ATR指标

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

真实波幅（TR）

公式：

其中：High是指当日最高价，Low为当日最低价，pre_close是指前一日收盘价。公式看上去很复杂，其实它要表达的就是昨日收盘以后标的的最大波幅，让我们来看看K线图里真实波幅具体指哪一部分。

从图片中我们可以很容易的看出，真实波幅就是昨天收盘后股票的最大振幅，也就是图片中最长的那一根箭头所表示的位置。

平均真实波幅（ATR）

平均真实波幅其实就是真实波幅的一个移动平均值

策略实现

指标计算：

• 中轨：收盘价的25日移动平均值
  
• 通道宽度：平均真实波幅*2
  
• 上轨：中轨+通道宽度
  
• 下轨：中轨-通道宽度
  
  

交易逻辑：

• 当价格突破上轨，进场买入，建多仓
  
• 当价格突破下轨，进场卖出，建空仓
  
• 一个完整的交易系统需要包括仓位管理和资金配置，这里不做介绍，小编多年的期货产品管理经验（😢😢😢）认为，期货交易系统只要具备出场逻辑（这样的系统也称为正反手系统），那么无需再加止盈止损模块。
  
  

1. # 1. 策略基本参数
   
2. def prepare(context):
   
3.     # 策略比较参考标准，以沪深300为例
   
4.     benchmark = '000300.INDX'

复制代码

1. # 初始化虚拟账户状态，只在第一个交易日运行
   
2. def initialize(context):
   
3.     # 设置是否是结算模式
   
4.     context.set_need_settle(False)
   
5.     # 设置手续费，PerContract 说明是每手手续费多少，分别是开仓、平昨、平今
   
6.     context.set_commission(equities_commission=None, futures_commission=None) # 手续费按系统默认手续费设置
   
7.     # 设置最大杠杆
   
8.     context.set_max_leverage(0.6, 'fill_amap') # 这里能够设置最大杠杆
   
9.     context.observation = 30
   
10.     context.width = 2
    
11.     context.ma_length = 25
    
12.    
    
13. def handle_data(context, data):
    
14.    
    
15.     if context.trading_day_index < context.observation: # 在30个交易日以后才开始真正运行
    
16.         return
    
17.     today = data.current_dt.strftime('%Y-%m-%d') # 当前交易日期
    
18.     instrument = context.future_symbol(context.instruments[0]) # 交易标的
    
19.     curr_po=context.portfolio.positions[instrument] # 持仓
    
20.     curr_position = curr_po.amount  # 持仓数量
    
21.      
    
22.     price = data.current(instrument, 'price')  # 当前价格
    
23.     high_price= np.array(data.history(instrument, 'high', context.observation, '1d')) # high
    
24.     low_price= np.array(data.history(instrument, 'low', context.observation, '1d')) # low
    
25.     close_price= np.array(data.history(instrument, 'close', context.observation, '1d')) # close_price
    
26. 
    
27.     # 判断获取的数据中多少天是缺失数据，如果全是缺失数据，是不能计算ATR指标的
    
28.     nan_num = [k for k in [np.isnan(i) for i in close_price] if k == True]
    
29.     if len(nan_num) == context.observation:
    
30.         return
    
31. 
    
32.     # 创建ATR买卖信号，包括最高价，最低价，收盘价和参数timeperiod
    
33.     # 注意：ATR函数使用的price必须是narray
    
34.     import talib
    
35.     atr = talib.ATR(high_price,low_price,close_price, timeperiod=context.ma_length)[-1]
    
36.     ma = data.history(instrument, 'high', context.ma_length, '1d').mean()
    
37.     high_line = ma + context.width * atr # 上轨
    
38.     low_line = ma - context.width * atr # 下轨
    
39. 
    
40.     # 交易逻辑
    
41.     if price >= high_line and curr_position <=0 and data.can_trade(instrument): # 开多
    
42.         order_target(instrument,  5) # order_target的含义是本次下单使得最终的仓位为目标仓位，如果是正数，那么就是多头仓位
    
43.         print(today, '买入开仓')
    
44. 
    
45.     elif price <= low_line and curr_position >= 0 and data.can_trade(instrument): # 开空
    
46.         order_target(instrument,  -5) # 下单后使得仓位为5手空单
    
47.         print(today, '卖出开仓')

复制代码

1. # 3. 启动回测
   
2. # 策略回测接口: https://v2.bigquant.com/docs/module_trade.html
   
3. m = M.trade.v4(
   
4.     instruments= ['RU1809.SHF'],
   
5.     start_date='2017-11-03',
   
6.     end_date='2018-07-01',
   
7.     prepare=prepare,
   
8.     initialize=initialize,
   
9.     handle_data=handle_data,
   
10.     # 买入订单以开盘价成交
    
11.     order_price_field_buy='open',
    
12.     # 卖出订单以开盘价成交
    
13.     order_price_field_sell='open',
    
14.     capital_base=1000000,
    
15.     benchmark='000300.SHA',
    
16.     product_type = 'future',
    
17.     m_deps=np.random.rand()
    
18. )

复制代码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏1 回帖

关键词：observation Instruments Instrument Commission positions

完整链接：https://bigquant.com/wiki/doc/tongdao-celve-zhibiao-S0Sn3CFcqs