成准备工作后，终于来到我们开仓逻辑的设置。
这里有一个重要的变量，opcode代表操作代码，一共有四种操作，0：空闲，不进行任何的操作；1：开多，2：开空，3：全部平仓。
lastPrice是最新k线返回的价格，并赋值给obj对象。
如果当前海龟策略控制对象的加仓次数为0，就是没有没持仓。分别给止损价，离市价，上限和下限进行初始的赋值，然后使用for循环两次，用来检测2个突破系统的触发。如果是第一次循环，并且上次突破没有失败，就是成功突破，就需要跳过本次循环，这是为了避免重复进入条件不满足的情况。用 ? : 三元条件表达式，选择使用的突破系统参数，即当 i == 0 时 使用系统A，否则使用系统B。然后限制当前K线周期bar长度必须大于突破系统的入市周期加1。
接着计算enterPeriod周期内所有最高价的最大值定义highest变量，和最低价的最小值定义lowest变量。
然后取两次系统A和系统B获取的highest中最小的值，lowest中最大的值，定义为obj.status.upLine和downLine。
然后进行突破信号的判断，如果最新的价格向上突破对应周期内的最高价，opCode定义为1；如果最新的价格向下突破对应周期内的最低价，opCode定义为2。
如果opCode不等于0，就是存在突破情况，就会根据当前使用的突破系统确定离市周期obj.leavePeriod的值，并跳出循环。
这里的设计是很巧妙的，大家可以暂停一下，慢慢思考一下。
接下来，如果持有仓位的话，首先计算价差，计算单价盈亏，这里我们设置如果盈利的话，对于多仓和空仓都是负值，亏损的时候，设置为是正值，因为下面要和止损价的对比。
计算止损价，当做多的时候：止损价是比开仓价低的，所以使用开仓价减去，N值乘以止损系数；做空，使用用开仓价加上N值乘以止损系数。
然后检测单价盈亏是否大于设定的盈亏限制（就是止损系数 * N值），请注意，当亏损的时候，无论空仓还是多仓，spread都是正值，所以可以直接比较。如果spread大于设定的盈亏限制，则触发止损操作。此时，操作代码(opCode)赋值为3，表示触发了止损操作，并标记上次突破失败为真(obj.preBreakoutFailure = true)。然后st，代表止损次数，增加1。这里的日志信息里，最后是suffix符号，代表推送消息到app或者邮箱。在下面重要的信息里，我们也添加了这个符号。
spread当盈利的时候是负的，所以在第二个条件中，使用-spread判断和加仓系数乘以N值的大小，判断是否触发加仓操作，这里还有一个限制条件，目前的加仓次数需要小于最大加仓次数。根据持仓方向不同，操作代码赋值为1或2，表示进行加多仓还是加空仓的操作。
最后离场平仓的判断，是当opCode等于0，并且K线周期长度大于离市周期，可以计算离市价格，如果持仓方向为做多，则离市价格被设定为过去离市周期内最低价格，如果是空仓，离市价格是过去离市周期内最高价格。
接着判断触发，如果最新价格小于离市价格（多仓情况下），或者最新价格大于离市价格（空仓情况下），就会触发正常平仓操作。此时，操作代码赋值为3，并标记上次突破失败为假(obj.preBreakoutFailure = false)。status.cover正常平仓次数增加1。
下面的片段是程序的交易部分，用于根据opcode进行相应的交易操作。如果opCode为0，就会直接返回。如果opCode的值为3，表示需要进行平仓操作（包括正常的平仓和止损平仓）。在这种情况下，代码会调用”coverall”方法平掉该品种的所有仓位，并在平仓后重置相关变量，并记录平仓后的权益信息，显示到收益曲线。
如果opCode不是0或3，说明需要进行开仓或者加仓的操作。代码首先判断当前的加仓次数是否大于最大的加仓次数。接着计算了ATR（平均真实波幅）和确定了N值。
然后根据我们上节课讲过的公式计算开仓的手数，使用初始的金额减去预留保证金，然后乘以riskratio，在除以N，和合约乘数，就是一个头寸的大小单位。然后，获取账户信息的余额，预留保证金、做多仓或者空仓的保证金率，最新价格的1.2倍和合约的乘数，计算出可以开的手数。取两者之间的最小值，就是我们本次开仓的数量。
这个时候还需要做一个比较，如果计算出的单位手数小于合约允许的最小限价单手数，就要设置错误信息并返回。
如果单位手数符合要求，使用pushtask函数进行下单。成功下单后，代码会记录N值，开仓价openPrice，持有均价holdPrice，，持有数量holdAmount，如果是第一次开仓（marketPosition == 0），使用open记录下来开仓次数，如果是加仓，根据opCode为1或者2的时候，使用marketPosition记录加仓的数量。
最后使用status.vm记录下来不同合约的状态变量，并使用_G进行保存。
以上，就是使用程序化的语言将我们的海龟策略逻辑进行创建。这里的设计是很巧妙的，如果哪里理解的不是太清晰，大家可以暂停一下，慢慢思考这里的设计背后的原因。TTManager仅仅是创建了一个交易对象，至于具体的多品种的相关的参数设置，交易操作和执行，画图的展示等还需要进入我们的主函数中进行介绍，我们下节课再见。
上节课我们学习了海龟交易逻辑对象TTManager。作为一个交易逻辑对象的构造函数，整个的「海龟交易法则」用代码表达的部分都封装在这个对象中。下面我们在主函数中，来看怎样使用TTManager构造不同品种的海龟交易策略控制对象，并且运行海龟策略的。
function main() {
SetErrorFilter("login|ready|流控|连接失败|初始|Timeout"); //过滤错误日志。参数值：字符串类型。被此正则表达式匹配的错误日志将不上传到日志系统，可多次调用设置多个过滤条件
exchange.IO("mode", 0);
while (!exchange.IO("status")) {
Sleep(3000);
LogStatus("正在等待与交易服务器连接, " + _D());
}
var positions = _C(exchange.GetPosition);
if (positions.length > 0) {
Log("检测到当前持有仓位, 系统将开始尝试恢复进度...");
Log("持仓信息", positions);
}
Log("风险系数:", RiskRatio, "N值周期:", ATRLength, "系统1: 入市周期", EnterPeriodA, "离市周期", LeavePeriodA, "系统二: 入市周期", EnterPeriodB, "离市周期", LeavePeriodB, "加仓系数:", IncSpace, "止损系数:", StopLossRatio, "单品种最多开仓:", MaxLots, "次");
var tts = [];
var filter = [];
var arr = Instruments.split(',');
var initAccount = _q.GetAccount(exchange);
var initMargin = JavaScriptON.parse(exchange.GetRawJavaScriptON()).CurrMargin;
var realInitBalance = initAccount.Balance + initMargin;
var keepBalance = _N(realInitBalance * (KeepRatio/100), 3);
Log("当前资产信息", initAccount, "保留资金:", keepBalance);
var arrChart = [];
var index = 0;
for (var i = 0; i < arr.length; i++) {
var symbol = arr[i].replace(/^\s+/g, "").replace(/\s+$/g, "");
if (typeof(filter[symbol]) !== 'undefined') {
Log(symbol, "已经存在, 系统已自动过滤");
continue;
}
filter[symbol] = true;
var hasPosition = false;
for (var j = 0; j < positions.length; j++) {
if (positions[j].ContractType == symbol) {
hasPosition = true;
break;
}
}
var obj = TTManager.New(hasPosition, symbol, realInitBalance, keepBalance, RiskRatio, ATRLength, EnterPeriodA, LeavePeriodA, EnterPeriodB, LeavePeriodB, IncSpace, StopLossRatio, MaxLots, index);
index += 3;
tts.push(obj);
arrChart.push(obj.Chart);
}
chart = Chart(arrChart);
chart.reset();
var tblAssets = null;
var nowAccount = null;
var lastStatus = '';
while (true) {
while (!exchange.IO("status")) {
Sleep(3000);
LogStatus("正在等待与交易服务器连接, " + _D() + "\n" + lastStatus);
}
var tblStatus = {
type: "table",
title: "持仓信息",
cols: ["合约名称", "持仓方向", "持仓均价", "持仓数量", "持仓盈亏", "加仓次数", "开仓次数", "止损次数", "成功次数", "当前价格", "N"],
rows: []
};
var tblMarket = {
type: "table",
title: "运行状态",
cols: ["合约名称", "合约乘数", "保证金率", "交易时间", "移仓次数", "柱线长度", "上线", "下线", "止损价", "离市价", "异常描述", "发生时间"],
rows: []
};
var totalHold = 0;
var vmStatus = {};
var ts = new Date().getTime();
var holdSymbol = 0;
var tradingCount = 0;
for (var i = 0; i < tts.length; i++) {
tts[i].Poll();
var d = tts[i].Status();
if (d.holdAmount > 0) {
vmStatus[d.symbol] = d.vm;
holdSymbol++;
}
if (d.isTrading) {
tradingCount++;
}
tblStatus.rows.push([d.symbolDetail.InstrumentID, d.holdAmount == 0 ? '--' : (d.marketPosition > 0 ? '多' : '空'), d.holdPrice, d.holdAmount, d.holdProfit, Math.abs(d.marketPosition), d.open, d.st, d.cover, d.lastPrice, d.N]);
tblMarket.rows.push([d.symbolDetail.InstrumentID, d.symbolDetail.VolumeMultiple, _N(d.symbolDetail.LongMarginRatio, 4) + '/' + _N(d.symbolDetail.ShortMarginRatio, 4), (d.isTrading ? '是#0000ff' : '否#ff0000'), d.switchCount, d.recordsLen, d.upLine, d.downLine, d.stopPrice, d.leavePrice, d.lastErr, d.lastErrTime]);
totalHold += Math.abs(d.holdAmount);
tts[i].PlotRecords(chart);
}
var now = new Date();
var elapsed = now.getTime() - ts;
if (tradingCount > 0 || !nowAccount) {
tblAssets = _q.GetAccount(exchange, true);
nowAccount = _q.Account();
if (tblAssets.rows.length > 10) {
// replace AccountId
tblAssets.rows[0] = ["InitAccount", "初始资产", realInitBalance];
} else {
tblAssets.rows.unshift(["NowAccount", "当前可用", nowAccount], ["InitAccount", "初始资产", realInitBalance]);
}
if (totalHold > 0) {
tblAssets.rows.push(["手动恢复字符串", {body:JavaScriptON.stringify(vmStatus), colspan: 2}]);
}
}
lastStatus = '`' + JavaScriptON.stringify([tblStatus, tblMarket, tblAssets]) + '`\n轮询耗时: ' + elapsed + ' 毫秒, 当前时间: ' + _D() + ', 星期' +
['日', '一', '二', '三', '四', '五', '六'][now.getDay()] + ", 持有品种个数: " + holdSymbol + ", 交易任务: " + _q.size();
LogStatus(lastStatus);
_q.poll();
Sleep( 1000);
}
}
来到我们的主函数，首先是内置函数SetErrorFilter，它用来过滤错误日志。参数值是字符串类型。当错误日志匹配到这个正则表达式的时候，将不会上传到日志系统，可多次调用设置多个过滤条件。这里我们过滤了一些常规错误，因此在日志信息里可以清晰明了的翻阅我们需要的信息。
设定行情模式为立即返回模式，参数填写为0。
检测我们的服务器连接状态，获取仓位的信息。如果检测到仓位的话，我们将会尝试恢复进度。
接下来就要创建不同合约的海龟交易逻辑对象。
创建tts数组，用于存储海龟交易策略控制对象；filter，这是过滤用的数组；arr，对合约列表使用逗号进行分隔，构成合约的数组。
对于TTManager对象，除去这些策略的外部参数，我们还需要进行一些参数的计算和设置。
这里是计算初始资金realInitBalance和预留保证金keepBalance参数。使用GetAccount获取账户信息，调用GetRawJavaScriptON函数获取”CurrMargin”代表”当前保证金总额”，然后使用账户可用资金加上当前保证金，就是真正的初始资金realInitBalance，再乘以预留保证金比例，就是keepBalance参数。
还有画图需要的参数，arrChart存储不同合约图表的对象，index是不同合约的索引，用来给不同品种的图表数据进行按顺序的添加，初始值我们设置为0，然后伴随不同的合约进行更新。
接下来我们进入循环，进行不同品种的海龟交易对象的创建。
使用for循环遍历分隔后的数组，首先正则表达式匹配，可以保证品种名称的格式正确，消除不必要的空格，使其符合代码逻辑的要求。接下来进行品种的过滤，这是为了避免，重复创建相同品种的海龟交易策略控制对象。通过检查过滤数组filter中是否已存在名为symbol的属性。如果存在，表示该品种已经处理过，直接跳过该品种的处理。如果过滤数组filter中不存在名为symbol的属性，则将symbol添加到过滤数组中，设置属性值为true，表示该品种已经处理过。
然后初始化hasPosition变量，false代表没有持仓。遍历获取到的持仓信息，如果有持仓信息合约名称和symbol一样的，给hasPosition赋值true代表有持仓。这时候，TTManager.New所有需要的参数我们都已经获取到，创建obj，添加进入tts数组中。图表对象也添加进入arrChart数组。当一个合约添加完成以后，这个时候需要更新index，因为每个合约图表对象有三组数据（k线，离场价格和止损价格），所以index递增3。
在这里我们创建图表对象。
然后我们创建tblAssets，nowAccount，和lastStatus的初始变量，分别用来存储资产信息的表格，当前账户可用资金和上一次状态信息。这三个变量用来跟踪和记录状态信息，在while循环中进行使用和更新。
在不同合约的海龟交易逻辑对象创建完成以后，我们就要带入主循环进行交易策略的运行。
来到我们的主循环，这里我们不仅要运行我们的交易逻辑，还有很多的重点将放在如何全面的，及时的展现和更新该策略的运行进度和运行状态。
首先检测交易服务器连接状态；然后定义两个对象tblStatus和tblMarket，它们是用于存储持仓信息的表格，包括合约名称、持仓方向、持仓均价、持仓数量、持仓盈亏、加仓次数、开仓次数、止损次数、成功次数（也就是正常平仓次数）、当前价格和N值，和运行状态的表格数据，包括合约名称、合约乘数、保证金率、交易时间、移仓次数、柱线长度、上线、下线、止损价、离市价、异常描述和发生时间。
下面继续创建一些变量：
totalHold：表示当前持仓数量的总和。
vmStatus：用于存储持仓品种的持仓状态信息。
ts：代表一个时间戳，用于记录当前循环开始的时间。它通过new Date().getTime()获取当前时间的毫秒数来初始化。
holdSymbol：记录当前持有仓位的品种数量。
tradingCount：表示当前正在进行交易的品种数量。
接下来对不同品种的海龟交易策略控制对象的数组tts进行操作。首先调用每个合约的海龟管理对象的Poll方法，进行交易的操作；然后调用对象的Status()方法，获取该对象的当前交易状态，并将其赋值给变量d。
如果当前对象有持仓，就会给空对象vmStatus，将 d.symbol 对应的值赋给 vmStatus 对象中的对应属性，接着持有的合约品种数量holdSymbol也会累计。
如果变量d的isTrading为真，那么将tradingCount自增1。
接着分别使用状态的信息更新tblStatus和tblMarket表格数据，
这里是累加所有品种的持仓数量的绝对值，用来计算总持仓数量totalHold。
调用tts[i]对象的PlotRecords()方法，将不同合约的图表数据进行添加和更新。
为了展示策略的运行效率，我们计算了轮询的间隔elapsed，使用轮询后的时间now减去轮询前的时间ts。
下面是更新资产信息表格tblAssets。
如果存在正在交易的品种（tradingCount > 0）或者nowAccount变量为空（即第一次循环），就会调用_q.GetAccount(exchange, true)获取账户的资产信息，并将结果赋值给tblAssets变量。
然后调用_q.Account()获取当前账户的可用资金，并将结果赋值给nowAccount变量。
这里我们调整了一下tblAssets，如果获取的表格的行数大于10，那么设置索引0的行数为初始资金信息，否则的话，在图表开始的位置插入当前可用资产，和初始的资产。
接下来我们进行”手动恢复字符串”的设置。如果存在持仓（totalHold > 0），将”手动恢复字符串”行信息添加到tblAssets表格中。该行包含不同持仓品种的持仓状态信息，通过JavaScriptON.stringify(vmStatus)将其转换为字符串，并设置colspan为2，用来跨越两列。如果我们选择手动恢复模式，可以使用这里的字符串。
我们整理状态栏的数据为lastStatus变量，包括三个图表。还有一行信息显示当前策略执行情况和状态（包括轮询耗时，当前时间，持有交易品种holdSymbol，和交易的任务数量）。使用LogStatus进行状态栏展示。
最后pushtask的poll()函数大家不要遗忘。
在回测系统里，使用这五个品种我们模拟运行了多品种的海龟策略。我们看到持仓信息，运行状态和账户信息三个图表，和最后一行的策略状态信息的实时概览。另外，还有收益曲线的展示和各个合约的实时k线图，止损价和离市价的数据展示，这些图表和信息提供了全方位和多维度的视角，帮助我们深入了解策略的运行状态、资金情况和收益表现，方便我们进行策略优化和调整。
在本节课中，我们继续介绍策略主函数的设置和操作执行，更清晰地了解整个策略的运行逻辑。此外，我们还使用图表展示交易进度和账户资产信息等，使得策略的运行过程更加直观。通过这些完善的设计，希望能够有效地帮助大家理解多品种海龟交易策略。
海龟交易逻辑并不复杂，但是怎样将这种逻辑使用程序的语言一步步搭建起来，确实考验我们的能力和耐心，我们要做好各个品种，各个交易环节，程序的容错以及结果呈现等一系列的工作，希望通过这三节课的学习，可以帮助大家了解一下一个真正的实盘级别的大模型应该怎样搭建。当然，这对比于一个工业级的实盘大模型确实比较稚嫩，这里重要的是，理解并掌握这里的程序设计，学会一个复杂模型的搭建方式，希望大家都有所领会。