作者在自适应跟踪止盈算法里不止采用ATR来衡量价格波动。下面将以多头为例，具体算法如下图所示:

上图中的SPrice就是策略的跟踪止盈线变量。当价格触发跟踪止盈SPrice时，多头平仓。下面就简单介绍AF，SPrice，HVlaue三个变量:以多头为例。

(1) AF变量，为加速系数，控制着每一次上调的尺寸。

在AF的计算过程中，首先要保证当前k线创新高才进行累加，如果当前没有创新高那么AF就保持原来的值。也就是延续上一根k线的值，那样的话策略当前的跟踪止盈线上调的尺寸与上一根k线一致。

简单来说，开多仓后价格朝预期方向波动越大，那么AF值就越大，进而上调尺寸就越大，止盈就更灵敏。反之，则迟钝！

(2) SPrice和HVlaue变量，HVlaue是持仓期间的最高价。

SPrice跟踪止盈线的计算，我们只需要关注AF和(HVlaue - SPrice )两者的变化。

• 当价格不断创新高，AF和HValue就越大。

• 因此，当(HVlaue - SPrice )时其值就越大。
• 就会导致SPrice = SPrice + AF*(HVlaue - SPrice )整个止盈线每次上调的尺寸越大。

因此，跟踪止盈线才能够跟随市场的波动进行动态的，"自适应"地调整出场位置。

小结。

在分享代码之前，给大家详细介绍了关于"自适应"跟踪止盈的算法逻辑及运行原理。主要是为了在接下来利用Python编写的时候，更容易理解。

双均线策略采用加速算法跟踪止盈

Python 调用天勤量化的tqsdk包，实现数据获取，策略编写，并利用其回测框架进行回测分析。总共四个步骤，即可完成双均线策略及在其内部实现"自适应"跟踪止盈。

策略逻辑:金叉开多，死叉开空，作者以多头为例。

(1) 第一步，导入天勤量化及时间等相关的包。

(2) 第二步，计算均线、ATR及多空信号。这里我们将调用天勤内置函数模块ta中的SMA和ATR方法进行计算。并用trend变量记录多空开仓标记，方便在开仓步骤判断多空并下单。

(3) 第三步，开仓并计算跟踪止盈线，多头为例子。

开多时起记录持仓时间的最高价mark_high和初始止损long_stop，当开仓后下一根k线将初始止损long_stop变成跟踪止盈线。

当最低价触发跟踪止盈线long_stop时，策略多头平仓。

(4) 第四步，运行策略。

以上四个步骤，完成了策略的编写，那么我们来来看看策略的开平仓信号。

下面是利用天勤的web_gui，在螺纹钢期货rb2010合约60分钟的回测信号:

• 止盈信号:

• 止损信号:

• 双均线多头回测资金曲线:

小结。

从信号中我们可以看到止盈非常及时，最大限度的保留住了策略的浮盈，同时止损也比较及时。

这种跟踪止盈方法，比均线死叉或通道止盈以及吊灯止盈更具有优势。

最后

策略的止盈，是一个非常重要的模块。没有好的止盈，就算再好的开仓，再大的浮盈最终也是"浮云"。

但是，有好的止盈方法，就算是用很普通的开仓方式也能将策略性能发挥到极致。

因此，在策略开发过程中，一定要找到最佳的止盈方法。不同类型的策略，跟踪止盈方法也不一样！