程式化交易近年來越發越來越多的人投身其中開發各種的程式策略。並且這已成趨勢。就不在多說，我們開始將策略開發過程及策略的核心程式碼寫出來。
突破策略一直是古董級的方法。我們現採用一家商業平臺來寫這個策略。
一， 突破的原理：如果close向上突破openD（0）+atr/2 則做多；
如果close向下突破openD（0）-atr/2 則做空；
openD（0）是指當天期貨品種的開盤價，atr演算法如下：
tr［i］=maxlist（value1，value2，value3）；// tr［i］為二維陣列。
if i=atrlen-1 then begin
for i=0 to （atrlen-1） begin
trx=trx+tr［j］；
end；
atr=trx/atrlen；//atrlen是個數值型引數，一般筆者也就是在1到200之間。
end；
如果你照抄上面幾句執行，會發現有問題，i，有的軟體比如TB ，MC， python ，matlab等對有些關鍵詞已定義，如果發現有問題可以將i改寫成j或其它你喜歡的字元。所以我是全改成了j，如下：
圖1
二，過濾，上面幾句簡單的寫完，你會發現跟沒打理的菜地一個樣，無效成交很多，一回測績效虧得很大，心情很鬱悶，很失望，這很正常，我們還要將過濾新增上去，你可以理解成菜地的日常打理除草。韭菜邊上長棵小麥，將小麥炒了吃，味道應當不會太好。過濾常見的有那麼幾種ADX，布林線等。讀者可以去做個歸納。當然，我們這裡呢還對K線進行了資料處理。
核心語句就下面幾句：
圖2
buy：做多
sellshort：做空
上述各condition語句是各種過濾條件等。
以上寫完編繹程式碼看有無語法上的問題bug什麼的。編繹成功後說明語法是沒問題了。
下面我進入下一步，對樣本內數值進行最佳化引數：
我們選個品種，最近油很是火熱，商品期貨我們用燃油（5分鐘週期）。先看2018年4月到2019年4月經過最佳化後的測試結果：
圖3
圖4
圖5
樣本內資料看起來很普通，年化64%，回撤17%，勝率43。9%，盈虧比1。8：1；
沒關係，我們看下樣本外資料（2019年4月到2020年4月）如何：
圖6
圖7
圖8
我們看下主要指標，年化150%，平倉交易最大虧損17%，平均每月盈利12。7%，全年成交71次，平均每週成交1次半，勝率46。48%，盈虧比2。97：1，這些資料都相當不錯。注意，是樣本外資料。而且我們程式碼中沒有任何的未來函式（程式中交易要麼是限價，要麼就是next bar ）
限價的意思，如上菜場買菜（筆者經常去買），商家規定排骨50一斤，擺出愛買不買樣子，小編我也無奈，按這價買吧。
next bar ：就是下個K線要成交。接上句，如果50塊一斤不買，就去下個商家，結果這家沒排骨了，只有小白菜，無奈，買點回去炒了再說。必須在這裡成交，不管是什麼價什麼東西。沒有下一個商家。
這個突破策略還是相當可以的，至少滿足了目前的熱點。成交語句也少，而且相關語句我是有在實盤的，只是稍做修改。實盤問題不大，當然，我們還是要走個模擬測試的流程，萬一出了bug呢。
2020年4月24日 深圳
