平均真实波幅（ATR）：金融市场波动性分析的重要指标

平均真实波幅（ATR）：金融市场波动性分析的重要指标

引用

CSDN

1.

https://blog.csdn.net/heixiniu/article/details/144691695

平均真实波幅（Average True Range, ATR）是一种技术分析指标，用于衡量金融市场中价格波动的幅度。它由J. Welles Wilder Jr. 在1978年提出，主要用于识别市场的波动性和趋势强度。

ATR的计算方法

ATR的计算基于以下三个步骤：

1. 计算每个周期的真实波幅（True Range, TR）。TR是以下三个值中的最大值：

• 当前周期的最高价减去最低价。
• 当前周期的最高价减去前一周期的收盘价。
• 当前周期的最低价减去前一周期的收盘价。

2. 计算TR的移动平均值。通常使用简单移动平均（SMA），周期长度可以根据需要选择，例如14天。

3. 将移动平均值除以一个调整因子，通常是2，以得到平均真实波幅。

ATR的计算公式如下：

$$
TR = \max(high - low, |high - prev_close|, |low - prev_close|)
$$

$$
ATR = \frac{SMA(TR, n)}{2}
$$

其中，$high$是当前周期的最高价，$low$是当前周期的最低价，$prev_close$是前一周期的收盘价，$SMA$是简单移动平均，$n$是移动平均的周期长度。

ATR的主要用途

1. 衡量市场波动性：ATR值越高，市场波动性越大；ATR值越低，市场波动性越小。

2. 设置止损和止盈水平：ATR可以帮助交易者确定合理的止损和止盈点位，以适应市场的波动性。

3. 识别趋势强度：ATR可以与其他趋势指标结合使用，以评估趋势的强度和可能的反转点。

在实际应用中，ATR通常与其他技术分析工具和指标一起使用，以提高交易决策的准确性。

Python代码实现

以下是计算ATR的Python代码实现：

def stock_atr(stock_data, window=14):
    stock_data['H-L'] = stock_data['high'] - stock_data['low']
    stock_data['H-PC'] = stock_data['high'] - stock_data['close'].shift(1)
    stock_data['L-PC'] = stock_data['low'] - stock_data['close'].shift(1)
    stock_data['TR'] = stock_data[['H-L', 'H-PC', 'L-PC']].max(axis=1)
    stock_data['ATR'] = stock_data['TR'].rolling(window=window).mean()
    return stock_data['ATR']

以下是绘制ATR的Python代码实现：

import pandas as pd
import matplotlib.pyplot as plt

def plot_stock_atr(stock_data):
    atr = stock_atr(stock_data)
    stock_data['trade_date'] = pd.to_datetime(stock_data['trade_date'], format='%Y%m%d')
    plt.subplot(2, 1, 1)
    plt.plot(stock_data['trade_date'], stock_data['close'], label='Close Price')
    plt.legend()
    plt.title('Close Price')
    plt.subplot(2, 1, 2)
    plt.plot(stock_data['trade_date'], atr, label='ATR')
    plt.legend()
    plt.title('ATR')
    plt.xlabel('Date')
    plt.ylabel('ATR')
    plt.show()

文章来源

本文原文来自CSDN，作者：heixiniu