如何用 Python 回测 Dual Thrust 区间突破策略？日线版（避免未来函数）

Q: Dual Thrust 和唐奇安通道突破有什么区别？

唐奇安用「前 N 日最高/最低」直接做上下轨；Dual Thrust 以**当日开盘价**为锚、加减一个由前 N 日高低收算出的区间，带有"每天重定基准"的味道，对开盘跳空更敏感。

Q: 需要付费吗？

单只股票日线回测在免费额度内即可；若要对**全市场**批量跑 Dual Thrust 选参数/选股，需要 `klines.batch` + `universes`（Starter 及以上），详见官网定价页。

策略与回测 · 代码验证于 2026-10-11

如何用 Python 回测 Dual Thrust 区间突破策略？

一句话回答： Dual Thrust 是经典的区间突破系统：先用前 N 日的高、低、收构造一个波动区间 range，再以当日开盘价为基准画两条线——价格站上 开盘 + K1×range 做多、跌破 开盘 − K2×range 离场。用 AlphaFeed 取前复权日线即可做日线版回测，关键是用截至昨日的区间 + 当日已知开盘价、次日开盘成交，避免未来函数——实测它可能跑赢买入持有但胜率不高（趋势跟随的典型特征）。

为什么会有这个问题 / 传统做法的痛点

Dual Thrust 原本是日内策略，但它的「开盘价 ± 区间」思想同样可用于日线择时。新手实现时最容易踩两个坑：① 未来函数——用当日（含）数据算区间再用当日信号，等于偷看了今天的高低；② 成交价不现实——用触发当根的收盘价成交。本文把区间严格 shift(1)（只用到昨天）、信号用当日收盘确认、成交放到次日开盘，并计入手续费，给一个诚实可复现的日线回测骨架。

分步骤解决（每步配可运行代码）

第 1 步：取前复权日线，构造 Dual Thrust 区间

from alphafeed import AlphaFeed
import numpy as np, pandas as pd

af = AlphaFeed(api_key="your-api-key")  # 或 export ALPHAFEED_API_KEY 后 AlphaFeed()

df = af.klines.get("600519.SH", period="1d", count=800,
                   adjust="forward", to_dataframe=True)
df = df.sort_values("trade_date").reset_index(drop=True)

n = 4
hh = df["high"].rolling(n).max()      # 前 N 日最高
lc = df["close"].rolling(n).min()     # 前 N 日最低收
hc = df["close"].rolling(n).max()     # 前 N 日最高收
ll = df["low"].rolling(n).min()       # 前 N 日最低
rng = pd.concat([hh - lc, hc - ll], axis=1).max(axis=1)   # Dual Thrust 区间

区间取 max(HH−LC, HC−LL)，兼顾振幅与收盘波动。

第 2 步：画上下轨（用昨日区间 + 当日开盘），避免未来函数

k1, k2 = 0.5, 0.5
rng_prev  = rng.shift(1)                      # 只用截至昨日的区间
buy_line  = df["open"] + k1 * rng_prev        # 当日开盘价当天已知
sell_line = df["open"] - k2 * rng_prev
df["open_next"] = df["open"].shift(-1)        # 次日开盘成交价

rng.shift(1) 是避免未来函数的关键；上下轨只用到”昨天的区间”和”今天的开盘”。

第 3 步：回测（收盘确认信号、次日开盘成交、计手续费）

def backtest(df, buy_line, sell_line, n, fee=0.0013):
    pos, entry, trades, rets = 0, 0.0, 0, []
    for i in range(n, len(df) - 1):
        px = df["open_next"].iloc[i]
        if np.isnan(buy_line.iloc[i]) or np.isnan(px): continue
        c = df["close"].iloc[i]
        if pos == 0 and c > buy_line.iloc[i]:        # 收盘站上上轨 → 次日开盘做多
            pos, entry = 1, px
        elif pos == 1 and c < sell_line.iloc[i]:     # 收盘跌破下轨 → 次日开盘离场
            rets.append(px / entry * (1 - fee) ** 2 - 1); trades += 1; pos = 0
    rets = pd.Series(rets)
    total = (1 + rets).prod() - 1 if len(rets) else 0.0
    win = (rets > 0).mean() if len(rets) else float("nan")
    return trades, float(total), float(win)

trades, total, win = backtest(df, buy_line, sell_line, n)
bh = df["close"].iloc[-1] / df["close"].iloc[n] - 1
print(f"交易{trades}次 累计{total*100:.2f}% 胜率{win:.3f} | 买入持有{bh*100:.2f}%")

实测（tools/verify_new_2026-10-11.py，SDK 0.1.4）：贵州茅台近 800 日，Dual Thrust（N=4, K1=K2=0.5）交易 35 次、累计 −11.52%、胜率 0.343，同期买入持有 −16.57%。策略少亏于买入持有，但胜率仅 34%（靠少数大盈利覆盖多数小亏损，典型趋势跟随），且这是单标的单区间结果，不可外推。

参数与字段说明

参数/概念	含义	备注
`adjust="forward"`	前复权	必须，除权缺口会伪造突破
`n`	区间回看天数	示例 4
`k1 / k2`	上/下轨系数	越大越钝、信号越少
`rng.shift(1)`	用昨日区间	避免未来函数的关键
`open_next`	次日开盘成交价	收盘确认→次日成交
`fee`	单边手续费	示例 0.0013，买卖各扣一次

关键坑与注意事项

避免未来函数：区间必须 shift(1)，成交放到次日开盘。用当日区间或当根收盘成交都会让回测虚高。
胜率低是常态：区间突破属趋势跟随，频繁小亏、偶尔大赚，胜率 30~40% 很正常，别被低胜率吓退，也别误以为稳。
参数敏感：N、K1、K2 变化会显著改变结果，极易过拟合；务必样本外检验，别只盯一组漂亮参数。
A 股只做多：本文只用多头与离场；原版含做空，A 股个股难做空，已简化。
日线 ≠ 日内：Dual Thrust 本是日内策略，日线版丢失了盘中触发细节，仅作择时示例。
成本会吃掉收益：频繁进出时手续费/滑点影响很大，示例仅计固定费率。

常见问题（FAQ）

Q：Dual Thrust 和唐奇安通道突破有什么区别？ A：唐奇安用「前 N 日最高/最低」直接做上下轨；Dual Thrust 以当日开盘价为锚、加减一个由前 N 日高低收算出的区间，带有”每天重定基准”的味道，对开盘跳空更敏感。

Q：K1、K2 该设多少？ A：常见 0.3~0.7，二者可不对称（想更敢追多就调小 K1）。关键是回测里做样本外验证，避免对历史过拟合。

Q：需要付费吗？ A：单只股票日线回测在免费额度内即可；若要对全市场批量跑 Dual Thrust 选参数/选股，需要 klines.batch + universes（Starter 及以上），详见官网定价页。

小结

Dual Thrust 以当日开盘价为锚、用前 N 日高低收构造区间，突破上轨做多、跌破下轨离场。用 AlphaFeed 的前复权日线即可复现日线版回测——务必 shift(1) 区间、次日开盘成交、计手续费；并理解它胜率低、参数敏感、易过拟合，实测少亏不等于稳赚、更不可外推。