV 文件。使用时根据上述 Schema 定义字段名与类型，通过 loadText 将 CSV 文件加载为内存表 fxQuoteData，供后续回测引擎读取：

colName = [
    "symbol", "symbolSource", "timestamp", "tradingDay",
    "lastPrice", "upLimitPrice", "downLimitPrice", "totalBidQty",
    "totalOfferQty", "bidPrice", "bidQty", "offerPrice",
    "offerQty", "highPrice", "lowPrice",
    "signal", "prevClosePrice", "settlementPrice", "prevSettlementPrice",
    "open", "close", "low", "high", "volume"
]
colType = [
    "SYMBOL", "STRING", "TIMESTAMP", "DATE",
    "DOUBLE", "DOUBLE", "DOUBLE", "LONG",
    "LONG", "DOUBLE[]", "LONG[]", "DOUBLE[]",
    "LONG[]", "DOUBLE", "DOUBLE",
    "DOUBLE[]", "DOUBLE", "DOUBLE", "DOUBLE",
    "DOUBLE", "DOUBLE", "DOUBLE", "DOUBLE", "LONG"
]

fxQuoteData = loadText(
    filename="/path/to/fxCTAData.csv",
    schema=table(colName as name, colType as type)
)

本案例直接使用 DolphinDB ta 模块提供的 RSI 与布林带函数计算技术指标。ta 模块中的指标函数可直接作为响应式指标表达式传入 Backtest::subscribeIndicator，由回测引擎在合成 K 线时自动更新。

use ta
ta::rsi(lastPrice, 11)
ta::bBands(lastPrice, 20, 2, 2, 0)

RSI 指标：通过 ta::rsi(lastPrice, 11) 计算，用于衡量一段时间内价格上涨与下跌动能的相对强弱。当 RSI 高于 70 时，说明多头动能较强；当 RSI 低于 30 时，说明空头动能较强。

布林带指标：通过 ta::bBands(lastPrice, 20, 2, 2, 0) 计算。该函数返回上轨、中轨和下轨，本案例分别订阅为 bhigh、bmid 和 blow，用于判断价格是否突破常规波动区间。

本策略主要由初始化函数和 K 线回调函数组成。初始化函数负责订阅指标，K 线回调函数负责读取最新 K 线与指标结果，并根据交易规则提交算法订单。

初始化函数：initialize(mutable context) 在回测引擎启动前执行一次。策略在该函数中为合成 K 线数据订阅 RSI 和布林带指标。回测引擎会将指标计算结果传入后续的 onBar 回调。

def initialize(mutable context){
    print("initialize")
    d=dict(STRING,ANY)
    d["rsi"] = <ta::rsi(lastPrice, 11)>
    d["bhigh"] = <ta::bBands(lastPrice, 20, 2, 2, 0)[0]>
    d["bmid"] = <ta::bBands(lastPrice, 20, 2, 2, 0)[1]>
    d["blow"] = <ta::bBands(lastPrice, 20, 2, 2, 0)[2]>
    Backtest::subscribeIndicator(context["engine"], "snapshot_kline", d)
}

K 线回调函数：onBar(mutable context, msg, indicator) 在引擎按指定频率合成 K 线后触发。函数从行情中读取买一价、卖一价、开盘价、收盘价等信息，并结合 RSI、布林带和持仓状态判断是否提交开仓算法订单。

def onBar(mutable context, msg, indicator){
    istock = msg.keys()[0]
    msg_ = msg[istock]
    askPrice0 = msg_.offerPrice[0]
    bidPrice0 = msg_.bidPrice[0]
    spread = askPrice0 - bidPrice0
    indicator_ = indicator[istock]
    blow = indicator_.blow
    bhigh = indicator_.bhigh
    if(spread > context["maxSpread"]){
        return
    }
    rsi_ = indicator_.rsi
    if(isNull(rsi_)){return}
    close = msg_.lastPrice
    bmid = indicator_.bmid
    open = msg_.open
    istock = msg_.symbol
    position = Backtest::getPosition(context["engine"],istock)
    longpos = position.longPosition
    shortpos = position.shortPosition
    if(rsi_ > 70. and askPrice0 > bhigh and close > open and longpos < 1){
        Backtest::submitOrder(context["engine"], (istock,msg_.symbolSource,
        context["barTime"],5, round(askPrice0,5),
        askPrice0 -context["sl"] + context['Slippage'], askPrice0 + context["tp"] + context['Slippage'],
        2, 1,context['Slippage'], 0, context["barTime"]+36000000),"openBuy", 5)
        return
    }
    if(rsi_ < 30. and bidPrice0 < blow and close < open and shortpos < 1){
        Backtest::submitOrder(context["engine"], (istock,msg_.symbolSource,
        context["barTime"],5, round(bidPrice0,5),
        bidPrice0 + context["sl"] - context['Slippage'],
        bidPrice0 - context["tp"] - context['Slippage'], 2, 2, context['Slippage'], 0,
        context["barTime"]+36000000),"openSell", 5)
        return
    }
}

这里使用的 Backtest::submitOrder 是回测引擎提供的下单接口。配置项 enableAlgoOrder=true 时，可开启算法订单。算法订单支持限价止盈订单、市价止盈订单、限价止损订单、市价止损订单、限价止盈止损订单和市价止盈止损订单等类型。本案例使用 orderType=5 提交限价止盈止损订单。

其他生命周期回调函数：除 initialize 和 onBar 外，Backtest 引擎还支持盘前、订单、成交、盘后和结束等生命周期回调。本案例的交易逻辑集中在小时级 K 线回调中，其他回调主要用于保持回调字典完整，并为后续扩展预留入口。

def beforeTrading(mutable context){
    context["opens"] = false
}

def onSnapshot(mutable context, msg){
    // 本案例设置 callbackForSnapshot = 2，不直接触发 onSnapshot
}

def onOrder(mutable context, msg){
    // 可在此处理订单状态回报，本案例无需额外逻辑
}

def onTrade(mutable context, msg){
    // 可在此处理成交回报，本案例无需额外逻辑
}

def afterTrading(mutable context){
    // 可在此处理盘后统计或状态重置，本案例无需额外逻辑
}

def finalize(mutable context){
    // 可在此处理回测结束后的清理工作，本案例无需额外逻辑
}

在创建回测引擎时，这些函数会与 initialize、onBar 一起写入 callbacks 字典。虽然本案例未在订单与成交回调中增加额外处理，但补充空实现可以保证代码按章节顺序执行时变量定义完整。

在创建回测引擎前，需要配置回测基础信息字典 userConfig 和策略上下文字典 Context。本案例通过 callbackForSnapshot 和 frequency 将 tick 行情按 1 小时频率合成 K 线，并触发 onBar 回调。

startDate = 2018.12.31
endDate = 2019.01.10
userConfig = dict(STRING,ANY)
userConfig["startDate"] = startDate
userConfig["endDate"] = endDate
userConfig["strategyGroup"] = "universal"
userConfig["frequency"] = 3600000
userConfig["cash"] = 10000000
userConfig["dataType"] = 1
userConfig["depth"] = 1
userConfig["enableAlgoOrder"] = true
userConfig["latency"] = 1
userConfig["callbackForSnapshot"] = 2
userConfig["matchingMode"] = 3

Context=dict(STRING,ANY)
Context["tp"] = 0.01
Context["sl"] = 0.001
userConfig["context"] = Context
symbol = ["EURUSD6"]
basicInfo = table(symbol as symbol, take(100.,size(symbol)) as multiplier, take(0.2,size(symbol)) as marginRatio,
                 take(0.01,size(symbol)) as tradeUnit, take(0.02,size(symbol)) as priceUnit, 
                 take(0.03,size(symbol)) as priceTick, take(1.5,size(symbol)) as commission, take(1,size(symbol)) as deliveryCommissionMode)

callbackForSnapshot 与 frequency 的组合决定 tick 行情如何触发回调：

设置引擎名称、回测配置、回调函数和合约基本信息表后，可通过 Backtest::createBacktester 创建回测引擎。其中，接口 createBacktester 的第四个参数表示是否开启 JIT 优化。默认值为 false，表示不开启，若需要开启 JIT 优化，只需要设置此参数为 true 即可。

callbacks = dict(STRING,ANY)
callbacks["initialize"] = initialize
callbacks["beforeTrading"] = beforeTrading
callbacks["onBar"] = onBar
callbacks["onOrder"] = onOrder
callbacks["onTrade"] = onTrade
callbacks["afterTrading"] = afterTrading
callbacks["finalize"] = finalize

strategyName = "fxCtaStrategy"
try{Backtest::dropBacktestEngine(strategyName)}catch(ex){print ex}
engine = Backtest::createBacktester(strategyName, userConfig, callbacks, false, basicInfo)

创建引擎后，调用 Backtest::appendQuotationMsg 将外汇行情数据写入回测引擎。引擎会按照行情时间顺序推进回测时钟，按配置合成 K 线、计算订阅指标、触发 onBar 回调，并在订单提交后由算法订单机制根据 tick 行情执行止盈止损逻辑。行情数据推送完成后，调用 Backtest::appendEndMarker(engine) 向引擎发送结束标记，通知回测引擎完成后续结算与收尾处理。

Backtest::appendQuotationMsg(engine, fxQuoteData)
Backtest::appendEndMarker(engine)

回测完成后，可通过 Backtest 插件接口获取每日持仓、每日权益、收益概览、成交明细、未完成订单和策略上下文等结果，用于分析策略收益、风险暴露、成交质量与风控执行情况。

// 获取每日持仓
DailyPosition = Backtest::getDailyPosition(long(engine))

// 获取每日组合权益
DailyTotalPortfolios = Backtest::getDailyTotalPortfolios(long(engine))

// 获取策略上下文
contextTable = Backtest::getContextDict(long(engine))

// 获取成交明细，仅保留已提交或已成交订单
TradeDetails = select * from Backtest::getTradeDetails(long(engine)) where orderStatus in [0,1]

在实际分析中，可结合交易明细和每日权益曲线进一步评估策略的胜率、盈亏比、回撤、持仓周期、止盈止损触发频率以及不同市场阶段下的表现稳定性。