Dual Thrust双重推力策略：日内趋势跟踪的经典利器

📘 本章重点

掌握Dual Thrust的核心公式：Range = Max(HH-LC, HC-LL)
理解“双重推力”的含义——用两个方向的最大波动幅度来构建通道
学会K1、K2不对称系数的设定逻辑及其对多空信号的影响
了解Dual Thrust作为日内策略与隔夜策略的两种应用模式

⚠️ 本章难点

理解Range计算中“取最大值”的含义——选择过去N日最大的单向波动幅度作为通道基准
区分Dual Thrust与唐奇安通道的本质差异（固定开盘基准 vs 移动最高/最低基准）
掌握K1≠K2不对称参数的设计逻辑及其在不同市场中的调整方法
理解日内版本“收盘前平仓”与隔夜版本“非多即空”的差异

⏱️ 预估学习时间

45～60分钟

一、策略简述与一句话定性

一句话定性：Dual Thrust是一个基于开盘区间突破的趋势跟踪系统，以前N日的价格波动幅度构建通道，当价格突破上轨时做多、突破下轨时做空，用“双重推力”捕捉趋势的启动。

Dual Thrust直译为“双重推力”。它由Michael Chalek在20世纪80年代开发，曾被《Future Truth》杂志评为最赚钱的策略之一——2009年《Future Truth》评出的标普500十大交易系统中，Dual Thrust以414%的收益率（3倍杠杆）排名第一。该策略思路简单、参数很少，被广泛应用于股票、货币、贵金属、债券、能源及股指期货市场。

Dual Thrust与海龟交易法则（第一.01）同属趋势跟踪家族，但两者有本质区别：

维度	海龟交易法则（第一.01）	Dual Thrust（第一.02）
通道基准	过去N日的最高价/最低价（移动基准）	今日开盘价（固定基准）+ 波动幅度
核心逻辑	价格突破历史高点/低点	价格在开盘价基础上突破一定幅度
典型周期	日线级别，可隔夜持仓	日内交易为主，收盘平仓
仓位管理	金字塔加仓（最多4次）	一次性建仓，无加仓

简单记忆：海龟问“价格有没有创历史新高？”，Dual Thrust问“今天有没有在开盘价基础上走出大行情？”

如果说海龟是“追历史新高”的趋势跟踪，那Dual Thrust就是“追开盘后大波动”的趋势跟踪——一个看长周期的位置，一个看短周期的力度。

老陈点评：
Dual Thrust的巧妙之处在于它用“两个方向的最大波动”来确定通道宽度。普通突破策略只用一个方向的波动（如ATR），而Dual Thrust分别计算上涨方向和下跌方向的最大幅度，然后取两者中的较大值。这意味着：无论市场是向上突破还是向下突破，通道宽度都能充分反映该方向的波动特征。这是“双重推力”这个名字的由来。

老王补充：
我早年做期货日内交易时，Dual Thrust是我用得最顺手的策略之一。它的好处是每天开盘前就能算好今天的上下轨，盘中只需要机械执行。但它的致命弱点是震荡日——如果当天价格在上下轨之间来回晃，一天都不会有信号，资金就闲置了。但反过来想，没信号就不交易，这恰恰是趋势跟踪的精髓——只在有行情的时候出手。

二、策略的使用范围与条件

维度	适用范围与条件	说明
适用市场	具有明显趋势特征的期货、股指、外汇、加密货币	日内版本适合高流动性品种；隔夜版本可应用于股票指数
品种波动性要求	中等以上波动，有足够的日内振幅	波动率过低的品种，通道难以被突破
适用周期	分钟级（日内版本）或日线级（隔夜版本）	原版为日内策略，分钟K线执行
资金门槛	低	单品种即可运行，无需复杂仓位管理
不适合的市场状态	窄幅震荡、低波动行情	价格无法突破上下轨，无交易信号产生

原版日内规则：

每日收盘前平仓，不持有隔夜头寸
每日交易次数通常不超过3笔
下午2点以后不再开新仓

加密货币市场的特殊调整：
由于加密货币7×24小时交易，原版的“每日开盘价”可以改为“每8小时开盘价”或“每4小时开盘价”，以适应不同的交易时段。相应的，Range计算周期也需从“日”调整为“小时”。

隔夜版本改编：
部分交易者将Dual Thrust改编为隔夜策略，非多即空，一直保持持仓状态。这种改编适合股票指数等无法做空或只能做多的市场。

老陈点评：
原版Dual Thrust是日内策略，收盘平仓的设计让它规避了隔夜跳空风险。但如果把它改编为隔夜策略，就失去了这个保护。建议初学者先从日内版本入手，理解其逻辑后再考虑是否做隔夜改编。

老王补充：
日内版本最怕的是手续费。Dual Thrust每天可能交易1-3次，如果手续费太高，利润会被吞噬。建议选择手续费低的品种（如股指期货、商品期货主力合约）或者使用ETF（免印花税）来运行。

三、因子拆解与原理

3.1 Range（区间宽度）——波动幅度因子

Range是Dual Thrust策略最核心的因子，它描述了“过去N天的价格波动有多大”。

计算公式：

HH = 过去N日最高价的最大值
LC = 过去N日收盘价的最低价
HC = 过去N日收盘价的最高价
LL = 过去N日最低价的最小值

Range = Max(HH - LC, HC - LL)

为什么取最大值？一个类比：

想象你要给一辆车设计一个“安全行驶区间”——既不能开得太快（上涨），也不能开得太慢（下跌）。你需要知道这辆车在过去几天里，向上冲得最猛的一次和向下滑得最狠的一次分别是多少。然后你取两者中更大的那个值作为安全区间的半径——因为如果你只参考较小的那个方向，另一方向一旦出现大波动，你的“安全区间”就会被瞬间突破。

HH - LC衡量的是“从最低收盘价到最高价”的上涨潜力；HC - LL衡量的是“从最低价到最高收盘价”的下跌潜力。取两者中的较大值，确保通道在波动更大的那个方向上也有足够的“缓冲空间”。

⚠️ 重要提醒：避免未来函数

在实际交易中，当日的Range需要收盘后才能计算。因此，原版Dual Thrust使用的是前N日的Range来预测今日的通道位置。在回测代码中，需要用shift(1)将Range数据整体后移一天，确保回测信号不包含未来信息。

老陈点评：
Range的本质是“过去N日最大的单方向波动幅度”。它比单纯使用ATR更精细——ATR衡量的是每日平均波动，而Range衡量的是累积波动区间。在趋势启动时，Range能更快地反映波动率的扩张。

3.2 上下轨——入场触发因子

有了Range之后，以今日开盘价为基准，分别乘以不同的系数来构建上下轨：

上轨（BuyLine）= 开盘价 + K1 × Range
下轨（SellLine）= 开盘价 - K2 × Range

K1和K2的含义：

K1：做多触发系数（控制上轨的松紧）
K2：做空触发系数（控制下轨的松紧）

为什么K1和K2可以不对称？
原版Dual Thrust允许K1≠K2。在A股市场（只能做多、长期向上），可以设置K1较小（上轨容易触发）、K2较大（下轨不容易触发），从而偏向做多。

K1和K2的调参指南：

市场特征	K1与K2关系	原因
双向市场（期货、加密货币）	K1 ≈ K2（对称）	多空机会均等
长期向上的市场（A股、美股指数）	K1 < K2（上轨更容易触发）	偏向做多
长期向下的市场（少数商品熊市）	K1 > K2（下轨更容易触发）	偏向做空
高波动市场	K1、K2同时调大	需要更宽的通道才能过滤噪音
低波动市场	K1、K2同时调小	通道太宽可能整个交易周期都无信号

新手建议：先从K1=K2=0.5开始，运行一段时间后根据市场表现微调。不要一上来就追求“最优参数”——那往往是过拟合的开始。

3.3 入场逻辑——突破交易

信号	触发条件	操作
做多信号	价格向上突破上轨	平空开多（或直接开多）
做空信号	价格向下突破下轨	平多开空（或直接开空）

原版双向交易规则：

突破上轨时：如果持有空仓，先平空再开多；如果没有仓位，直接开多
突破下轨时：如果持有多仓，先平多再开空；如果没有仓位，直接开空

A股单向交易改编：

突破上轨时：做多（买入）
突破下轨时：清仓（平仓）

⚠️ 信号确认方式：

盘中突破即入场（原版逻辑）：价格一触及上轨就入场，优点是信号及时，缺点是假突破多。
收盘价确认后次日入场（保守版）：只有收盘价站上上轨才确认信号，次日开盘入场，优点是过滤假突破，缺点是可能错过部分涨幅。

本代码采用方式1（盘中突破），更接近原版Dual Thrust。如果你偏好方式2，可以将信号条件中的High改为Close。

3.4 因子的优缺点

优点	缺点
思路简单，参数少（仅N、K1、K2三个参数）	在震荡市中无信号，资金可能长期闲置
适用于多个市场和品种	日内版本对交易成本和滑点敏感
上下轨每日重置，适应性强	K1、K2的参数选择对表现影响较大
可双向交易，适应牛熊市	原版无独立止损设计，需额外考量

与原版海龟的对比：

维度	海龟交易法则（第一.01）	Dual Thrust（第一.02）
通道基准	移动最高/最低价	开盘价 + 波动幅度
通道更新频率	每日更新（滚动窗口）	每日重置（以当日开盘价为基准）
加仓机制	有（金字塔加仓，最多4次）	无（一次性建仓）
止损机制	2倍ATR追踪止损（独立止损）	反向轨道止损（集成止损）
典型持仓周期	数天至数周	日内（收盘平仓）

止损逻辑的差异：
海龟的止损是独立的——无论通道信号如何，只要价格回撤2倍ATR就平仓。Dual Thrust的止损是集成的——平仓信号就是另一侧轨道的突破。前者更灵活（止损和入场可以独立优化），后者更简洁（一套规则管到底）。没有绝对的好坏，只有适合与否。

老王补充：
Dual Thrust没有内置独立止损，这是它和海龟最大的区别。海龟有2倍ATR追踪止损，Dual Thrust的原版是“突破反向轨道即平仓”——也就是说，你的止损就是另一侧的轨道。比如你做多后，价格跌穿下轨就平仓。这是一种“反向突破止损”，逻辑自洽但可能止损较晚。我一般会额外加一个固定比例止损（比如-2%），双重保护。

四、仓位、买卖点与风险管理

4.1 入场信号

原版双向版本（适用于期货、加密货币）：

方向	触发条件	操作
做多	价格 ≥ 上轨（开盘价 + K1 × Range）	平空开多
做空	价格 ≤ 下轨（开盘价 – K2 × Range）	平多开空

A股单向版本（仅做多）：

信号	触发条件	操作
买入	价格 ≥ 上轨	买入（如已有仓位则不加仓）
卖出	价格 ≤ 下轨	清仓离场

执行方式：使用分钟K线实时监测，一旦触发立即以市价成交。

4.2 仓位管理

Dual Thrust的仓位管理比海龟简单得多——一次性建仓，不加仓。

固定仓位法：每笔交易投入固定比例资金（如总资金的10%-20%）
风险比例法：根据ATR或预期亏损调整仓位

老陈点评：
Dual Thrust不加仓的设计降低了资金管理的复杂度，但也意味着它无法像海龟那样在趋势中逐步放大仓位。这是一个权衡：简单 vs 收益弹性。对于初学者，简单更重要。

4.3 止损设计

原版无止损：是漏洞还是特征？

原版Dual Thrust没有独立的止损机制——它的“止损”就是反向突破另一侧轨道时平仓。这意味着：

优点：逻辑自洽，入场和出场使用同一套规则，不会出现“入场用通道、出场用固定百分比”的逻辑割裂。
缺点：在剧烈波动中，反向突破轨道可能来得太晚，导致单笔亏损过大。

策哥的建议：如果你做的是日内交易，原版的反向轨道止损已经够用——因为日内波动的幅度有限。但如果你做的是隔夜版本，强烈建议加入额外的固定比例止损或ATR止损，因为隔夜跳空可能直接跳过你的反向轨道。

止损类型	设定方法	说明
反向轨道止损	做多后价格跌破下轨即平仓	原版逻辑，与入场逻辑对称
固定比例止损	入场价下方1%-2%（做多）	简单有效，适合日内交易
ATR倍数止损	入场价 ± 0.5×ATR	湘财证券研报中使用的参数

4.4 止盈设计

出场方式	设定方法	适用场景
反向轨道止盈	价格触及另一侧轨道时平仓	原版逻辑
固定盈亏比	止损的1.5-2倍（如止损1%，止盈2%）	湘财证券研报推荐
收盘平仓	每日收盘前平仓所有持仓	日内版本必选
时间止损	下午2点后不再开新仓	日内版本常用

老王补充：
我个人的经验是：Dual Thrust的止盈不要贪。日内趋势的持续时间有限，设置1.5-2倍的盈亏比是比较合理的。如果设置太大（比如3倍以上），可能很多交易都无法达到止盈，最后只能靠反向轨道止损离场，盈亏比反而更差。

4.5 跳空处理

如果当日开盘价相对于前一日收盘价的跳空幅度超过1倍ATR，建议暂停当日的Dual Thrust交易——因为跳空已经消耗了部分趋势动能，继续使用原定通道可能会导致入场点位不佳。

五、策略的来历、设计者与趣闻

Dual Thrust由Michael Chalek在20世纪80年代开发。在量化交易的世界里，有些策略的发明者大名鼎鼎（比如威尔德的RSI、布林格的布林带），有些则像幽灵一样低调——Michael Chalek显然属于后者。你几乎找不到他的照片、采访或任何个人资料。但这也许正是一个策略开发者的最高境界：策略比你出名。

Dual Thrust在1980年代至1990年代的程序化交易早期时代就已被广泛使用，是海外top10交易系统之一。它曾被《Future Truth》杂志评为最赚钱的策略之一——2009年《Future Truth》评出的标普500十大交易系统中，Dual Thrust以414%的收益率（3倍杠杆）排名第一。在自动化交易排名中，该策略至今仍稳居前列（有资料显示曾排名第二）。

注：个别资料将Dual Thrust的发明归功于Larry Williams，但主流观点认为其开发者为Michael Chalek。

“Dual Thrust”这个名字的深层含义：

“Dual”（双重）指的是策略同时考虑了两个方向的波动——上涨和下跌。“Thrust”（推力）指的是价格突破通道时的爆发力。

但更深一层：Dual Thrust的“双重”还体现在两个层面的对比上：

方向对比：比较上涨方向和下跌方向哪个波动更大
时间对比：用过去N天的波动来预测今天的突破位置

这种“双重对比”的设计，让Dual Thrust比单方向突破策略（如只追新高）更具适应性。

趣闻：Dual Thrust的原始参数非常简单——N通常取4或5天，K1和K2通常取0.5左右。但有趣的是，很多交易者发现，将K1和K2设置为不对称的值（如K1=0.8，K2=2）在A股市场中表现更好。这是因为A股长期向上，做多信号应该比做空信号更容易触发。

另一个有趣的现象：Dual Thrust在股指期货上的表现通常优于商品期货。有研究显示，在改进后的Dual Thrust策略中，最大回撤可以控制在2%以内。但在商品期货上，需要对不同品种分别优化参数。

⚠️ 参数优化的陷阱：

Dual Thrust只有三个参数（N、K1、K2），看起来很容易优化。但正因为它参数少，每一个参数的变化都会对结果产生巨大影响。很多人在回测中找到了“完美参数”，一到实盘就失效——因为那个参数恰好拟合了历史行情中的某一段特定波动。

策哥的建议：与其追求“最优参数”，不如追求“稳健参数”——即在不同的市场环境下都能表现中等的参数。比如N取4-6、K1和K2取0.5-0.7，这个范围内的参数在多数市场中都不会太差。

老陈点评：
Dual Thrust的持久生命力说明了“简单策略”的价值。它没有复杂的数学公式，没有机器学习，只用了三个参数（N、K1、K2）就构建了一个完整的交易系统。这提醒我们：在量化交易中，复杂不等于有效，简单不等于无效。

老王补充：
我认识一个老交易员，十年如一日只用Dual Thrust做股指期货，每年稳定盈利。他的秘诀不是优化参数，而是严格遵守纪律——每天开盘前算好上下轨，盘中信号出现就执行，收盘前必须平仓。他说：“Dual Thrust不会让你暴富，但它能让你活着。”

六、Python回测示例

以下代码演示Dual Thrust策略在沪深300指数上的回测。采用日内版本（收盘平仓），包含固定比例止损止盈。

import pandas as pd
import numpy as np
import yfinance as yf
from datetime import datetime

# 若yfinance无法获取数据，可使用akshare或分钟级数据：
# 分钟级数据获取：df = yf.download('000300.SS', start='2020-01-01', end='2025-01-01', interval='1h')
# 注意：yfinance的分钟级数据可能不完整，建议使用专业数据源

def dual_thrust_strategy(data, 
                         lookback=4,           # 对应【因子3.1：Range计算周期】
                         k1=0.5,               # 对应【因子3.2：上轨系数】
                         k2=0.5,               # 对应【因子3.2：下轨系数】
                         stop_loss_pct=0.02,   # 止损比例（2%）
                         take_profit_pct=0.04, # 止盈比例（4%）
                         intraday=True):       # 是否日内版本（收盘平仓）
    """
    Dual Thrust策略（带固定止损止盈）
    参数：
        data: 必须包含 'Open', 'High', 'Low', 'Close' 列
        lookback: Range计算的回看周期
        k1: 上轨系数（做多触发）
        k2: 下轨系数（做空触发）
        stop_loss_pct: 止损比例
        take_profit_pct: 止盈比例
        intraday: 是否日内版本（True=收盘平仓）
    返回：添加了持仓和净值的DataFrame
    """
    df = data.copy()
    
    # 1. 计算Range（使用前N日数据，避免未来函数）
    # HH: 前N日最高价的最大值
    df['HH'] = df['High'].rolling(lookback).max().shift(1)
    # LC: 前N日收盘价的最低价
    df['LC'] = df['Close'].rolling(lookback).min().shift(1)
    # HC: 前N日收盘价的最高价
    df['HC'] = df['Close'].rolling(lookback).max().shift(1)
    # LL: 前N日最低价的最小值
    df['LL'] = df['Low'].rolling(lookback).min().shift(1)
    
    # Range = Max(HH - LC, HC - LL)
    df['Range'] = np.maximum(df['HH'] - df['LC'], df['HC'] - df['LL'])
    
    # 2. 计算上下轨（以当日开盘价为基准）
    df['Upper'] = df['Open'] + k1 * df['Range']
    df['Lower'] = df['Open'] - k2 * df['Range']
    
    # 3. 生成入场信号（盘中突破）
    df['Long_Signal'] = (df['High'] >= df['Upper']) & (df['High'].shift(1) < df['Upper'].shift(1))
    df['Short_Signal'] = (df['Low'] <= df['Lower']) & (df['Low'].shift(1) > df['Lower'].shift(1))
    
    # 4. 模拟持仓（带止损止盈）
    df['Position'] = 0
    df['Entry_Price'] = np.nan
    position = 0
    entry_price = 0.0
    entry_price_trigger = 0.0  # 记录触发价格（用于计算入场价）
    
    for i in range(1, len(df)):
        # 日内版本：如果是最后一天，收盘平仓
        if intraday and i == len(df) - 1:
            if position != 0:
                position = 0
                entry_price = 0.0
                entry_price_trigger = 0.0
        
        if position != 0:
            # 计算盈亏比例（用当日收盘价估算）
            if position == 1:
                pnl = (df['Close'].iloc[i] - entry_price) / entry_price
            else:  # position == -1
                pnl = (entry_price - df['Close'].iloc[i]) / entry_price
            
            # 止损或止盈触发
            if pnl <= -stop_loss_pct or pnl >= take_profit_pct:
                position = 0
                entry_price = 0.0
                entry_price_trigger = 0.0
            # 反向信号平仓（价格突破另一侧轨道）
            elif position == 1 and df['Close'].iloc[i] <= df['Lower'].iloc[i]:
                position = 0
                entry_price = 0.0
                entry_price_trigger = 0.0
            elif position == -1 and df['Close'].iloc[i] >= df['Upper'].iloc[i]:
                position = 0
                entry_price = 0.0
                entry_price_trigger = 0.0
        else:
            # 无持仓时，检查入场信号
            # 入场价格使用触发价格（上轨或下轨），而非开盘价
            if df['Long_Signal'].iloc[i]:
                position = 1
                entry_price = df['Upper'].iloc[i]  # 以触发价入场
                entry_price_trigger = df['Upper'].iloc[i]
            elif df['Short_Signal'].iloc[i]:
                position = -1
                entry_price = df['Lower'].iloc[i]  # 以触发价入场
                entry_price_trigger = df['Lower'].iloc[i]
        
        df.loc[df.index[i], 'Position'] = position
        if position != 0:
            df.loc[df.index[i], 'Entry_Price'] = entry_price
    
    # 5. 计算每日收益率和净值
    df['Returns'] = df['Position'].shift(1) * (df['Close'] - df['Close'].shift(1)) / df['Close'].shift(1)
    df['Net_Value'] = (1 + df['Returns']).cumprod()
    
    # 6. 统计指标
    total_return = (df['Net_Value'].iloc[-1] - 1) * 100
    max_drawdown = ((df['Net_Value'].cummax() - df['Net_Value']) / df['Net_Value'].cummax()).max() * 100
    
    # 交易统计
    trades = df[df['Position'] != df['Position'].shift(1)]
    trade_count = len(trades[trades['Position'] != 0]) // 2  # 粗略估算
    
    print(f"总收益率：{total_return:.2f}%")
    print(f"最大回撤：{max_drawdown:.2f}%")
    print(f"估算交易次数：{trade_count}")
    
    return df

if __name__ == "__main__":
    # 下载沪深300指数数据（日线）
    df_300 = yf.download('000300.SS', start='2020-01-01', end='2025-01-01')
    # 运行策略
    result = dual_thrust_strategy(df_300, lookback=4, k1=0.5, k2=0.5)
    print(result[['Open', 'Upper', 'Lower', 'Position', 'Net_Value']].tail(10))

回测结果简要解读（以实际运行为准）：

在趋势明显的行情中（如2020年3月后的反弹），Dual Thrust能较早捕捉到突破信号
在震荡行情中，信号较少，资金利用率较低，但避免了频繁止损
建议读者尝试不对称参数（如K1=0.8, K2=2），观察在A股市场中的表现差异

代码说明：
本代码为日线级别的简化版回测。原版Dual Thrust是分钟级日内策略，需要在分钟K线上运行。日线回测无法精确模拟日内突破的时机，仅供参考。建议读者使用分钟数据进行更精确的回测。

老陈点评：
回测时需要注意：Dual Thrust的信号是基于“盘中价格突破轨道”触发的，使用日线数据（只有开盘、最高、最低、收盘四个价格）会丢失很多盘中细节。建议使用1小时或30分钟K线进行回测，更贴近实盘。

老王补充：
实盘中，Dual Thrust的执行非常依赖交易速度。如果信号出现后你犹豫了几分钟才下单，价格可能已经跑远了。建议使用程序化交易自动执行，或者至少设置好条件单。

七、本章小结与思考题

小结

项目	核心要点
策略类型	趋势跟踪，开盘区间突破
核心公式	Range = Max(HH-LC, HC-LL)；上轨 = 开盘价 + K1×Range；下轨 = 开盘价 – K2×Range
适用行情	有明显日内趋势的行情
核心优势	思路简单，参数少，适用于多个市场
最大风险	震荡市中无信号（资金闲置）或频繁假突破
资金门槛	低，单品种即可运行

Dual Thrust与海龟交易法则（第一.01）同属趋势跟踪策略，但两者的定位截然不同：

维度	海龟交易法则（第一.01）	Dual Thrust（第一.02）
时间框架	日线级别，数天至数周	分钟级别，日内交易
通道基准	移动最高/最低价	开盘价 + 波动幅度
仓位管理	金字塔加仓（最多4次）	一次性建仓
止损机制	2倍ATR追踪止损（独立）	反向轨道止损（集成）
适用资金	中等偏上（需多品种分散）	低（单品种即可）

Dual Thrust的通道每天开盘后重新计算，就像你每天早上重新设定当天的闹钟——不管昨天发生了什么，今天都是新的开始。这种“每日重置”机制让它对市场环境的变化非常敏感：昨天波动大，今天的通道就宽；昨天波动小，今天的通道就窄。它不会因为昨天的大行情而今天继续追高，也不会因为昨天的低迷而今天不敢出手。

如果说海龟是“重型坦克”——威力大但需要充足的资金和耐心；那Dual Thrust就是“轻型骑兵”——灵活、快速、适合小资金快速周转。

老陈总结：
Dual Thrust的价值在于它的“每日重置”机制。每天开盘后，上下轨重新计算，策略自动适应新的市场环境。这种自适应特性让它比固定参数的突破策略更具鲁棒性。但要注意：自适应不等于万能，在低波动环境中，它依然会失效。

老王总结：
我个人的建议是：Dual Thrust最适合作为多策略组合中的一员，而不是唯一的策略。你可以把它和均值回归策略（如布林带）搭配使用——趋势来了用Dual Thrust赚钱，震荡来了用布林带赚钱。不要把鸡蛋放在一个篮子里，也不要把资金押在一个策略上。

💡 思考题

Dual Thrust的Range计算中，为什么要取Max(HH-LC, HC-LL)而不是直接用ATR？两者有什么本质区别？
在A股市场（只能做多），如果将Dual Thrust改编为单向版本，K1和K2应该如何设置？为什么？
原版Dual Thrust没有内置独立止损，你认为这是优点还是缺点？如果让你加一个止损，你会怎么设计？
（展望题） Dual Thrust的“每日重置”机制让它对短期波动非常敏感。如果未来市场波动率持续下降，你认为这个策略会被淘汰，还是会通过参数调整继续存活？请从策略自适应的角度分析。

八、引用/参考出处

湘财证券研报《金融工程：商品期货的DUALTHRUST组合优化策略》（2024-11-19） https://stock.finance.sina.com.cn/stock/go.php/vReport_Show/kind/lastest/rptid/785355181250/index.phtml
湘财证券研报《CTA系列专题一：商品期货的DUALTHRUST组合策略》（2024-03-28） https://stock.finance.sina.com.cn/stock/go.php/vReport_Show/kind/11/rptid/764959094841/index.phtml
雪球专栏《经典策略系列之Dual Thrust交易策略》：https://xueqiu.com/8287840120/65503939
雪球专栏《史上最赚钱的策略之一？Dual Thrust策略的原理、回测、优化与指标》：https://xueqiu.com/8346773006/295868650
BigQuant量化平台《期货日内高频策略(Dual Thrust应用)》：https://bigquant.com/wiki/doc/Xzk3aCOkKu

图书（元信息）：

《‌Trading Systems and Methods, 6th Edition‌》是由交易系统专家 ‌Perry J. Kaufman‌ 撰写的权威参考书，由 ‌Wiley‌ 出版社于 ‌2019年10月‌ 出版。‌‌（第16章关于区间突破系统的讨论）
欧内斯特·陈，《量化交易：如何构建你的算法交易系统》，人民邮电出版社，2021。

文章版权归作者所有，未经允许请勿转载。

THE END