发帖
雷达卡
1. ADX 指标的基本概念
ADX，全称为 Average Directional Movement Index（平均趋向指数），是由著名技术分析专家 威尔斯·威尔德 所提出。该指标主要用于评估市场趋势的强弱程度，而非判断价格走势的方向性。
这一点非常关键：
- 高 ADX 值：表明市场正处于明显的趋势状态，可能是强劲上涨，也可能是持续下跌。
- 低 ADX 值：说明市场缺乏明确方向，处于盘整或震荡行情中。
2. ADX 的组成部分
ADX 指标系统通常由三个核心部分构成：
- +DI（正向趋向指标）：反映当前上升动能的强度。
- -DI（负向趋向指标）：衡量当前下降趋势的力度。
- ADX（平均趋向指数）：基于 +DI 与 -DI 的差值计算，并经过平滑处理，用以体现整体趋势的稳定性和强度。
ta.ADX3. TA-Lib 中的函数实现方式
在技术分析库 TA-Lib 中，ADX 的主要调用函数如下：
# 返回三个数组：ADX, PLUS_DI, MINUS_DI
adx, plus_di, minus_di = ta.ADX(high, low, close, timeperiod=14)其参数包括：
：周期内的最高价序列high
：周期内的最低价序列low
：周期内的收盘价序列close
：计算周期，默认值为 14，这也是最广泛使用的设置。timeperiod
此外，TA-Lib 还提供了一些相关扩展函数：
：用于计算 ADXR，即当前 ADX 与 n 期前 ADX 的均值，起到进一步平滑趋势信号的作用。ta.ADXR(high, low, close, timeperiod=14)
、ta.PLUS_DI
、ta.MINUS_DI
、ta.PLUS_DM
等函数可分别提取 +DI、-DI 及其他子指标，便于独立调用和组合分析。ta.MINUS_DM
4. 如何正确解读 ADX？
a. 趋势强度的判断（核心功能）
这是 ADX 最根本的应用场景：
- ADX < 20：表示市场趋势微弱，处于横盘震荡或无趋势阶段。此时趋势跟踪策略（如均线交叉）容易出现频繁止损。
- ADX > 25：意味着市场已形成有效趋势，适合启动趋势追踪交易策略。
- ADX > 40：显示市场处于极强的单边行情中，但也可能预示趋势接近尾声，需警惕反转风险。
- ADX 从高位回落：暗示现有趋势正在衰减，市场或将进入整理或反转阶段。
b. 判断趋势方向（结合 +DI 与 -DI）
尽管 ADX 本身不指示方向，但配合 +DI 和 -DI 可辅助识别买卖时机：
- 潜在买入信号：当 +DI 从下方上穿 -DI，且 ADX 同步上升（确认趋势增强），可视为多头机会。
- 潜在卖出信号：当 -DI 从下方向上穿越 +DI，同时 ADX 上扬，可能构成空头入场点。
注意：+DI 与 -DI 的交叉信号较为频繁，在 ADX 值偏低（如低于 20）时，这些交叉多为噪音，容易产生误导，因震荡市中价格反复波动。
5. 实战应用案例（Python 实现）
import pandas as pd
import numpy as np
import talib as ta
import matplotlib.pyplot as plt
# 假设我们有一个包含‘High', 'Low', 'Close'的DataFrame ‘df'
# 例如：df = pd.read_csv('your_data.csv', index_col='Date', parse_dates=True)
# 计算 ADX 指标，周期为14
df['ADX'] = ta.ADX(df['High'], df['Low'], df['Close'], timeperiod=14)
df['PLUS_DI'] = ta.PLUS_DI(df['High'], df['Low'], df['Close'], timeperiod=14)
df['MINUS_DI'] = ta.MINUS_DI(df['High'], df['Low'], df['Close'], timeperiod=14)
# 简单策略：当趋势强劲（ADX > 25）且 +DI 上穿 -DI 时，产生买入信号
df['Signal'] = np.where((df['ADX'] > 25) & (df['PLUS_DI'] > df['MINUS_DI']), 1, 0)
# 绘制图表
fig, (ax1, ax2) = plt.subplots(2, 1, figsize=(12, 8), sharex=True)
# 价格图表
ax1.plot(df.index, df['Close'], label='Close Price', linewidth=1)
ax1.set_title('Price Chart')
ax1.legend()
# 指标图表
ax2.plot(df.index, df['ADX'], label='ADX', color='black', linewidth=2)
ax2.plot(df.index, df['PLUS_DI'], label='+DI', color='green', linewidth=1)
ax2.plot(df.index, df['MINUS_DI'], label='-DI', color='red', linewidth=1)
ax2.axhline(y=20, linestyle='--', color='gray', alpha=0.7)
ax2.axhline(y=25, linestyle='--', color='blue', alpha=0.7)
ax2.set_title('ADX Indicator')
ax2.legend()
plt.show()6. 使用注意事项与局限性
- 滞后性：ADX 是基于历史价格数据构建的，属于典型的滞后型指标，无法提前预测趋势起点。
- 不指示方向：必须联合 +DI/-DI 或其他方向性工具（如移动平均线）才能确定进出场方向。
- 震荡市表现不佳：在 ADX 数值较低的无趋势环境中，其信号可靠性显著下降。
- 参数优化空间：虽然默认采用 14 周期是行业惯例，但可根据不同交易品种和时间框架进行调整。例如短线交易者可能选用 7 周期，而长线投资者倾向使用 21 周期。
总体而言，ADX 是一个高效的“趋势强度过滤器”。它最大的价值在于帮助交易者回答一个关键问题：“当前市场是否存在足够强的趋势值得参与？” 从而避免在无序震荡行情中盲目操作导致亏损。
7. 数字合约市场的实战测试报告
基于上述对 ADX 指标的理论梳理（内容由 AI 整理），结合本人在数字资产合约领域的长期研究经验，现分享一份基于真实市场数据的 ADX 实战测试成果。
所有测试数据来源于币安合约市场，具备可复现性（可通过官方 API 获取原始数据）。本次实验聚焦两大目标：一是探索利用 ADX 构建选币模型的有效性；二是通过该指标识别市场运行状态，优化交易决策。
一、选币逻辑与测试架构设计
在数字合约二级市场的实践中，我始终坚持“波动驱动，趋势主导”的核心理念。因此，策略并不追求传统意义上的“价值投资”，而是专注于挖掘具备动量特征的高波动币种（常被称为“炒作币”或“垃圾币”），执行“快进快出”的短线多头策略。
具体规则如下：
- 每小时进行一次仓位评估与调整；
- 仅做多，不参与做空；
- 通过 ADX 衍生的元因子模型筛选标的。
测试方法为：遍历币安平台超过 500 个合约交易对，每次选取因子得分最高（df['factor']）的币种建仓。通过调整周期参数（n 值）进行多轮回测，验证策略稳健性。
df['adx'] = ta.ADX(df['high'], df['low'], df['close'], n)
df['adx_close'] = df['adx'] / df['close']
df['factor'] = df['adx_close'].rolling(n).std()二、初步测试结果：周期 n=12 的表现回顾
在设定 n=12 的条件下，策略展现出一定的趋势捕捉能力，尤其在主流币种快速拉升阶段能及时响应。但在极端震荡行情中仍出现多次误判，导致回撤扩大。后续将结合 ADX 阈值过滤与波动率加权机制进一步优化模型稳定性。
首先，选取周期 n=12 作为初始测试参数，对 2021 年至 2025 年的月度收益率进行回测，所得数据如下（其中 2025 年 12 月数据尚未完整，标记为 nan）：month 1 2 3 4 5 6 7 8 9 10 11 12
year
2021 1733.07% 76.12% 7.62% -41.17% -66.33% -54.70% -19.70% 54.11% -43.96% 113.58% -35.63% -24.20%
2022 -49.81% -10.94% -6.78% -44.07% -40.05% -45.47% 22.06% -25.38% -8.14% -38.37% -45.47% -51.36%
2023 -1.01% -34.34% -29.69% -38.18% -57.46% -29.16% -31.91% -36.39% -20.75% -22.35% -40.51% -9.11%
2024 -45.13% -11.12% -22.52% -56.87% 14.25% -46.00% -2.06% -34.12% -27.30% -31.35% -15.05% -47.99%
2025 -43.10% -28.81% -4.25% -43.90% -35.89% -47.97% -30.34% -33.52% -30.92% -54.46% -25.93% nan%
mean 318.80% -1.82% -11.13% -44.84% -37.10% -44.66% -12.39% -15.06% -26.22% -6.59% -32.52% -33.16%???? 资金阈值检查：初始本金100USDT，最低交易门槛10.0USDT
最高累计资金：5945.64USDT，最低累计资金：0.00USDT
?? 触发停止交易！时间：2022-10-19 22:00:00，当前累计资金：10.00USDT???? 资金阈值检查：初始本金100USDT，最低交易门槛10.0USDT
最高累计资金：2851.30USDT，最低累计资金：0.00USDT
?? 触发停止交易！时间：2023-06-10 04:00:00，当前累计资金：8.67USDT
多头分月总收益率：
month 1 2 3 4 5 6 7 8 9 10 11 12
year
2021 919.66% 37.02% 42.10% -45.75% -70.87% -30.02% -7.33% 118.25% -1.31% 213.69% -38.74% -15.45%
2022 -44.38% -9.85% 31.86% -43.27% -36.55% -46.58% 17.17% -23.60% -8.53% -30.51% -33.71% -13.77%
2023 18.04% 9.32% -9.17% -33.15% -39.86% -39.30% -14.18% -33.31% -4.21% 4.37% 13.94% -17.37%
2024 -23.25% 18.14% -14.09% -53.68% 23.32% -44.27% 21.15% -1.79% -51.69% -29.34% -0.10% -47.35%
2025 -38.87% -14.59% -37.58% -14.66% -32.80% -36.15% -37.69% -7.11% -8.96% -54.32% -27.58% nan%
mean 166.24% 8.01% 2.62% -38.10% -31.35% -39.26% -4.18% 10.49% -14.94% 20.78% -17.24% -23.49%
京公网安备 11010802022788号
