如何根据每周损失停止TradingView策略？

一个遭受了重大亏损的策略，需要表现出非凡的业绩才能挽回损失。通常情况下，防范于未然，远比从大额亏损中恢复要容易得多。本文将探讨如何让一个TradingView策略能够基于周度亏损上限来自动停止交易。

在TradingView中基于周度策略亏损停止交易

策略风险的核心当然是亏损。一旦亏损累积，策略需要拿出超常的表现才能勉强回本。一种防止亏损失控的方法，便是设定一个周度的最大亏损上限。当达到这个限额时，策略便暂停本周的交易。

通过这种方式，当市场环境根本不提供机会时，我们的脚本就不会继续盲目交易。让我们看看如何在TradingView Pine中实现这一逻辑。

要让我们的策略脚本能基于周度表现来停止运行，我们将实施以下六个步骤：第一步（可选），创建一个输入项，用于灵活配置最大周度亏损；第二步，获取策略在上周交易结束时的账户权益；第三步，将上周的权益与当前权益进行比较，以计算出策略本周的亏损；第四步，将本周的亏损与设定的最大亏损进行比较；第五步，将比较结果整合进策略的入场逻辑中，这样，一旦达到周度亏损上限，便不会再发送任何入场订单；第六步，在达到周度亏损上限时，平掉策略当前持有的所有市场头寸，从而完全停止交易。让我们来详细分解这些步骤及其所需的代码。

步骤1.（可选）创建一个输入选项

为了在需要调整周度亏损上限时不必修改代码，我们可以创建一个输入选项：

// 通过输入项配置最大周度亏损
maxLoss = input.int(1250, title="周度最大亏损", minval=1) * -1

我们在这里使用 input.int() 函数来创建一个整数输入框。我们将其默认值设为1,250，并通过 minval=1 确保其最小值为1。（确保输入值为正数，可以简化后续的代码逻辑。）

我们将输入值存入 maxLoss 变量。为了方便后续的比较，我们通过乘以 -1 将用户输入的正数（代表亏损额）直接存为一个负数。

（如果你不创建这个可选的输入项，请注意，在后续步骤中，maxLoss 指的是以负数形式表示的周度最大亏损额。）

步骤2. 获取上周的策略权益

追踪周度表现的一个有效方法，是获取策略在上周结束时的账户权益。然后，在本周内，我们将当前权益与这个期初值进行比较。策略权益是初始资金、已平仓交易的累计盈亏以及当前持仓的浮动盈亏三者的总和。

以下是我们如何获取上周的这个数值：

// 计算出上周交易结束时的策略权益
equityLastWeek = 0.0
equityLastWeek := dayofweek == dayofweek.monday and dayofweek != dayofweek[1] ?
     strategy.equity[1] : equityLastWeek[1]

这里，我们首先声明了一个持久变量 equityLastWeek。然后，通过条件运算符（?:）来为其赋予实际值。

这个条件包含两个部分：第一部分检查当前K线的星期（dayofweek）是否为星期一（dayofweek.monday）。第二部分则检查当前K线是否为本日的第一根K线（通过判断 dayofweek 是否不等于其前一根K线的值来实现）。

只有当这两个条件同时成立时，才意味着策略正在处理本周的第一根K线。此时，上周的期末权益就是前一根K线收盘时的权益（strategy.equity[1]）。

如果当前K线不是周一早上的第一根，那么条件运算符就会让 equityLastWeek 保持其前一根K线的值。通过这种方式，equityLastWeek 变量每周只在周一开盘时更新一次。在其他时间，它会静态地保存着上周末的权益值（这正是我们所需要的）。

（如果你的交易周是从周日开始的，只需将上述代码中的 dayofweek.monday 替换为 dayofweek.sunday 即可。）

步骤3. 确定策略的本周亏损

有了上周的期末权益，我们就可以计算策略当前的周度表现：

// 计算策略的本周亏损
weeklyLoss = strategy.equity - equityLastWeek

为了计算策略的周度亏损，我们用其当前权益（strategy.equity）减去上周末的权益（equityLastWeek）。我们将结果存入 weeklyLoss 变量以备后用。

步骤4. 将周度表现与最大亏损进行比较

现在，我们可以将策略的周度表现与其最大亏损限额进行比较。由于后续步骤也需要这个判断结果，最简单的方法是将其存入一个布尔变量中。

// 判断策略是否仍被允许交易
okToTrade = weeklyLoss > maxLoss

这段代码检查 weeklyLoss 是否大于 maxLoss（我们在步骤1中创建的输入变量，默认值为-1,250）。只要策略的周度表现仍高于这个亏损下限，okToTrade 变量就为 true，否则为 false。

步骤5. 在发送入场订单前检查周度亏损

现在我们有了一个布尔变量 okToTrade，它告诉我们策略是应该继续交易（true）还是暂停（false）。我们可以将这个变量整合到我们的多空入场条件中。例如：

// 提交订单
if okToTrade and enterLong
    strategy.entry("EL", strategy.long)

if okToTrade and enterShort
    strategy.entry("ES", strategy.short)

第一个 if 语句只有在 okToTrade 和 enterLong 同时为 true 时，才会通过 strategy.entry() 提交一个做多订单。第二个 if 语句同理。

一旦策略触及了其最大周度亏损，okToTrade 就会变为 false。这反过来会阻止 strategy.entry() 发送任何新的多头或空头订单，从而停止策略的交易活动。

请注意，上述代码中的 enterLong 和 enterShort 变量只是你策略实际入场条件的占位符。你的代码可能会有所不同，但核心思想不变：在发送任何新的入场订单（无论是通过 strategy.entry() 还是 strategy.order()）之前，都必须先检查 okToTrade 的状态。

步骤6. 达到周度亏损时平掉所有仓位

在最后一步，当达到周度亏损上限时，我们平掉所有持仓。这样，亏损就不会因为市场头寸的继续持有而进一步恶化。我们退出策略的所有持仓：

// 当达到周度亏损时，平掉所有持仓
if not okToTrade
    strategy.close_all()

这个 if 语句使用 not 逻辑运算符来判断 okToTrade 是否为 false。如果是，就意味着策略的周度亏损已达到上限。

在这种情况下，我们执行 strategy.close_all() 函数。如果策略当时有持仓，该函数会发送一个市价单来平掉所有仓位。

有两点值得注意：一是由于我们在发送任何入场订单前都已检查了 okToTrade，因此在平仓后，我们无需再做任何事。换言之，由于 okToTrade 的值为 false，我们的策略现在已经完全停止了交易。二是因为我们是通过市价单来平仓的，由于滑点和佣金的存在，最终的亏损可能会比我们设定的最大亏损略差一些。

示例策略：基于周度亏损停止交易

下方的代码将以上六个步骤整合进了一个完整的脚本中。该示例策略交易的是两条指数移动平均线（EMA）的交叉。

这个交易过程会一直持续，直到触及周度亏损上限。一旦发生这种情况，交易便会停止，策略必须等待下一周才能重新开始。该脚本还在图表上绘制了其周度亏损和最大亏损的水平线，这使得追踪策略在周内的表现变得非常容易。完整的策略代码如下：

//@version=5
strategy(title="在周度亏损后停止交易", overlay=false,
     default_qty_type=strategy.fixed, default_qty_value=10)

// 步骤1：
// 通过输入项配置最大周度亏损
maxLoss = input.int(1250, title="周度最大亏损", minval=1) * -1

// 计算移动平均线
fastMA = ta.ema(close, 5)
slowMA = ta.ema(close, 25)

// 定义交易条件
enterLong  = ta.crossover(fastMA, slowMA)
enterShort = ta.crossunder(fastMA, slowMA)

// 步骤2：
// 计算出上周交易结束时的策略权益
equityLastWeek = 0.0
equityLastWeek := dayofweek == dayofweek.monday and dayofweek != dayofweek[1] ?
     strategy.equity[1] : equityLastWeek[1]

// 步骤3：
// 计算本周的策略亏损
weeklyLoss = strategy.equity - equityLastWeek

// 在图表上显示周度亏损和触发水平线
plot(math.min(weeklyLoss, 0), style=plot.style_area, 
     color=color.new(color.red, 85))
hline(0, color=color.orange, linestyle=hline.style_solid)
hline(maxLoss, color=color.red, linestyle=hline.style_solid, linewidth=3)

// 步骤4：
// 判断策略是否仍被允许交易
okToTrade = weeklyLoss > maxLoss

// 步骤5：
// 提交订单
if okToTrade and enterLong
    strategy.entry("EL", strategy.long)

if okToTrade and enterShort
    strategy.entry("ES", strategy.short)

// 步骤6：
// 当达到周度亏损时，平掉所有持仓
if not okToTrade
    strategy.close_all()

让我们看看这个策略在图表上的行为。在下方的富时100指数CFD图表上，我们看到脚本在10号建立了一个空头仓位。该交易表现不佳，并最终导致策略触及了其最大周度亏损。

当这种情况发生时，策略平掉了仓位并暂停了本周的所有交易：

下方的原油CFD图表则展示了一个更长期的视角。这里，策略首先触及了其周度亏损。然后，新的一周开始了，策略得以重新尝试。不幸的是，情况并未好转：脚本再次达到了其最大亏损上限，并再次停止了交易。

请注意，如果你想限制一个策略的日内亏损，你不必像本文这样编写自定义代码。因为TradingView已经为此提供了一个内置的风险管理函数。通过 strategy.risk.max_intraday_loss() 函数，我们可以让策略在达到一定的日内亏损后，暂停当日的交易。要了解更多限制和管理TradingView策略风险的方法，请浏览我们的风险管理分类文章。

如何限制TradingView策略在一周内的交易频率？

一个交易频繁的策略通常会产生显著的佣金和滑点成本。在行情好的时候，这或许不成问题。但当市场条件不利时，这些额外的成本只会让策略的表现雪上加霜。本文将探讨如何限制一个TradingView策略的每周交易次数。

拒绝过度交易：基于每周交易频率的策略熔断机制

理论上，一个策略只应在具有正期望值时才进行交易。但在现实中，任何策略都会经历亏损期。有时市场条件会变得异常动荡或不可预测，导致策略频繁出错。在这些时候，限制策略的交易活动，比盲目交易、越陷越深要明智得多。

一个有效的选项是限制在特定时间周期内的交易频率。虽然TradingView为日内交易提供了内置函数 strategy.risk.max_intraday_filled_orders()，但并非所有策略都适用于日内时间框架。

即便对于日内策略，基于一个更长的时间周期（如周）来限制交易，也可能是一个好主意。这样，交易活跃和交易稀疏的日子可以相互抵消，从而得到一个更平滑的风险控制。接下来，让我们看看如何实现对TradingView策略的每周交易次数限制。

要让我们的TradingView策略在一周内交易达到一定次数后自动停止，需要完成以下任务：第一步（可选），使用输入选项来设定每周的最大交易次数；第二步，获取并记录上周末收盘时的策略总交易数；第三步，在本周的每一根K线上，用当前的总交易数减去上周末的记录，从而计算出本周已发生的交易次数；第四步，将本周的交易次数与设定的上限进行比较；第五步，仅在未达到每周交易上限时才提交新的开仓订单；第六步，一旦达到上限，立即平掉所有当前持有的仓位。让我们逐一分解这些步骤，并看看需要哪些代码来实现。

步骤1.（可选）使用输入选项设定每周交易上限

为了方便地调整每周最大交易次数，我们可以创建一个输入选项：

// 为每周允许的交易次数创建一个输入项
maxTrades = input.int(20, title="每周最大交易次数", minval=1)

我们使用 input.int() 函数创建一个整数输入框，默认值为20。我们将这个输入值保存在 maxTrades 变量中，以便后续步骤使用。（如果你不需要输入选项，只需在后续步骤中用你自己的方式设定的周交易上限值替换 maxTrades 即可。）

步骤2. 获取上周末的总交易数

要计算策略的交易次数，最简单可靠的方法是结合使用两个内置变量：strategy.closedtrades（已平仓交易数）和 strategy.opentrades（未平仓交易数）。

由于这两个变量返回的是整个回测期间的累计总数，我们需要一种方法来截取上周末的数值。然后，在本周内，我们就可以通过与这个基准值比较来得出本周的交易次数。实现代码如下：

// 记录上周末收盘时的总交易数
tradesLastWeek = 0

tradesLastWeek := if dayofweek == dayofweek.monday and dayofweek != dayofweek[1]
    strategy.closedtrades[1] + strategy.opentrades[1]
else
    tradesLastWeek[1]

这段代码的核心在于 if dayofweek == dayofweek.monday and dayofweek != dayofweek[1] 这个条件。它能精确地定位到每周一的第一根K线。在这一刻，我们通过历史引用操作符 [1] 来获取上一根K线（即上周五收盘时）的已平仓和未平仓交易总数，并将其作为本周的基准储存在 tradesLastWeek 变量中。在一周的其他时间里，这个变量的值通过 tradesLastWeek[1] 保持不变，从而实现了每周仅更新一次的效果。

步骤3. 计算本周已发生的交易次数

有了上周末的交易数基准，计算本周的交易次数就变得非常简单了：

// 计算本周已发生的交易次数
weeklyTrades = (strategy.closedtrades + strategy.opentrades) -
     tradesLastWeek

我们将当前的总交易数（已平仓 + 未平仓）减去上周末记录的 tradesLastWeek，差值即为本周内发生的交易次数。

步骤4. 比较当前周交易数与上限

现在，我们可以判断策略是否已达到每周的交易上限：

// 判断是否仍可进行交易
okToTrade = weeklyTrades < maxTrades

okToTrade 是一个布尔变量。如果本周交易次数 weeklyTrades 小于我们设定的上限 maxTrades，okToTrade 就为 true，否则为 false。

步骤5. 在开仓条件中加入周交易频率检查

有了 okToTrade 这个明确的交易开关，我们就可以将其整合到我们的开仓逻辑中：

// 在提交订单前，加入对周交易频率的考量
if okToTrade and enterLong
    strategy.entry("EL", strategy.long)
if okToTrade and enterShort
    strategy.entry("ES", strategy.short)

只有当 okToTrade 为 true 时，策略的开仓条件（enterLong 或 enterShort）才可能被满足，从而提交新的订单。一旦周交易次数达到上限，okToTrade 变为 false，策略便会停止响应新的交易信号。

重要提示：请确保在你策略中所有可能产生新仓位的代码（包括 strategy.entry() 和 strategy.order()）前都加入了 okToTrade 这个条件判断，否则此风控逻辑将无法生效。

步骤6. 达到上限后立即平仓

最后一步是，在达到周交易上限后，立即清空所有持仓，彻底停止策略的交易活动。

// 当达到周交易上限时，平掉所有当前持仓
if not okToTrade
    strategy.close_all()

我们使用 not okToTrade 来判断 okToTrade 是否为 false。一旦为 false，就调用 strategy.close_all() 函数，它会发送一个市价单来平掉所有当前持仓。

通过结合步骤5和步骤6，我们便实现了一个完整的周交易频率熔断机制。

示例策略：实现基于每周交易次数的熔断

下方的完整策略脚本融合了以上所有步骤。它基于均线交叉进行交易，直到每周20笔的交易上限被触发。届时，策略将停止开新仓，并清空已有仓位。当新的一周开始时，计数器重置，策略恢复正常交易。策略的完整代码如下：

//@version=5
strategy(title="限制每周交易", overlay=false, precision=0,
     default_qty_type=strategy.fixed, default_qty_value=20)

// 步骤 1: 设定每周最大交易次数
maxTrades = input.int(20, title="每周最大交易次数", minval=1)

// 计算指标和交易条件
fastMA = ta.ema(close, 5)
slowMA = ta.ema(close, 25)
enterLong  = ta.crossover(fastMA, slowMA)
enterShort = ta.crossunder(fastMA, slowMA)

// 步骤 2: 记录上周末的总交易数
tradesLastWeek = 0
tradesLastWeek := if dayofweek == dayofweek.monday and dayofweek != dayofweek[1]
    strategy.closedtrades[1] + strategy.opentrades[1]
else
    tradesLastWeek[1]

// 步骤 3: 计算本周交易数
weeklyTrades = (strategy.closedtrades + strategy.opentrades) -
     tradesLastWeek

// 在图表上可视化周交易数和上限
plot(weeklyTrades, style=plot.style_columns,
     color=weeklyTrades >= maxTrades ? color.orange : color.teal)
hline(maxTrades, color=color.red, linestyle=hline.style_solid,
     linewidth=2)
hline(0, linestyle=hline.style_solid, color=color.gray)

// 步骤 4: 判断是否可以交易
okToTrade = weeklyTrades < maxTrades

// 步骤 5: 提交开仓订单
if okToTrade and enterLong
    strategy.entry("EL", strategy.long)
if okToTrade and enterShort
    strategy.entry("ES", strategy.short)

// 步骤 6: 达到上限后平仓
if not okToTrade
    strategy.close_all()

由于策略会在图表上绘制每周的交易数量，我们可以很方便地追踪这个值。在下方的截图中，每周交易数缓慢增长至20。当达到这个水平时，策略发送了一个平仓订单来退出已有的空头仓位。然后，在本周剩余的时间里，脚本没有再提交任何新的订单。

下方的图表展示了一个更长的时间周期。我们可以看到，一旦新的一周开始，策略便重新开始交易了：

要了解更多想法和灵感，可以查阅TradingView风险管理的相关主题分类。